張悅　趙雨晴　郭金榮

摘 要：曙光機(jī)群服務(wù)器采用的是LINUX系統(tǒng)，LINUX系統(tǒng)是針對(duì)地震數(shù)據(jù)處理設(shè)計(jì)的操作系統(tǒng)，操作命令采用字符操作，設(shè)備也采用字符命令，操作不謹(jǐn)慎就會(huì)造成預(yù)想不到的后果，要么處理的地震數(shù)據(jù)丟失，要么機(jī)群系統(tǒng)癱瘓，崩潰，死機(jī)，生產(chǎn)期間服務(wù)器7×24小時(shí)工作，因此服務(wù)器放置的環(huán)境很重要，符合標(biāo)準(zhǔn)存放環(huán)境有助于服務(wù)器的穩(wěn)定運(yùn)行，機(jī)群服務(wù)器系統(tǒng)運(yùn)行維護(hù)只有在軟件和硬件的雙重保障下才能正常穩(wěn)定地運(yùn)行，故而機(jī)群操作維護(hù)需要特別小心嚴(yán)謹(jǐn)。

關(guān)鍵詞：服務(wù)器；LINUX系統(tǒng)；系統(tǒng)維護(hù)；小心嚴(yán)謹(jǐn)

1 前言

近年來(lái)，中石化逐年減少內(nèi)部勘探工作任務(wù)。隨著國(guó)內(nèi)外勘探市場(chǎng)的競(jìng)爭(zhēng)日益激烈，國(guó)內(nèi)各大油田的物探研究中心地震數(shù)據(jù)處理設(shè)備的硬件也隨之升級(jí)，曙光機(jī)群代表著目前最先進(jìn)的地震數(shù)據(jù)處理設(shè)備在國(guó)內(nèi)外勘探市場(chǎng)大顯身手，在競(jìng)爭(zhēng)日益激烈的國(guó)外市場(chǎng)脫穎而出，與一般的辦公生產(chǎn)電腦使用的WINDOWS操作系統(tǒng)不同的是，它采用的是LINUX系統(tǒng)，操作全部采用鍵盤(pán)批命令操作，LINUX系統(tǒng)是針對(duì)地震數(shù)據(jù)處理設(shè)計(jì)的操作系統(tǒng)，操作命令采用字符操作，設(shè)備也采用字符命令，地震數(shù)據(jù)處理員必須按照l(shuí)inux指令嚴(yán)謹(jǐn)操作，因?yàn)橐徊恍⌒恼`敲錯(cuò)字符指令，就會(huì)造成預(yù)想不到的后果，要么處理的地震數(shù)據(jù)丟失，要么機(jī)群系統(tǒng)癱瘓，崩潰，死機(jī)，重新運(yùn)行需要廠家高級(jí)專業(yè)技術(shù)人員操作7～8天，嚴(yán)重影響生產(chǎn)運(yùn)行，故而在實(shí)際生產(chǎn)運(yùn)行中，系統(tǒng)運(yùn)行維護(hù)需要特別小心嚴(yán)謹(jǐn)。曙光機(jī)群如圖1所示。

1.1 系統(tǒng)概況

本集群共32節(jié)點(diǎn)，存放于曙光4000A機(jī)柜，包括4臺(tái)TC2600刀片服務(wù)器（共32個(gè)刀片），以及一臺(tái)NAS存儲(chǔ)，網(wǎng)絡(luò)設(shè)備包括D-link、Force10。本集群包括兩套網(wǎng)絡(luò)，一套連接D-Link的管理網(wǎng)，另一套連接Force10交換機(jī)交換網(wǎng)。高性能計(jì)算節(jié)點(diǎn)要由3臺(tái)TC2600刀片服務(wù)器。TC2600使用Blade CB60-G刀片，每節(jié)點(diǎn)24GB內(nèi)存，6顆計(jì)算核心。每個(gè)充當(dāng)集群的計(jì)算資源。由管理節(jié)點(diǎn)負(fù)責(zé)統(tǒng)一調(diào)配。

