通过

运行状况服务报故障

适用于：Windows Server 2016

什么是故障

运行状况服务会持续监视存储空间直通群集来检测问题并生成“故障”。 一个新的 cmdlet 会显示所有当前故障，让你能够轻松验证部署的运行状况，无需依次查看每个实体或功能。 故障的描述非常精确、易于理解，且可操作。

每个故障包含五个重要的字段：

  • 严重性
  • 问题的描述
  • 用于解决问题的建议后续步骤
  • 故障实体的标识信息
  • 其物理位置（如果适用）

例如，以下是一个典型的故障：

Severity: MINOR
Reason: Connectivity has been lost to the physical disk.
Recommendation: Check that the physical disk is working and properly connected.
Part: Manufacturer Contoso, Model XYZ9000, Serial 123456789
Location: Seattle DC, Rack B07, Node 4, Slot 11

注意

物理位置源自故障域配置。 有关故障域的详细信息，请参阅 Windows Server 2016 中的容错域。 如果未提供此信息，位置字段将不那么有用 - 例如，它可能仅显示插槽编号。

根本原因分析

运行状况服务可以评估故障实体之间的潜在因果关系，来标识和合并由相同根本问题导致的故障。 通过识别作用链，可降低报告的繁琐性。 例如，如果服务器关闭，则预计服务器内的任何驱动器也将无法连接。 因此，根本原因（本例中为服务器）只引发一个错误。

PowerShell 中的用法

要在 PowerShell 中查看任何当前故障，请运行以下 cmdlet：

Get-StorageSubSystem Cluster* | Debug-StorageSubSystem

这将返回影响总体存储空间直通群集的任何故障。 大多数情况下，这些故障与硬件或配置相关。 如果没有故障，此 cmdlet 不会返回任何内容。

注意

在非生产环境中，你可以通过自行触发故障来体验此功能（风险由你自己承担）- 例如，通过移除一个物理磁盘或关闭一个节点来体验此功能。 一旦出现故障，重新插入物理磁盘或重启节点，该故障会再次消失。

你还可以使用以下 cmdlet 查看仅影响特定卷或文件共享的故障：

Get-Volume -FileSystemLabel <Label> | Debug-Volume

Get-FileShare -Name <Name> | Debug-FileShare

这将返回仅影响特定卷或文件共享的任何故障。 大多数情况下，这些故障与容量计划、数据复原能力，或者与存储服务质量或存储副本等功能有关。

.NET 和 C# 中的用法

连接

为了查询运行状况服务，你需与群集建立一个 CimSession。 为此，你需要一些仅在完整的 .NET 中可用的内容，这意味着你无法直接从 Web 或移动应用中轻松完成此操作。 这些代码示例将使用 C#，这是此数据访问层的最直接的选择。

using System.Security;
using Microsoft.Management.Infrastructure;

public CimSession Connect(string Domain = "...", string Computer = "...", string Username = "...", string Password = "...")
{
    SecureString PasswordSecureString = new SecureString();
    foreach (char c in Password)
    {
        PasswordSecureString.AppendChar(c);
    }

    CimCredential Credentials = new CimCredential(
        PasswordAuthenticationMechanism.Default, Domain, Username, PasswordSecureString);
    WSManSessionOptions SessionOptions = new WSManSessionOptions();
    SessionOptions.AddDestinationCredentials(Credentials);
    Session = CimSession.Create(Computer, SessionOptions);
    return Session;
}

提供的用户名应为目标计算机的本地管理员。

建议你直接基于用户输入实时构造密码 SecureString，以使其密码永远不会以明文形式存储在内存中。 这有助于缓解各种安全问题。 但在实践中，按如上所述构造它对于原型制作来说很常见。

发现对象

建立 CimSession 后，可查询群集上的 Windows Management Instrumentation (WMI)。

你需要先获取多个相关对象的实例，然后才能获取故障或指标。 首先，获取表示群集上的存储空间直通的 MSFT_StorageSubSystem。 使用它可以获取群集中的每个 MSFT_StorageNode，以及每个 MSFT_Volume（数据卷）。 最后，你还需要 MSFT_StorageHealth，即运行状况服务本身。

CimInstance Cluster;
List<CimInstance> Nodes;
List<CimInstance> Volumes;
CimInstance HealthService;

public void DiscoverObjects(CimSession Session)
{
    // Get MSFT_StorageSubSystem for Storage Spaces Direct
    Cluster = Session.QueryInstances(@"root\microsoft\windows\storage", "WQL", "SELECT * FROM MSFT_StorageSubSystem")
        .First(Instance => (Instance.CimInstanceProperties["FriendlyName"].Value.ToString()).Contains("Cluster"));

