Server bleibt stehen

[McG]

Hallo zusammen,

ich hab ein grosses Problem mit unserem ESX (3.0.2. 61618). Er bleibt willkürlich stehen. Auf der Konsole steht dann in rot nur noch:

4:21:57:33.339 cp0:1024)VMNIX: <0>scsi: device set offline command error recovery failed:host0 channel0 id0 lun0

Alle VM sind dann logischerweise Tod. In den Events der VM sind keine Einträge bis auf den "letzten" z.B. eine Info und dann erst wieder der Start des Rechners.
Ebenso in den Logs des Servers, wobei ich nicht weis, in welchen Logs Files in nachsehen sollte, ausser den üblichen Verdächtigen.

Die Zeitpunkte der Absturze sind nicht nachvollziehbar.

Bitte dringends um Hilfe um diese Problem einzugrenzen.

[e-e-e]

Hallo,

na die Fehlermeldung deutet auf ein Hardwareproblem hin, Controller bzw. HDD - eventuell auch nur ein Kabel defekt / locker, würde ich sagen.

[irix]

Guck /var/log/vmware/hostd.log an.

Gruss
Joerg

[McG]

Es gibt mehrere hostd.log

Hostd8.log:

[2009-05-19 22:54:55.266 'ResourcePool ha-root-pool' 15526832 verbose] Root pool capacity changed from 19966MHz/29799MB to 19966MHz/29798MB
[2009-05-19 22:55:00.358 'Statssvc' 19733424 verbose] Propagating stats from interval 20 to 300
[2009-05-19 22:58:28.005 'ha-license-manager' 19999664 verbose] RecurrentAvailableRefreshes: Auto-Refresh License Source available...
[2009-05-19 22:58:28.006 'ha-license-manager' 19999664 verbose] RecurrentAvailableRefreshes: Auto-Refresh License Source available Done
[2009-05-19 23:00:00.215 'Statssvc' 19999664 verbose] Propagating stats from interval 20 to 300
[2009-05-19 23:00:55.386 'ResourcePool ha-root-pool' 19999664 verbose] Root pool capacity changed from 19966MHz/29798MB to 19966MHz/29799MB
[2009-05-19 23:01:55.406 'ResourcePool ha-root-pool' 19999664 verbose] Root pool capacity changed from 19966MHz/29799MB to 19966MHz/29798MB

Hostd9.log

Log for VMware ESX Server, pid=962, version=3.0.2, build=build-61618, option=Release, section=2
[2009-05-20 07:56:18.195 'App' 3076456576 info] Current working directory: /var/log/vmware
[2009-05-20 07:56:18.195 'BaseLibs' 3076456576 info] HOSTINFO: Seeing Intel CPU, numCoresPerCPU 2 numThreadsPerCore 2.
[2009-05-20 07:56:18.195 'BaseLibs' 3076456576 info] HOSTINFO: This machine has 4 physical CPUS, 8 total cores, and 16 logical CPUs.
[2009-05-20 07:56:18.195 'ThreadPool' 3076456576 verbose] Thread info: Min Io, Max Io, Min Task, Max Task, Max Thread, Keepalive, thread kill, max fds: 2, 200, 2, 10, 25, 8, 600, 2048
[2009-05-20 07:56:18.195 'Handle checker' 3076456576 info] Setting system limit of 2048
[2009-05-20 07:56:18.195 'Handle checker' 3076456576 info] Set system limit to 2048
[2009-05-20 07:56:18.196 'App' 3076456576 info] Closing stdout and stderr.


Das scheint der Ausfallzeitpunkt zu sein. Kann da was Fehlerhaftes erkannt werden?

Die Kabel usw. sind OK. Nach einem Neustart läuft das Gerät von 2 Tage bis 2 Monate ohne Fehler.

Mario

[Eric]

Hallo zusammen,

ich hab ein grosses Problem mit unserem ESX (3.0.2. 61618). Er bleibt willkürlich stehen. Auf der Konsole steht dann in rot nur noch:

4:21:57:33.339 cp0:1024)VMNIX: <0>scsi: device set offline command error recovery failed:host0 channel0 id0 lun0

Alle VM sind dann logischerweise Tod. In den Events der VM sind keine Einträge bis auf den "letzten" z.B. eine Info und dann erst wieder der Start des Rechners.
Ebenso in den Logs des Servers, wobei ich nicht weis, in welchen Logs Files in nachsehen sollte, ausser den üblichen Verdächtigen.

Die Zeitpunkte der Absturze sind nicht nachvollziehbar.

Bitte dringends um Hilfe um diese Problem einzugrenzen.

Erst mal findest Du heraus was für ein Device das ist


4:21:57:33.339 cp0:1024)VMNIX: <0>scsi: device set offline command error recovery failed:host0 channel0 id0 lun0

Ich tippe ja auf die Harddisk auf welcher dein ESX Server drauf ist.

Wenn kein Kabel locker ist hat entweder wie schon mal geschrieben der controller bzw. die Platte einen Schaden. Evtl. hast du auch nur eine buggy firmware auf dem Host Bios/Controller/Platte... also erst mal die komplette Firmware für deine Kiste incl aller Komponenten aktualisieren.. wenn das auch keine Lösung bringt >>>>

Zeit für Unterstützung vom Hardwareservice!

Grüße

Eric

[lennier]

ähm, handelt es sich um einen 3Ware 9550 oder 9650? ... sowas ähnliches hatte ich auch

[McG]

nein, ist ein LSI MegaRaid.
Da der Server am 21. wieder stehen bliebt, nun das dritte mal in der Woche, habe ich die Chance genutzt und die Firmware auf den neuesten Stand gebracht.
Mal sehen, bisher läufts.

[Creek]

den gleichen Fehler haben wir hier im Unternehmen auch.

Ich werde demnöchst auch die Firmware vom Raidcontroller + HDD erneuern. Mal schauen ob das was bringt.

[McG]

Hallo,

nur zur Info:

nach dem Firmwareupdate bisher keinerlei Ausfälle des Servers mehr.

Hoffe es bleibt so....

Grüße
Mario