服务器fc san链路维护,如何预警并处理一个FC链路的故障

兄弟姐妹们：

之前有帖子讨论powerpath如何处理链路故障，超时机制，也有帖子问如何判断san环境的健康，我们来讨论下，如何预警并处理一个FC链路的故障。这种故障在实际中比比皆是：

一个SAN环境，在出线链路物理故障时，交换机和存储、主机都有感知。交换机能看到CRC，存储能看到FC loop闪断，主机也能看到链路不稳，但是由于发生和恢复极快，基本都是在秒级，所以在一些看起来都“正常”，只有“warning”，“online”，没有“critical”的情况下，应用(比如OLTP数据库)挂了！

如果物理链路在某一个时刻，突然坏了，不再恢复，那么各种故障处理机制会生效。但是就怕时好时坏，不稳定的情况出现，故障处理机制没有彻底进行，所有io持续压在这个链路上，应用层挂，是必然的。

我们虽然可以监控各种日志，主机，交换机，存储，但是能扑捉的信息，往往只是个“偶尔”，“可能”，这些信息，不能直接作为故障处理的依据，也就是说，即使扑捉，也就是产生一种“将要坏”的预期，而无法避免。

这可如何是好啊？