    // Get MSFT_StorageNode for each cluster node
    Nodes = Session.EnumerateAssociatedInstances(Cluster.CimSystemProperties.Namespace,
        Cluster, "MSFT_StorageSubSystemToStorageNode", null, "StorageSubSystem", "StorageNode").ToList();

    // Get MSFT_Volumes for each data volume
    Volumes = Session.EnumerateAssociatedInstances(Cluster.CimSystemProperties.Namespace,
        Cluster, "MSFT_StorageSubSystemToVolume", null, "StorageSubSystem", "Volume").ToList();

    // Get MSFT_StorageHealth itself
    HealthService = Session.EnumerateAssociatedInstances(Cluster.CimSystemProperties.Namespace,
        Cluster, "MSFT_StorageSubSystemToStorageHealth", null, "StorageSubSystem", "StorageHealth").First();
}

这些是你在 PowerShell 中使用 cmdlet（如 Get-StorageSubSystem、Get-StorageNode 和 Get-Volume）得到的相同对象。

你可以访问记录在存储管理 API 类中的所有相同属性。

using System.Diagnostics;

foreach (CimInstance Node in Nodes)
{
    // For illustration, write each node's Name to the console. You could also write State (up/down), or anything else!
    Debug.WriteLine("Discovered Node " + Node.CimInstanceProperties["Name"].Value.ToString());
}

查询故障

调用 Diagnose 可获取范围为目标 CimInstance（群集或任何卷）的任何当前故障。

下面记录了 Windows Server 2016 中每个范围内可用的故障的完整列表。

public void GetFaults(CimSession Session, CimInstance Target)
{
    // Set Parameters (None)
    CimMethodParametersCollection FaultsParams = new CimMethodParametersCollection();
    // Invoke API
    CimMethodResult Result = Session.InvokeMethod(Target, "Diagnose", FaultsParams);
    IEnumerable<CimInstance> DiagnoseResults = (IEnumerable<CimInstance>)Result.OutParameters["DiagnoseResults"].Value;
    // Unpack
    if (DiagnoseResults != null)
    {
        foreach (CimInstance DiagnoseResult in DiagnoseResults)
        {
            // TODO: Whatever you want!
        }
    }
}

可选：MyFault 类

构造并保留自己的故障表示形式可能是有意义的。 例如，这个 MyFault 类会存储故障的多个关键属性（包括 FaultId），稍后可使用这些属性来关联更新、移除通知或在出于任何原因多次检测到同一故障时删除重复故障。

public class MyFault {
    public String FaultId { get; set; }
    public String Reason { get; set; }
    public String Severity { get; set; }
    public String Description { get; set; }
    public String Location { get; set; }

    // Constructor
    public MyFault(CimInstance DiagnoseResult)
    {
        CimKeyedCollection<CimProperty> Properties = DiagnoseResult.CimInstanceProperties;
        FaultId     = Properties["FaultId"                  ].Value.ToString();
        Reason      = Properties["Reason"                   ].Value.ToString();
        Severity    = Properties["PerceivedSeverity"        ].Value.ToString();
        Description = Properties["FaultingObjectDescription"].Value.ToString();
        Location    = Properties["FaultingObjectLocation"   ].Value.ToString();
    }
}

List<MyFault> Faults = new List<MyFault>;

foreach (CimInstance DiagnoseResult in DiagnoseResults)
{
    Faults.Add(new Fault(DiagnoseResult));
}

下面记录了每个故障 (DiagnoseResult) 中属性的完整列表。

故障事件

创建、移除或更新故障时，运行状况服务会生成 WMI 事件。 这些对于保持应用程序状态同步而不需要频繁轮询至关重要，并且可以帮助确定何时发送电子邮件警报等。 为了订阅这些事件，下面的示例代码使用观察程序设计模式。

首先，订阅 MSFT_StorageFaultEvent 事件。

public void ListenForFaultEvents()
{
    IObservable<CimSubscriptionResult> Events = Session.SubscribeAsync(
        @"root\microsoft\windows\storage", "WQL", "SELECT * FROM MSFT_StorageFaultEvent");
    // Subscribe the Observer
    FaultsObserver<CimSubscriptionResult> Observer = new FaultsObserver<CimSubscriptionResult>(this);
    IDisposable Disposeable = Events.Subscribe(Observer);
}

接下来，实现其 OnNext() 方法在每次生成新事件时都被调用的观察程序。

每个事件都包含 ChangeType 和相关的 FaultId，前者指示是创建、移除还是更新了故障。

此外，它们还包含故障本身的所有属性。

class FaultsObserver : IObserver
{
    public void OnNext(T Event)
    {
        // Cast
        CimSubscriptionResult SubscriptionResult = Event as CimSubscriptionResult;

        if (SubscriptionResult != null)
        {
            // Unpack
            CimKeyedCollection<CimProperty> Properties = SubscriptionResult.Instance.CimInstanceProperties;
            String ChangeType = Properties["ChangeType"].Value.ToString();
            String FaultId = Properties["FaultId"].Value.ToString();

