进行 OSD 排障前，先检查一下 monitors 和网络。如果 ceph health 或 ceph -s 返回的是健康状态，这意味着 monitors 形成了法定人数。如果 monitor 还没达到法定人数、或者 monitor 状态错误，要先解决 monitor 的问题。核实下网络，确保它在正常运行，因为网络对 OSD 的运行和性能有显著影响。
2.1 收集 OSD 数据
开始OSD 排障的第一步最好先收集信息，如 ceph osd tree
ceph 日志
默认路径 /var/log/ceph,其他路径查看配置文件
管理套接字
列出节点上所有ceph 套接字:ls /var/run/ceph 执行以下命令显示可用选项，将 {daemon-name}换成实际的守护进程，如ceph daemon osd.1 help
I/O 统计工具
iostat -x
诊断信息
dmesg | grep scsidmesg | grep error
2.2 停止数据向外重新平衡
周期性维护，停机维护osd 让caush自动平衡停止：ceph osd set noout 维护好osd后，ceph osd unset noout
2.3 OSD没运行
OSD起不来
重启集群后，有osd启动不了，依次检查:
- 配置文件
- 检查路径：检查配置文件、osd数据、osd日志分区路径
- 检查最大线程数：节点osd如果有很多，就回触碰到最大线程数限制，可通过
sysctl -w kernel.pid_max=4194303调大线程数，若解决，可通过修改/etc/sysctl.conf中的kernel.pid_max永久生效 - 内核版本
- 段错误，提高日志级别查看详细
OSD失败
通过 ceph health detail查看
如果因磁盘或其他错误不能正常运行，将会在日志/var/log/ceph里输出一条错误信息
如果守护进程因心跳失败、或者底层核心文件系统无响应停止，查看dmesg获取硬盘或者内核错误
硬盘无剩余空间
ceph 不允许向满的osd 写入数据。mon osd full ratio 默认为0.95，达到0.95阻止写入，mon osd health ratio 默认0.85，0.85健康告警
- 增加osd
- 删除不需要的数据
- 单独调整已满的osd 的near full 和full比例
ceph tell osd.id injectargs '--mon-osd-full-ratio .98'
ceph tell osd.id injectargs '--mon-osd-full-ratio 0.98- 调低 osd crush weight，使数据迁移
ceph osd crush reweight osd.id {a-little-lower-weight-value}
2.4 OSD 龟速或无响应
网络问题
确保ceph 进程和依赖的进程在监听
netstat -alp|grep ceph检查网络统计信息netstat -s
驱动器配置
一个存储驱动器应该只用于一个osd，检查是否共用
扇区损坏/碎片化磁盘
检查磁盘是否有坏道/碎片
MON、OSD 共存
mon 频繁调用fsync()，会妨碍工作，特别是共享驱动器时。遭遇的性能问题可能有：
- 较老的内核（低于3.0）
- Argonaut 版运行在老的glibc上
- 运行的内核不支持sysncfs(2)系统调用
进程共存
日志记录级别
osd限流
因osd速度过快影响性能
内核版本
内核与syncfs问题
文件系统问题
内存不足
建议 osd/1G 内存
2.5 震荡的OSD
如果 cluster（后端）网络失败、或出现了明显的延时，同时 public（前端）网络却运行良好， OSD 目前不能很好地处理这种情况。这时 OSD 们会向 monitor 报告邻居 down 了、同时报告自己是 up 的，我们把这种情形称为震荡（ flapping ）
如果有原因导致 OSD 震荡（反复地被标记为 down ，然后又 up ），你可以强制 monitor 停止这种震荡状态：
ceph osd set noup
ceph osd set nodown这些标记记录在 osdmap 数据结构里：
ceph osd dump | grep flags
flags no-up,no-down可用以下命令清楚标记：
ceph osd unset noup
ceph osd unset nodown
