Ceph故障排查案例

分布式存储集群的可靠性已经很高，但在大容量集群环境下，出现任何故障都可能带来集群性能
问题或者数据安全隐患，因此要做好对集群状态监控及故障恢复。当故障发生后，我们要及时使用正确的处理方式排除故障。

1、获取集群状态

集群状态有3种，具体如下：

·HEALTH_OK：表示集群运行良好。

·HEALTH_WARN：表示警告。在某些情况下，Ceph状态会从HEALTH_WARN状态自动返回
到HEALTH_OK状态，例如，Ceph集群完成再平衡时。但是，如果集群处于HEALTH_WARN状态的时间很长，就需要排查是否存在问题。

·HEALTH_ERR：表示出现更严重的问题。你可以使用ceph health detail和ceph -s命令来获取更详
细的输出。

除了掌握Ceph集群的基本状态，当出现问题时，你要能准确地找到相关报错信息和日志，以便
快速定位问题。默认情况下，Ceph将其日志存储在/var/log/ceph/目录下，CLUSTER_NAME.log包含全局事件的主存储集群日志。默认情况下，日志文件名为ceph.log，只有MON节点包括主存储集群日志。

每个OSD和MON节点都有其独立的日志文件，名称分别为CLUSTER_NAMEosd.NUMBER.log和CLUSTER_NAMEmon.HOS