            // Create
            if (ChangeType == "0")
            {
                Fault MyNewFault = new MyFault(SubscriptionResult.Instance);
                // TODO: Whatever you want!
            }
            // Remove
            if (ChangeType == "1")
            {
                // TODO: Use FaultId to find and delete whatever representation you have...
            }
            // Update
            if (ChangeType == "2")
            {
                // TODO: Use FaultId to find and modify whatever representation you have...
            }
        }
    }
    public void OnError(Exception e)
    {
        // Handle Exceptions
    }
    public void OnCompleted()
    {
        // Nothing
    }
}

了解故障生命周期

故障不应标记为“已发现”或由用户解决。 它们是在运行状况服务发现问题时创建的，并且只有在运行状况服务不再观察到该问题时才会自动被移除。 一般情况下，这反映了问题已得到解决。

但是，在某些情况下（例如在故障转移后、连接时好时坏的情况等），运行状况服务可能会重新发现故障。 因此，保留自己的故障表示形式可能有意义，这样你能够轻松删除重复故障。 在发送电子邮件警报或等效内容时，这一点尤其重要。

故障的属性

下表显示了故障对象的多个关键属性。 对于完整的架构，请检查 storagewmi.mof 中的 MSFT_StorageDiagnoseResult 类。

属性 示例
FaultId {12345-12345-12345-12345-12345}
FaultType Microsoft.Health.FaultType.Volume.Capacity
Reason “卷的可用空间不足。”
PerceivedSeverity 5
FaultingObjectDescription Contoso XYZ9000 S.N. 123456789
FaultingObjectLocation 机架 A06，RU 25，插槽 11
RecommendedActions {“扩展卷。”，“将工作负载迁移到其他卷。”}

FaultId：在一个群集范围内是唯一的。

PerceivedSeverity：PerceivedSeverity = { 4, 5, 6 } = { "信息", "警告", 和 "错误" }，或者等效颜色（如蓝色、黄色和红色）。

FaultingObjectDescription：硬件的部分信息，通常软件对象的是空白。

FaultingObjectLocation：硬件的位置信息，通常软件对象的是空白。

RecommendedActions：独立且无特定顺序的建议操作列表。 目前，此列表的长度通常为 1。

故障事件的属性

下表显示了故障事件的多个关键属性。 对于完整的架构，请检查 storagewmi.mof 中的 MSFT_StorageFaultEvent 类。

记下 ChangeType 和 FaultId，前者指示是创建、移除还是更新了故障。 事件还包含受影响故障的所有属性。

属性 示例
ChangeType 0
FaultId {12345-12345-12345-12345-12345}
FaultType Microsoft.Health.FaultType.Volume.Capacity
Reason “卷的可用空间不足。”
PerceivedSeverity 5
FaultingObjectDescription Contoso XYZ9000 S.N. 123456789
FaultingObjectLocation 机架 A06，RU 25，插槽 11
RecommendedActions {“扩展卷。”，“将工作负载迁移到其他卷。”}

ChangeType ChangeType = { 0, 1, 2 } = {“创建”，“删除”，“更新”}。

覆盖率

在 Windows Server 2016 中，运行状况服务提供以下故障覆盖范围：

物理磁盘 (8)

FaultType：Microsoft.Health.FaultType.PhysicalDisk.FailedMedia

  • 严重性：警告
  • Reason：“物理磁盘发生故障。”
  • RecommendedAction：“更换物理磁盘。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.LostCommunication

  • 严重性：警告
  • Reason：“与物理磁盘的连接已丢失。”
  • RecommendedAction：“检查物理磁盘是否工作正常且连接正确。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.Unresponsive

  • 严重性：警告
  • Reason：“物理磁盘反复出现无响应。”
  • RecommendedAction：“更换物理磁盘。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.PredictiveFailure

  • 严重性：警告
  • Reason：“预计物理磁盘很快会出现故障。”
  • RecommendedAction：“更换物理磁盘。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.UnsupportedHardware

  • 严重性：警告
  • Reason：“物理磁盘已被隔离，因为它不受解决方案供应商的支持。”
  • RecommendedAction：“将物理磁盘替换为支持的硬件。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.UnsupportedFirmware

  • 严重性：警告
  • Reason：“物理磁盘处于隔离状态，因为其固件版本不受解决方案供应商支持。”
  • RecommendedAction：“将物理磁盘上的固件更新到目标版本。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.UnrecognizedMetadata

  • 严重性：警告
  • Reason：“物理磁盘包含无法识别的元数据。”
  • RecommendedAction：“此磁盘可能包含来自未知存储池的数据。首先确保此磁盘上没有有用的数据，然后重置磁盘。”

