NetApp MetroCluster存储双活集群主从的手工切换
NetApp MetroCluster存储双活集群主从的手工切换步骤及常见问题的处理方法。
检查MetroCluster集群状态
在尝试进行主从切换前，务必需要确保集群配对状态正常，否则可能会造成脑裂情况。
$ metrocluster check cluster show
手动触发主从集群切换
1. 当前集群控制切换至对端，强制让对端接管：
NetApp MetroCluster存储双活集群主从的手工切换步骤及常见问题的处理方法。
在尝试进行主从切换前，务必需要确保集群配对状态正常，否则可能会造成脑裂情况。
$ metrocluster check cluster show
1. 当前集群控制切换至对端，强制让对端接管：
Prism中出现如下告警事件：
Latency between CVMs: Latency between CVMs is higher than 15 ms.
出现此告警则表示CVM互Ping延迟较高（超过15ms，一般同一集群内的延迟不应该高于2ms），会影响ZooKeeper及Cassandra服务的稳定性，极端情况下会造成数据复制异常。
集群NCC检查项名称为：inter_cvm_ping_latency_check
对于NetApp StorageGRID对象存储集群，如果单一节点上的对象数量过大时，可能导致Cassandra服务在执行元数据（metadata）压缩任务时Java可用内存不足的情况，进一步导致Cassandra服务频繁崩溃。
查询Server Manager日志，可以发现大量Cassandra服务重启记录：
2018-12-14 02:03:58 +0000 | cassandra | starting cassandra 2018-12-14 02:03:36 +0000 | cassandra | cassandra ended 2018-12-14 01:44:21 +0000 | cassandra | starting cassandra 2018-12-14 01:44:01 +0000 | cassandra | cassandra ended 2018-12-14 01:06:29 +0000 | cassandra | starting cassandra 2018-12-14 01:06:08 +0000 | cassandra | cassandra ended
查询Cassandra日志，可以发现大量Java内存溢出的Error错误：
Nutanix集群使用ZooKeeper来管理集群内所有节点的数据复制状态。ZooKeeper服务异常会导致集群的高可用性降低，数据跨节点复制任务出错。因此当集群报ZooKeeper服务不正常时需要人工进行确认。
$ ncc health_checks system_checks zkinfo_check_plugin
#错误类型1： #提示ZooKeeper服务没有在部分CVM上正常运行 Zookeeper service is not running on all CVMs. #错误类型2： #提示ZooKeeper节点不活跃 All zookeeper servers are not active. Inactive servers are zk*:XXXX (ZooKeeper PID) Could not check status of zookeeper server zk* at XXXX #错误类型3： #提示ZooKeeper服务建立的连接数太多（正常在单个进程有不多于40/55个连接数） There are XX open connections from XX.XX.XX.XX to zk*
0. SSH登陆到ZooKeeper服务存在问题的节点CVM上。
1. 确认存在ZooKeeper主机IP的host记录：
本文整理了NetApp磁盘阵列中常用的检查命令集，供快速排错及日常巡检用。
以下命令适用的NetApp ONTAP版本为8.2及以上版本（针对C-Mode类型磁盘阵列）；8.0/8.1（针对7-Mode类型磁盘阵列）
需SSH登录至NetApp管理控制台IP后执行。