注意
本文档适用于 Ceph 的开发版本。
CephFS 健康消息
集群健康检查
Ceph monitor 守护程序会根据文件系统映射结构（以及包含的 MDS 映射）的特定状态生成健康消息。
消息：mds 排名 ranks 已失败 描述：一个或多个 MDS 排名当前未分配给 MDS 守护程序；直到合适的替换守护程序启动，集群才会恢复。
消息：mds 排名 ranks 已损坏 描述：一个或多个 MDS 排名遇到了其存储元数据的严重损坏，在修复之前无法再次启动。
消息：mds 集群已降级 描述：一个或多个 MDS 排名当前未启动和运行，客户端可能会暂停元数据 IO，直到这种情况得到解决。这包括排名已失败或损坏，此外还包括在 MDS 上运行但尚未达到 active 状态的排名（例如，当前处于 replay 状态的排名）。
消息：mds names 滞后 描述：命名的 MDS 守护程序未能在至少 mds_beacon_grace（默认 15s）时间内向 monitor 发送信标消息，而它们应该每 mds_beacon_interval（默认 4s）发送一次信标消息。守护程序可能已崩溃。如果有备用守护程序可用，Ceph monitor 将自动用备用守护程序替换滞后的守护程序。
消息：可用备用守护程序不足 描述：一个或多个文件系统配置为拥有一定数量的可用备用守护程序（包括处于备用重放中的守护程序），但集群没有足够的备用守护程序。非重放中的备用守护程序计入任何文件系统（即它们可能重叠）。此警告可以通过设置 ceph fs set <fs> standby_count_wanted <count> 来配置。将 count 设置为零以禁用。
守护程序报告的健康检查
MDS 守护程序可以识别各种不需要的条件，并在 ceph status 的输出中向操作员指示这些条件。这些条件具有人类可读的消息，以及一个以 MDS_ 开头的唯一代码。
ceph health detail 显示条件的详细信息。以下是经历 MDS 相关性能问题的集群的典型健康报告
$ ceph health detail
HEALTH_WARN 1 MDSs report slow metadata IOs; 1 MDSs report slow requests
MDS_SLOW_METADATA_IO 1 MDSs report slow metadata IOs
mds.fs-01(mds.0): 3 slow metadata IOs are blocked > 30 secs, oldest blocked for 51123 secs
MDS_SLOW_REQUEST 1 MDSs report slow requests
mds.fs-01(mds.0): 5 slow requests are blocked > 30 secs
例如，MDS_SLOW_REQUEST 是表示请求完成时间过长的条件的唯一代码。以下描述显示了其严重性以及正在处理这些慢速请求的 MDS 守护程序。
本页列出了 MDS 守护程序引发的健康检查。有关来自其他守护程序的检查，请参阅 健康检查。
MDS_TRIM
- 消息
“修剪滞后…”
- 描述
CephFS 维护一个元数据日志，该日志分为 log segments。日志的长度（以段数计）由设置
mds_log_max_segments控制，当段数超过该设置时，MDS 开始回写元数据，以便它可以删除（修剪）最旧的段。如果此回写发生得太慢，或者软件错误阻止了修剪，则可能会出现此健康消息。此消息出现的阈值由配置选项mds_log_warn_factor控制，默认值为 2.0。
MDS_HEALTH_CLIENT_LATE_RELEASE, MDS_HEALTH_CLIENT_LATE_RELEASE_MANY
- 消息
“客户端 name 未能响应能力释放”
- 描述
MDS 向 CephFS 客户端发出 capabilities，这类似于锁。有时，例如当另一个客户端需要访问时，MDS 会请求客户端释放其能力。如果客户端没有响应或有错误，它可能无法及时执行此操作，或者根本无法执行此操作。如果客户端花费的时间超过
session_timeout（默认 60s）来遵守，则会出现此消息。
MDS_CLIENT_RECALL, MDS_HEALTH_CLIENT_RECALL_MANY
- 消息
“客户端 name 未能响应缓存压力”
- 描述
客户端维护一个元数据缓存。客户端缓存中的项目（例如 inode）也固定在 MDS 缓存中，因此当 MDS 需要缩小其缓存（以保持在
mds_cache_memory_limit范围内）时，它会向客户端发送消息以也缩小其缓存。如果客户端没有响应或有错误，这可能会阻止 MDS 正确保持在其缓存限制内，并且它最终可能会耗尽内存并崩溃。如果客户端未能在过去mds_recall_warning_decay_rate秒内释放超过mds_recall_warning_threshold个能力（以mds_recall_max_decay_rate的半衰期衰减），则会出现此消息。
MDS_CLIENT_OLDEST_TID, MDS_CLIENT_OLDEST_TID_MANY
- 消息
