Solución de problemas del servidor de máquinas sin sistema operativo Azure Operator Nexus

En este artículo se describe cómo solucionar problemas de servidor mediante el reinicio, el restablecimiento de imagen inicial y las acciones de reemplazo en máquinas sin sistema operativo (BMM) de Azure Operator Nexus. Es posible que tenga que realizar estas acciones en su servidor por motivos de mantenimiento, lo cual podría causar una breve interrupción en algunos BMM específicos.

El tiempo necesario para completar cada una de estas acciones es similar. El reinicio es el más rápido, mientras que el reemplazo tarda un poco más. Las tres acciones son métodos sencillos y eficaces para solucionar problemas.

Prerrequisitos

• Familiarícese con las funcionalidades a las que se hace referencia en este artículo revisando las acciones de BMM.
• Recopile la siguiente información (necesaria para todas las acciones):
  • Nombre del grupo de recursos administrados para el BMM
  • Nombre del BMM que requiere una operación de administración del ciclo de vida
  • Id. de suscripción
• El estado detallado del clúster debe ser Running
• La conectividad del clúster al Administrador de clústeres debe ser Connected

Identificación de la acción correctiva

Al solucionar problemas de un BMM por fallos y determinar la medida correctiva más adecuada, es esencial comprender las opciones disponibles. En este artículo se proporciona un enfoque sistemático para solucionar problemas del servidor de Azure Operator Nexus mediante estos tres métodos:

• Reinicio : método menos invasivo, mejor para problemas temporales o máquinas virtuales (VM) no responde
• Reimage : solución intermedia, restaura el sistema operativo a un estado correcto conocido sin afectar a los datos.
• Reemplazar : acción más significativa, necesaria para errores de componentes de hardware, como RAM, disco duro, etc. La acción reemplazar debe usarse después de reemplazar los componentes BMM.

Solución de problemas del árbol de decisión

Siga esta ruta de escalación al solucionar problemas de BMM:

El enfoque recomendado es comenzar con la solución menos invasiva (reinicio) y escalar a medidas más complejas solo si es necesario. Valide siempre que el problema se resuelva después de cada acción correctiva.

Solución de problemas con una acción de reinicio

Reiniciar un BMM es un proceso de reinicio del servidor a través de una llamada API simple. Esta acción puede ser útil para solucionar problemas cuando las máquinas virtuales de inquilino del host no responden o están bloqueadas de otro modo.

El reinicio suele ser el punto de partida para mitigar un problema.

Reinicio del flujo de trabajo

1. Evaluar impacto : determine si reiniciar BMM afecta a las cargas de trabajo críticas.
2. Apagar : si es necesario, apague el BMM (opcional).
3. Iniciar o reiniciar : inicie un BMM apagado o reinicie un BMM en ejecución.
4. Comprobar el estado : compruebe si el BMM vuelve a estar en línea y funciona correctamente.

El siguiente comando de la CLI de Azure power-off el bareMetalMachineName especificado:

az networkcloud baremetalmachine power-off \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

El siguiente comando de la CLI de Azure start el bareMetalMachineName especificado:

az networkcloud baremetalmachine start \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

El siguiente comando de la CLI de Azure restart el bareMetalMachineName especificado:

az networkcloud baremetalmachine restart \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

Para comprobar el estado de BMM después del reinicio:

az networkcloud baremetalmachine show \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID> \
  --query "provisioningState"

Un resultado de Succeeded mostrará que el comando se ha completado.

Solución de problemas con una acción de restablecimiento de imagen inicial

Restablecer la imagen inicial de una BMM es un proceso que se usa para volver a implementar la imagen en el disco del sistema operativo, sin afectar a los datos del inquilino. Esta acción ejecuta los pasos para volver a unir el clúster con los mismos identificadores.

La acción de restablecimiento de imagen inicial puede ser útil para solucionar problemas restaurando el sistema operativo a un estado de funcionamiento correcto conocido. Entre las causas comunes que se pueden resolver a través del restablecimiento de imagen inicial se incluyen la recuperación debido a la duda de la integridad del host, el riesgo de seguridad sospechoso o confirmado, o actividad de escritura de "emergencia".

Una acción de restablecimiento de imagen inicial es el procedimiento recomendado para el riesgo operativo más bajo a fin de garantizar la integridad del BMM.

Flujo de trabajo de restauración de imagen

1. Comprobación de las cargas de trabajo en ejecución - Antes de crear una nueva imagen, compruebe qué cargas de trabajo se ejecutan en el BMM.
2. Acordonar y evacuar cargas de trabajo: descargue el BMM de las cargas de trabajo.
3. Realizar reinstalación - Ejecute la operación de reinstalación.
4. Uncordon - Hacer que el BMM sea programable de nuevo tras completar la reimagen.