1.2 機(jī)架裝配布局圖

服務(wù)器安裝在1個(gè)曙光4000A機(jī)柜中，NAS存儲(chǔ)設(shè)備和Force10安裝的1個(gè)4000A機(jī)柜中。服務(wù)器在機(jī)柜中均由導(dǎo)軌固定，可以根據(jù)需要靈活抽出。

1.3 節(jié)點(diǎn)裝配位置圖

cat可以查看文件內(nèi)容，它的作用是連接一個(gè)文件或多個(gè)文件輸出結(jié)果，默認(rèn)是顯示一次，一屏顯示more，只能向后翻，less可以前后翻屏。

Wc統(tǒng)計(jì)文件中的單詞、行和字符，-w-l-c可看字、行、字符。

File 確定文件類型。

鏈接link是對(duì)一個(gè)文件或目錄的引用。

2.5 設(shè)備管理

每個(gè)設(shè)備都有一個(gè)major（主要的）號(hào)和minor（次要的）號(hào)，設(shè)備可能是字符設(shè)備，也可能是塊設(shè)備。

設(shè)備類型：字符設(shè)備，以c表示其文件類型，數(shù)據(jù)傳輸一次一個(gè)字符。

3 曙光機(jī)群在運(yùn)行中常見(jiàn)的故障

曙光機(jī)群在運(yùn)行中出現(xiàn)的故障分為兩種：軟件故障和硬件故障。

軟件故障一般是由于操作人員不熟練Linux操作命令，誤操作引起服務(wù)器運(yùn)行不暢或死機(jī)。常見(jiàn)的有以下幾種：

（1）錯(cuò)誤設(shè)置用戶權(quán)限。

設(shè)置用戶權(quán)限應(yīng)為777（權(quán)限全部放開(kāi)），服務(wù)器才能開(kāi)啟運(yùn)行

#chmod 777/home/download

（2）系統(tǒng)啟動(dòng)時(shí)，需要掛載分區(qū)必須設(shè)為1，而且整個(gè)fstab中只允許出現(xiàn)一個(gè)1，否則系統(tǒng)不運(yùn)行。

（3）配置文件里必須有mark地址（網(wǎng)卡的物理地址），修改了不生效，服務(wù)器功能開(kāi)啟不了。

（4）節(jié)點(diǎn)服務(wù)器開(kāi)機(jī)電壓不穩(wěn)定，系統(tǒng)不運(yùn)行，一般是服務(wù)器電池到了使用年限（一般2年），必須更換電池。

例如 [root@bnodel9-]#data（看系統(tǒng)運(yùn)行當(dāng)天時(shí)間）

[root@bnodel9-]# uptime（看系統(tǒng)運(yùn)行多少時(shí)間）

（5）誤操作輕易更改服務(wù)器IP地址，一般遵照出廠時(shí)設(shè)置的IP地址固定不變。

硬件故障一般是由于操作人員粗心導(dǎo)致，常見(jiàn)的有以下幾種：

①插拔網(wǎng)絡(luò)線和服務(wù)器連接線不緊密，造成連線松動(dòng)，誤踩光纖線，造成光纖線內(nèi)部斷線。

②帶電插拔服務(wù)器，不按照曙光機(jī)群運(yùn)行操作規(guī)定運(yùn)行服務(wù)器，造成服務(wù)器主板硬件損壞。

③夏季遇到停電，系統(tǒng)運(yùn)維員沒(méi)有及時(shí)關(guān)機(jī)，造成機(jī)群運(yùn)行溫度超標(biāo)，燒毀服務(wù)器。

4 曙光機(jī)群在實(shí)際運(yùn)行中的對(duì)策

在日常工作中，管理員可對(duì)服務(wù)器硬件及操作系統(tǒng)進(jìn)行簡(jiǎn)單的日常維護(hù)，如遇到棘手問(wèn)題，管理員可向曙光公司申請(qǐng)技術(shù)支持。

4.1 運(yùn)行環(huán)境要求

服務(wù)器7×24小時(shí)工作，因此服務(wù)器放置的環(huán)境很重要，符合標(biāo)準(zhǔn)存放環(huán)境有助于服務(wù)器穩(wěn)定運(yùn)行，可以輕松地達(dá)到甚至超過(guò)實(shí)際壽命：

