01 云计算故障处理概述

1、云计算故障处理概述,云计算时代的IT架构更加复杂，掌握云计算的基础故障处理知识有助于快速定位故障点，从而采取针对性的手段排除故障，保证业务正常运行。,学完本课程，您将能够： 了解故障处理定义 了解通用故障处理模型 熟悉云计算基本故障分类 熟悉云计算故障处理流程 熟悉云计算故障信息收集方法 了解云计算故障应急处理 了解云计算日常问题求助渠道,故障处理概述 云计算基本故障分类 云计算故障处理流程 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,什么是故障处理？,故障处理是指在故障发生之后，采取措施，使系统尽快恢复正常 在故障处理中，使系统恢复正常是首要任务 找到故障原因，避免下

2、一次故障更为重要 故障处理对工程师的要求 精通各种技术原理 熟悉相关产品特性 具备丰富的经验 沉着冷静，处乱不惊,故障处理往往被认为是一件很复杂，很高大上的工作,故障处理衡量要点：MTBF和MTTR,平均故障间隔（ MeanTimeBetweenFailures ，MTBF），是描述产品在操作使用或测试期间的平均连续无故障时间 平均修复时间（Mean Time To Repair，MTTR），是描述产品由故障状态转为工作状态时修理时间的平均值,常见故障处理模型,有经验的工程师根据现场故障情况，灵活选择故障处理模型,常见故障处理模型-自顶向下,原理 如果某个层次的系统没有故障，可以推断在这个层次

3、下的其他系统也没有故障 示例 如果某台虚拟机不能远程登录，但可以ping通，可以推断下层的网络连通没有问题,：,常见故障处理模型-自底向上,原理 由底层向上层排错，逐层缩减故障范围，直到找到故障点 示例 如果某台虚拟机不能远程登录，已经定位清楚是物理硬件层故障，使用自底向上模型逐步排查服务器、存储、网络等硬件问题,：,常见故障处理模型-业务跟随,原理 跟随业务的流向，逐步排错 示例 某云桌面客户的用户不能访问NAS共享文件，使用业务跟随模型，根据访问NAS的业务网络路径，逐步排查云桌面、云平台、物理主机和NAS等问题,：,第一步,第二步,第三步,常见故障处理模型-配置对比,原理 对比故障节点和

4、正常节点的配置，找到可疑故障点 示例 某客户有两台云桌面，其中一台运行异常，可以找到另外一台运行正常的云桌面，对比两边的配置，找到可疑故障点,：,客户终端,云平台,物理主机,后端存储,云桌面A（正常）,云桌面B（异常）,对比,常见故障处理模型-组件更换,原理 更换可疑的故障组件，找到可疑故障点 示例 某服务器和存储之间网络连接故障，可以逐步更换网线、网口、服务器、存储等,1、更换网线,2、更换服务器网口,3、更换存储网口,4、更换服务器,5、更换存储,讨论：选择哪种故障处理模型？,故障示例 某云平台上有68台云桌面虚拟机供用户使用，现在其中的22台不能正常登录，另外46台一切正常。一小时前所有

5、云桌面虚拟机登录访问正常。 讨论 请使用前面介绍过的故障处理模型，试着找出可能的故障点，并说明选择哪种故障处理模型比较合适。,故障处理概述 云计算基本故障分类 云计算故障处理流程 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,云计算基本故障分类,云计算硬件类故障简介,硬件类故障排除，需先修复相应的硬件故障，然后修复其他软件故障，最终将业务成功恢复,公用组件类故障简介,公用组件类故障排除，每一个组件的变更可能涉及大范围业务，需提前做好数据备份，计划好回滚方案，必须熟悉各组件原理和流程,管理节点类故障简介,管理节点类故障排除，必须熟悉各管理节点的架构原理和工作流程，后面会分三

6、个章节单独介绍,虚拟机类故障简介,虚拟机类故障排除，如果涉及到有可能损坏用户数据的操作，建议提前备份好虚拟机数据，再做进一步的故障排除操作,用户桌面类故障简介,用户桌面类故障排除，需熟悉用户桌面软硬件产品，掌握相关原理和操作流程,故障处理概述 云计算基本故障分类 云计算故障处理流程 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,云计算故障处理流程,一个故障可能由多个原因引起，可以反复进行如上流程，直到彻底排除故障,云计算故障处理具体实施流程,收集并记录相关信息,是否能判断故障范围和类别,确定故障范围和类别,定位故障原因,进行故障排除,记录故障处理过程,联系华为技术支持,故

