装了个5点ceph集群, 每天自动重启1,2次,后来模拟,上复杂任务, 10分钟即可重启
问题排查
/var/log/message里没有有用信息
在/var/crash里看kdump信息发现死机栈和网上https://bugzilla.redhat.com/show_bug.cgi?id=1665248
一致
点开后看原来是redhat的bug, 触发这个bug的条件是
1. redhat 7.6
2. 使用rbd, 并且格式化为xfs
3. monitr节点和osd共用一个节点(co located)
解决方案
上面三个解决任何一个即可
1. 等最新补丁或退回7.5 -- 我要使用mimic版, 只有7.6支持,官网2019.1月发现问题,正在解决,还没提交
2. ext4
3. 再找独立机器装monitor -- 集群一共没多大, 没法再找机器
最终选择ext4,测试24小时,未复现死机