Para identificar si alguna carga de trabajo se está ejecutando actualmente en un BMM, ejecute el siguiente comando:

Para máquinas virtuales:

az networkcloud baremetalmachine show -n <nodeName> \
--resource-group <resourceGroup> \
--subscription <subscriptionID> | jq '.virtualMachinesAssociatedIds'

Para los nodos de clúster de Nexus Kubernetes: (requiere el inicio de sesión en el clúster de Nexus Kubernetes)

kubectl get nodes <resourceName> -ojson |jq '.metadata.labels."topology.kubernetes.io/baremetalmachine"'

El siguiente comando de la CLI de Azure cordon bareMetalMachineName especificado.

az networkcloud baremetalmachine cordon \
  --evacuate "True" \
  --name <bareMetalMachineName> \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

El siguiente comando de la CLI de Azure reimage bareMetalMachineName especificado.

az networkcloud baremetalmachine reimage \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

El siguiente comando de la CLI de Azure uncordon bareMetalMachineName especificado.

az networkcloud baremetalmachine uncordon \
  --name <bareMetalMachineName> \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

Para comprobar el estado de BMM después:reimage

az networkcloud baremetalmachine show \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID> \
  --query "provisioningState"

Un resultado de Succeeded mostrará que BMM ha sido aprovisionado y se ha reincorporado al clúster.

Solución de problemas con una acción de reemplazo

Los servidores contienen muchos componentes físicos que pueden conmutar por error con el tiempo. Es importante comprender qué reparaciones físicas requieren el reemplazo de BMM y cuándo se recomienda el reemplazo de BMM. Los datos del inquilino no se modifican durante el reemplazo siempre que se utilice la marca storage-policy="Preserve".

Se invoca un proceso de validación de hardware para garantizar la integridad del host físico antes de implementar la imagen del sistema operativo.

En este artículo se proporciona información general sobre el proceso de validación de hardware Información general sobre la validación de hardware.

En este artículo se proporcionan instrucciones sobre cómo comprobar y solucionar problemas de resultados de validación de hardware Solución de problemas de validación de hardware

Reemplazar flujo de trabajo

1. Acordonar y evacuar: quite las cargas de trabajo del BMM antes de la reparación física.
2. Realizar reparaciones físicas : reemplace los componentes de hardware según sea necesario.
3. Ejecutar comando replace: ejecute el comando replace con los parámetros necesarios.
4. Desacordonar: haga que el BMM sea programable nuevamente después de completar la sustitución.
5. Comprobar el estado : compruebe que BMM funciona correctamente.

El siguiente comando de la CLI de Azure cordon bareMetalMachineName especificado.

az networkcloud baremetalmachine cordon \
  --evacuate "True" \
  --name <bareMetalMachineName> \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

Guía de reemplazo de componentes de hardware

Al realizar una reparación de una fuente de alimentación física intercambiable en caliente, no se requiere una acción de reemplazo porque el host BMM seguirá funcionando normalmente después de la reparación.

Al realizar las siguientes reparaciones físicas, se recomienda una acción de reemplazo, aunque no es necesario devolver el BMM al servicio:

• Unidad Central de Procesamiento (CPU)
• Módulo de memoria en línea dual (DIMM)
• Ventilador
• Aumento de placa de expansión
• Transceptor
• Reemplazo de cable ethernet o fibra

Al realizar las siguientes reparaciones físicas, se requiere una acción de reemplazo para devolver el BMM al servicio:

• Backplane
• Placa del sistema
• Disco SSD
• Adaptador PERC/RAID
• Tarjeta de interfaz de red (NIC) de Mellanox
• NIC insertada de Broadcom

Una vez completadas las reparaciones físicas, realice una acción de reemplazo.

El siguiente comando de la CLI de Azure replace bareMetalMachineName especificado.

az networkcloud baremetalmachine replace \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --bmc-credentials password=<IDRAC_PASSWORD> username=<IDRAC_USER> \
  --bmc-mac-address <IDRAC_MAC> \
  --boot-mac-address <PXE_MAC> \
  --machine-name <OS_HOSTNAME> \
  --serial-number <SERIAL_NUM> \
  --subscription <subscriptionID> \
  --storage-policy <STORAGE_POLICY>

El siguiente comando de la CLI de Azure desacordonará el bareMetalMachineName especificado.

az networkcloud baremetalmachine uncordon \
  --name <bareMetalMachineName> \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID>

Para comprobar el estado de BMM después:replace

az networkcloud baremetalmachine show \
  --name <bareMetalMachineName>  \
  --resource-group "<resourceGroup>" \
  --subscription <subscriptionID> \
  --query "provisioningState"

Un resultado de Succeeded mostrará que BMM ha sido aprovisionado y se ha reincorporado al clúster.

Resumen

Reiniciar, restablecer y reemplazar son métodos de solución de problemas eficaces para solucionar los problemas del servidor Azure Operator Nexus. Esta es una guía de referencia rápida:

procedimientos recomendados

• Siga siempre el procedimiento de escalación: comience reiniciando, luego recree la imagen, y luego reemplace, a menos que el problema indique claramente lo contrario.
• Comprobar las cargas de trabajo antes de la acción: use los comandos proporcionados para identificar las cargas de trabajo en ejecución antes de cualquier acción perjudicial.
• Cordón con evacuación: al realizar acciones de reimagen o reemplazo, use cordon siempre con evacuate="True" para mover cargas de trabajo de forma segura.
• Nunca ejecute varias operaciones simultáneamente: asegúrese de que se complete una operación antes de iniciar otra para evitar problemas de servidor.
• Comprobar resolución: después de realizar cualquier acción, compruebe el estado de BMM y que se resuelva el problema original.

Puede encontrar más detalles sobre las acciones de BMM en el artículo Acciones de BMM.

Si aún tiene alguna pregunta, póngase en contacto con soporte técnico. Para obtener más información sobre los planes de soporte técnico, vea Planes de Soporte técnico de Azure.