7、障是否被排除,是,是,否,否,故障信息收集与判断,故障信息是故障处理的重要依据，维护人员应尽可能多的收集故障信息，包括： 故障现象描述 故障发生的时间及频率 故障发生的地点 故障的范围、影响 故障发生前设备运行状况 故障发生前对设备进行的操作以及操作的结果 故障发生时是否有设备指示灯异常 维护人员根据收集的故障详细信息，对故障范围和类型进行判断,故障定位,常用故障定位方法： 查看告警信息 查看监控信息是否正常 查询操作日志，分析操作过程是否有误 检查数据配置是否正确 观察设备指示灯状态是否正常,故障排除,根据故障定位结果进行故障排除处理,比故障处理更重要：日常维护,日常维护可以提前发现、消除故

8、障 故障发生时，良好的日常维护计划和文档也有利于快速排除故障,故障处理概述 云计算基本故障分类 云计算故障处理流程 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,信息收集声明,在信息收集操作过程中，请严格遵守以下原则： 使用信息收集工具（如FusionCare）前，应事先向客户主动提供该工具的说明； 任何维护操作必须得到客户的授权，禁止进行超出客户审批范围的任何操作； 将问题定位数据传出客户网络必须得到客户的授权。,故障信息收集类型,基本故障信息收集,通过基本信息，可大概了解现场发生的问题、目前的状态、产生故障前的设备状态和引起故障的可能因素,告警信息收集 - Fusio

9、nCompute,单击“告警ID”，根据弹出的告警帮助处理该告警 告警信息可以导出,告警信息收集 - FusionAccess,单击“告警ID”，根据弹出的告警帮助处理该告警 告警信息可以导出,告警信息收集 - FusionSphere OM,告警信息收集 - ManageOne SC,告警信息收集 - FusionStorage Block,事件信息收集 - FusionCompute,单击“事件ID”，根据弹出的告警帮助处理该告警 事件信息可以导出,事件信息收集 - FusionAccess,单击“事件ID”，根据弹出的告警帮助处理该告警 事件信息可以导出,事件信息收集 - FusionS

10、phere OM,事件信息收集 - ManageOne SC,事件信息收集 - FusionStorage Block,日志和系统信息收集 - FusionCare工具,FusionCare,支持多种产品,FusionCompute,信息收集,FusionAccess,支持的OS：Windows、 linux,收集日志，包括操作系统、模块、脚本等,需要配置Ftp服务,当系统异常时，维护工程师可使用FusionCare工具对系统的日志等信息进行收集，以便定位故障原因,FusionManager,FusionStorage,FusionSphere OpenStack,日志和系统信息收集 - 云桌

11、面虚拟机,在“开始 所有程序 Huawei FusionAccess”中，单击“Collect Log” 日志压缩包文件的默认目录及文件名为“C:HdpLog.zip”。,断流检测工具 - FusionNetDoctor,FNM（FusionNetwork Manager）作为统一的运维工具的管理入口便于权限控制，提供不感知业务的原子功能：推送文件、获取文件、运行特定脚本文件 运维工具APP中集成定位脚本与软件版本解耦发布（屏蔽抓包工具的安全问题），通过Openstack、CPS、FNM的接口完成节点信息查找、脚本推送并运行、收集运行结果。,故障处理概述 云计算基本故障分类 云计算故障处理流程

12、 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,重大事故界定,重大事故 指发生突然、影响面广、涉及范围大、并可对网络的安全运行与服务质量造成严重后果的设备或网络事故 包括双节点故障、机柜异常掉电等 应急处理 在系统或设备发生紧急事故的情况下，为迅速排除故障、恢复系统或设备的正常运行，从而尽量挽回或减少事故损失而对设备进行的一种故障处理行为,应急处理流程,成立应急小组,是否属于应急预案中的事故,按照应急预案处理,事故分析和后续处理,重新制定应急预案并处理,事故是否解除,是,是,否,否,应急处理以快速恢复设备的正常运行与业务的正常提供为核心指导思想,业务快速恢复原则,业务恢复

13、应综合考虑相应操作恢复业务成功的可能性和相应操作时间代价 参考的操作排序如下：,应急日常准备,故障处理概述 云计算基本故障分类 云计算故障处理流程 云计算故障处理信息收集 云计算故障应急处理 云计算日常问题求助渠道,联系我们-电话热线,步骤2：选择您所在国家地理位置，比如：中国。,步骤3：选择您所在城市地理位置，比如：北京。,步骤1：登录Suppport-E 网站： ,联系我们-其他,非电话热线方式： 购买咨询、技术支持 （Support-E）： 产品售后技术支持、帐号及维保查询服务邮箱： Support_ 网上自助建单 支持范围：全球 服务时效: 7X24小时,Support-E网站资源,华为云计算信息自助服务平台,华为云计算社区,华为技术支持智能客服,有哪些常见的故障处理模型？ 云计算故障基本处理流程是什么？ 云计算故障处理一般需要收集哪些类型的信息？