IBM MQ 故障诊断（一）

说明：本文主要是针对运维人员的手册。前面部分主要是应用三板斧的方式，后面的步骤可能会发散和具体深入一些。不过也不是严格的划分，读者就当看一遍杂文的方式来看待此文吧。

一，队列管理器的启停

QMGR的启停是故障诊断中遇到最多的需求之一。

启动队列管理器: strmqm QmgrName   注：如果是启动默认的队列管理器，可以不带其名字

停止队列管理器：

endmqm QmgrName 受控停止

endmqm –i QmgrName 立即停止

指定队列管理器以立即关闭结束。在立即关闭中，队列管理器在当前正在处理的所有 MQI 调用完成后停止。命令启动后发出的任何 MQI 请求都会失败。当队列管理器下次启动时，任何未完成的工作单元都会回滚。控制权在队列管理器结束后返回。

endmqm –p QmgrName 强制停止

指定队列管理器以抢先关闭结束。在抢先关闭中，队列管理器可能会在不等待应用程序断开连接或 MQI 调用完成的情况下停止。这种行为会给您的应用程序带来不可预知的结果。因此，只有在其他endmqm 命令停止队列管理器失败后才使用这种类型的关闭。

99%的情况都不要用kill -9 <pid>的方式去停止MQ,极端情况下可以选择重启OS的方式来重启MQ.

查看队列管理器运行状态：dspmq –m QmgrName 或者直接dspmq

二，MQ检查及故障判断（发给客户的checklist）

序号	问题	备注
1	确定影响范围。 -是测试还是生产环境。 -受影响的人数，应用数，范围。	判断问题的严重程度
2	询问系统架构。 -应用是如果连接过来的，是使用什么开发的。 -队列管理器在哪个服务器上，是否使用双向通道。 -是否连接人行或者票交所等上层机构。	了解系统架构
3	症状询问。 -MQ有什么明显的错误没有？包括应用报错，MQ日志，其他地方发现的报错。 -是新上线系统吗？如果不是MQ以前正常吗？ -最近（一天，最近一周）有MQ相关的变更没有？（MQ自身，相关的应用，或者任何其他相关，例如系统，网络（包括网络设备，网络策略，断网等），硬件，上层机构） -问题发生有时间规律没有？是否可以重现？ -系统资源有什么问题没有？ -其它可用的信息有吗？或者什么可疑的信息？	了解问题概括
4	一定，一定确认好问题发生的时间。尽可能精确到秒级别，因为故障发生后可能带来联动的错误，到时候有其他现象，其他错误日志会干扰我们的故障诊断的准确性。 -第一次故障发生在什么时间点。具体到哪天，几时，几分，几秒。 -第二次发生的时间点。	时间确定
5	-查看QMGR日志错误。若队列管理器名称已知，并且处于运行状态，错误日志位于： /var/mqm/qmgrs/errors 若队列管理器不处于运行状态，则错误日志位于： /var/mqm/qmgrs/@SYSTEM/errors 若错误与系统有关，则错误日志位于： /var/mqm/log 若错误与MQ客户端程序有关，则错误日志位于客户机的根目录下： /var/mqm/log 查看FFST诊断日志文件 /var/mqm/errors -查看应用错误日志 -OS相关的日志查看，或者网络人员查看相关的网络设备错误。	日志查看
6	-存储（存储故障，磁盘空间） -系统资源检查（CPU,网络，I/O,文件权限，文件丢失，操作系统日志检查，...） -网络日志检查（防火墙，负载均衡器等）