大数据之LibrA数据库系统告警处理（ALM-12006 节点故障）

告警解释

Controller按30秒周期检测NodeAgent状态。当Controller连续三次未接收到某个NodeAgent的状态报告时，产生该告警。

当Controller可以正常接收时，告警恢复。

告警属性

告警ID	告警级别	可自动清除
12006	严重	是

告警参数

参数名称	参数含义
ServiceName	产生告警的服务名称。
RoleName	产生告警的角色名称。
HostName	产生告警的主机名。

对系统的影响

节点业务无法提供。

可能原因

网络断连、硬件故障或操作系统执行命令缓慢。

处理步骤

检查网络是否断连、硬件是否故障或者操作系统执行名称缓慢。

打开FusionInsight Manager页面，在告警列表中，优先处理在主机管理界面，健康状态为故障的节点故障告警。
在告警详情中，查看该告警的主机地址。
使用PuTTY工具，以root用户登录主管理节点。
执行ping 故障主机IP地址命令检查故障节点是否可达。
- 是，执行步骤 13。
- 否，执行步骤 5。
联系网络管理员查看是否为网络故障。
- 是，执行步骤 6。
- 否，执行步骤 7。
修复网络故障，查看告警列表中，该告警是否已清除。
- 是，处理完毕。
- 否，执行步骤 7。
联系系统管理员查看是否节点硬件故障（CPU或者内存等）。
- 是，执行步骤 8。
- 否，执行步骤 13。
维修或者更换故障部件，并重启节点。查看告警列表中，该告警是否已清除。

说明：如果节点硬件故障，请参考产品文档中《故障管理》的“应急处理 > 常见紧急故障修复 > 更换故障节点”章节进行处理。
- 是，处理完毕。
- 否，执行步骤 9。
当集群中上报大量的节点故障时，可能是浮动ip资源异常导致controller无法检测agent心跳。

登录任意故障节点，查看“/var/log/Bigdata/omm/oms/ha/scriptlog/floatip.log”，查看故障出现前后1-2分钟的日志是否完整。

完整日志为如下格式：
是，执行步骤 13。

否，执行步骤 10。
查看检测完wsNetExport后是否打印omNetExport 的检测日志或两条日志打印间隔时间超过10s或更长。

是，执行步骤 11。

否，执行步骤 13。

查看操作系统的“/var/log/message”，查看故障出现时间段是否有sssd频繁重启或者nscd异常信息（Redhat操作系统确认sssd信息，SUSE操作系统确认nscd信息）。

sssd重启样例

Feb  7 11:38:16 10-132-190-105 sssd[pam]: Shutting down
Feb  7 11:38:16 10-132-190-105 sssd[nss]: Shutting down
Feb  7 11:38:16 10-132-190-105 sssd[nss]: Shutting down
Feb  7 11:38:16 10-132-190-105 sssd[be[default]]: Shutting down
Feb  7 11:38:16 10-132-190-105 sssd: Starting up
Feb  7 11:38:16 10-132-190-105 sssd[be[default]]: Starting up
Feb  7 11:38:16 10-132-190-105 sssd[nss]: Starting up
Feb  7 11:38:16 10-132-190-105 sssd[pam]: Starting up

nscd异常信息样例

Feb 11 11:44:42 10-120-205-33 nscd: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.55:21780: Can't contact LDAP server
Feb 11 11:44:43 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.55:21780: Can't contact LDAP server
Feb 11 11:44:44 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.92:21780: Can't contact LDAP server

是，执行步骤 12。

否，执行步骤 13。