“客户端 name 未能推进其最旧的客户端/刷新 tid”
- 描述
CephFS 客户端-MDS 协议使用一个名为 oldest tid 的字段来通知 MDS 哪些客户端请求已完全完成，因此可以被 MDS 遗忘。如果一个有错误的客户端未能推进此字段，则 MDS 可能无法正确清理客户端请求使用的资源。如果一个客户端似乎有超过
max_completed_requests（默认 100000）个请求在 MDS 端完成，但尚未在客户端的 oldest tid 值中得到说明，则会出现此消息。MDS 用于修剪已完成的客户端请求（或刷新）的最后一个 tid 作为调试辅助工具包含在 session ls（或 client ls）命令中。
MDS_DAMAGE
- 消息
“检测到元数据损坏”
- 描述
从元数据池读取时遇到了损坏或丢失的元数据。此消息表示损坏已被充分隔离，MDS 可以继续运行，尽管客户端对损坏的子树的访问将返回 IO 错误。使用
damage ls管理套接字命令获取有关损坏的更多详细信息。此消息在遇到任何损坏时立即出现。
MDS_HEALTH_READ_ONLY
- 消息
“MDS处于只读模式”
- 描述
MDS已进入只读模式，并将向尝试修改任何元数据的客户端操作返回 EROFS 错误代码。如果 MDS 在写入元数据池时遇到写入错误，或者被管理员使用 force_readonly 管理套接字命令强制执行，MDS 将进入只读模式。
MDS_SLOW_REQUEST
- 消息
“N 个慢速请求被阻塞”
- 描述
一个或多个客户端请求未及时完成，表明 MDS 运行非常缓慢，或者 RADOS 集群未及时确认日志写入，或者存在错误。使用
ops管理套接字命令列出未完成的元数据操作。如果任何客户端请求花费的时间超过mds_op_complaint_time（默认 30s），则会出现此消息。
MDS_CACHE_OVERSIZED
- 消息
“缓存中的 inode 过多”
- 描述
MDS 未能成功修剪其缓存以遵守管理员设置的限制。如果 MDS 缓存变得太大，守护程序可能会耗尽可用内存并崩溃。默认情况下，如果实际缓存大小（以内存计）至少比
mds_cache_memory_limit（默认 4GB）大 50%，则会出现此消息。修改mds_health_cache_threshold以设置警告比例。
FS_WITH_FAILED_MDS
- 消息
“某些 MDS 排名没有备用替换”
- 描述
通常，失败的 MDS 排名将由备用 MDS 替换。这种情况是暂时的，不被认为是危急的。但是，如果没有可用的备用 MDS 来替换活动的 MDS 排名，则会生成此健康警告。
MDS_INSUFFICIENT_STANDBY
- 消息
“可用的备用(-replay) MDS 守护程序数量少于配置数量”
- 描述
可以通过设置
standby_count_wanted配置变量来配置最小数量的备用(-replay) MDS 守护程序。当配置值与可用备用(-replay) MDS 守护程序的数量不匹配时，会生成此健康警告。
FS_DEGRADED
- 消息
“某些 MDS 排名已被标记为失败或损坏”
- 描述
当一个或多个 MDS 排名由于不可恢复的错误而最终处于失败或损坏状态时。当一个（或多个）排名离线时，文件系统可能部分或完全不可用。
MDS_UP_LESS_THAN_MAX
- 消息
“活动排名的数量少于配置的最大 MDS 数量”
- 描述
可以通过设置
max_mds配置变量来配置 MDS 排名的最大数量。当 MDS 排名的数量低于此配置值时，会生成此健康警告。
MDS_ALL_DOWN
- 消息
“所有 MDS 排名都不可用（文件系统离线）”
- 描述
所有 MDS 排名都不可用，导致文件系统完全离线。
MDS_CLIENTS_LAGGY
- 消息
“客户端 ID 滞后；未被驱逐，因为某些 OSD 滞后”
- 描述
如果 OSD 滞后（由于某些条件，如网络中断等），则可能导致客户端滞后（会话可能空闲或无法刷新脏数据以进行能力撤销）。如果
defer_client_eviction_on_laggy_osds设置为 true（默认 true），则不会发生客户端驱逐，因此将生成此健康警告。
MDS_CLIENTS_BROKEN_ROOTSQUASH
- 消息
“X 个客户端具有损坏的 root_squash 实现 (MDS_CLIENTS_BROKEN_ROOTSQUASH)”
- 描述
在 root_squash 中发现了一个错误，该错误可能会丢失受 root_squash caps 限制的客户端所做的更改。修复需要更改协议并需要客户端升级。
这是一个 HEALTH_ERR 警告，因为它存在不一致和数据丢失的风险。建议要么升级您的客户端，要么在此期间停止使用 root_squash，如果需要，请静音警告。
要驱逐并永久阻止损坏的客户端连接到集群，请设置
required_client_feature位client_mds_auth_caps。
MDS_ESTIMATED_REPLAY_TIME
- 消息
“HEALTH_WARN 重放：x% 完成。预计剩余时间 x 秒”
- 描述
当 MDS 日志重放花费超过 30 秒时，此消息指示预计完成时间。