LSF 主机状态 unreach 分析

在LSF集群运行过程中，有主机状态变为 unreach。熟悉LSF的朋友都知道主机状态为 unreach 表示主机上的 SBD 服务中断服务了，但其它服务 LIM 和 RES 还在正常运行。

影响分析

那么主机上的 SBD 服务中断的影响是什么呢？

我们需要先明白 SBD 服务的功能是什么。主机上 SBD 服务的功能主要是从MBD接收派发到主机上的任务并运行任务、向MBD报告任务的资源使用情况、监控任务运行状态。

因此，如果 SBD 服务中断的影响有如下几项：

1. 主机不再接收新的任务，调度器发现主机状态异常后不会再向主机派发任务，从而造成计算资源浪费；

2. 任务的资源使用情况不能及时收集到，会影响到资源使用的统计分析功能，从而影响资源使用计费等；

3. 任务的状态不能及时收集；

4. 不能控制任务，比如挂起任务、恢复任务、终止任务等；

原因分析

主机状态成为 unreach 的原因有以下几项：

1. 误操作终止了 SBD 服务；

2. /tmp 空间满了；SBD 运行过程中需要在 /tmp 下创建临时文件，如果 /tmp 没有可用空间则会导致 SBD 服务终止；

解决方法

对于 /tmp 空间不足的问题，需要先清理空间，或增加存储空间，然后再启动 SBD 服务。

如果 /tmp 空间充足，则只需要重启 SBD 服务。

以 root 身份登录主机，并运行以下命令启动 SBD 服务。

# badmin hstartup

或者在管理节点上运行如下命令，记得将 host_name 替换为主机名称。

# badmin hstartup host_name