（1）減少機(jī)房進(jìn)出人流量，機(jī)房保持干凈環(huán)境，定期打掃機(jī)房；

（2）機(jī)房應(yīng)處于封閉狀態(tài)，室內(nèi)溫度應(yīng)保持在22攝氏度左右；

（3）機(jī)房做好防雷設(shè)施，和UPS供電，電源需要接地；

（4）機(jī)房一定要做定期巡檢，檢查是否有聲光報(bào)警，建議每周2次。

4.2 常見(jiàn)事項(xiàng)

服務(wù)器日常運(yùn)行中出現(xiàn)硬件故障，基本都會(huì)有報(bào)警音提示，主要集中在RAID卡和電源報(bào)警。

服務(wù)器采用的是熱插拔硬盤(pán)，但是服務(wù)器正常運(yùn)行時(shí)是不允許對(duì)硬盤(pán)進(jìn)行插拔操作的，特別是做了RAID。

電源模塊出現(xiàn)故障時(shí)，服務(wù)器會(huì)有報(bào)警音，管理員觀察電源模塊的指示燈是否處于綠燈常亮狀態(tài)，如果指示燈熄滅或指示燈變成紅色，可以將該模塊電源線和模塊重新插拔，如果仍然處于熄滅狀態(tài)則需要更換模塊。為避免靜電或其他因素，建議在非緊急情況下，關(guān)機(jī)進(jìn)行模塊的插拔，以保護(hù)服務(wù)器其他硬件設(shè)備的安全。不要自行開(kāi)蓋維修電源模塊。

服務(wù)器硬盤(pán)通過(guò)RAID卡與主板連接，在日常運(yùn)行中，意外斷電或頻繁的I/O讀寫(xiě)會(huì)導(dǎo)致RAID中所屬硬盤(pán)產(chǎn)生物理或邏輯掉盤(pán)。如果出現(xiàn)RAID掉盤(pán)的情況，管理員應(yīng)第一時(shí)間將服務(wù)器內(nèi)的數(shù)據(jù)進(jìn)行異地備份，以保證數(shù)據(jù)安全，同時(shí)應(yīng)聯(lián)系集成商或者撥打曙光報(bào)修電話，以便及時(shí)修復(fù)，避免數(shù)據(jù)丟失。

5 曙光機(jī)群服務(wù)器生產(chǎn)運(yùn)行的特別警告

作為L(zhǎng)inux系統(tǒng)管理員，面對(duì)的服務(wù)器是并行的節(jié)點(diǎn)集群，而不是自己的個(gè)人獨(dú)立計(jì)算機(jī)，所以在日常管理工作中一定要養(yǎng)成嚴(yán)謹(jǐn)?shù)牧?xí)慣。

養(yǎng)成備份的習(xí)慣

服務(wù)器上跑的數(shù)據(jù)是非常重要的，一定要注意數(shù)據(jù)的安全。一定要記得備份數(shù)據(jù)，否則，一旦出錯(cuò)您會(huì)后悔死。

root相當(dāng)于Windows里面的adminstrator，它任何權(quán)限都有，所以為了避免引起不必要的事故，能用普通用戶完成的任務(wù)，盡量不要使用root。

Linux系統(tǒng)操作人員使用了一段時(shí)間的Linux，會(huì)越來(lái)越熟練各種命令，敲命令的速度肯定也會(huì)越來(lái)越快。每個(gè)人都會(huì)有疏忽的時(shí)候，一旦敲錯(cuò)了命令那產(chǎn)生的后果是不可預(yù)知的。所以，還是慢點(diǎn)敲鍵盤(pán)吧，如果快也沒(méi)有關(guān)系，但是敲回車(chē)鍵的時(shí)候一定要檢查一下當(dāng)前的命令是否是想要的。

參考文獻(xiàn)

[1]何明，何茜穎.Linux培訓(xùn)教程[M].北京：清華大學(xué)出版社，2011.

[2]王加森，何大可.可擴(kuò)展并行機(jī)群系統(tǒng)與曙光2000[J].計(jì)算機(jī)應(yīng)用，2001，21（S1）：270-271.

（作者單位：河南油田物探公司物研所）