FaultType：Microsoft.Health.FaultType.PhysicalDisk.FailedFirmwareUpdate

  • 严重性：警告
  • Reason：“尝试更新物理磁盘上的固件失败。”
  • RecommendedAction：“尝试使用其他固件二进制文件。”

虚拟磁盘 (2)

FaultType：Microsoft.Health.FaultType.VirtualDisks.NeedsRepair

  • 严重性：信息
  • Reason：“此卷上的某些数据并非完全可复原。它仍然可以访问。”
  • RecommendedAction：“正在还原数据的复原能力。”

FaultType：Microsoft.Health.FaultType.VirtualDisks.Detached

  • Severity：严重
  • Reason：“卷无法访问。某些数据可能丢失。”
  • RecommendedAction：“检查所有存储设备的物理和/或网络连接。你可能需要从备份中还原。”

池容量 (1)

故障类型：Microsoft.Health.FaultType.StoragePool.InsufficientReserveCapacityFault

  • 严重性：警告
  • 原因：“存储池没有建议的最小预留容量。这可能会限制你在驱动器发生故障时还原数据复原能力的能力。”
  • 建议的操作：“将额外的容量添加到存储池，或者释放容量。建议的最小预留量因部署而异，但大约为 2 个驱动器的容量。”

卷容量 (2)1

FaultType：Microsoft.Health.FaultType.Volume.Capacity

  • 严重性：警告
  • Reason：“卷的可用空间不足。”
  • RecommendedAction：“扩展卷或将工作负载迁移到其他卷。”

FaultType：Microsoft.Health.FaultType.Volume.Capacity

  • 严重性：关键
  • Reason：“卷的可用空间不足。”
  • RecommendedAction：“扩展卷或将工作负载迁移到其他卷。”

服务器 (3)

FaultType：Microsoft.Health.FaultType.Server.Down

  • Severity：严重
  • Reason：“无法访问服务器。”
  • RecommendedAction：“启动或更换服务器。”

FaultType：Microsoft.Health.FaultType.Server.Isolated

  • Severity：严重
  • Reason：“由于连接问题，服务器已与群集相隔离。”
  • RecommendedAction：“如果隔离仍然存在，请检查网络或将工作负载迁移到其他节点。”

FaultType：Microsoft.Health.FaultType.Server.Quarantined

  • Severity：严重
  • Reason：“由于反复出现故障，服务器被群集隔离。”
  • RecommendedAction：“更换服务器或修复网络。”

群集 (1)

FaultType：Microsoft.Health.FaultType.ClusterQuorumWitness.Error

  • Severity：严重
  • Reason：“群集只要出现一个服务器故障就会关闭。”
  • RecommendedAction：“检查见证资源，并根据需要重启。启动或更换失败的服务器。”

网络适配器/接口 (4)

FaultType：Microsoft.Health.FaultType.NetworkAdapter.Disconnected

  • 严重性：警告
  • Reason：“网络接口已断开连接。”
  • RecommendedAction：“重新连接网络电缆。”

FaultType：Microsoft.Health.FaultType.NetworkInterface.Missing

  • 严重性：警告
  • Reason：“服务器 {server} 缺少连接到群集网络 {cluster network} 的网络适配器。”
  • RecommendedAction：“将服务器连接到缺少的群集网络。”

FaultType：Microsoft.Health.FaultType.NetworkAdapter.Hardware

  • 严重性：警告
  • Reason：“网络接口出现了硬件故障。”
  • RecommendedAction：“更换网络接口适配器。”

FaultType：Microsoft.Health.FaultType.NetworkAdapter.Disabled

  • 严重性：警告
  • Reason：“网络接口 {network interface} 未启用，也未被使用。”
  • RecommendedAction：“启用网络接口。”

机箱 (6)

FaultType：Microsoft.Health.FaultType.StorageEnclosure.LostCommunication

  • 严重性：警告
  • Reason：“已失去与存储机箱的通信。”
  • RecommendedAction：“启动或更换存储机箱。”

FaultType：Microsoft.Health.FaultType.StorageEnclosure.FanError

  • 严重性：警告
  • Reason：“存储机箱位置 {position} 的风扇出现故障。”
  • RecommendedAction：“更换存储机箱中的风扇。”

FaultType：Microsoft.Health.FaultType.StorageEnclosure.CurrentSensorError

  • 严重性：警告
  • Reason：“存储机箱位置 {position} 的当前传感器出现故障。”
  • RecommendedAction：“更换存储机箱中的当前传感器。”

FaultType：Microsoft.Health.FaultType.StorageEnclosure.VoltageSensorError

  • 严重性：警告
  • Reason：“存储机箱位置 {position} 的电压传感器出现故障。”
  • RecommendedAction：“更换存储机箱中的电压传感器。”

FaultType：Microsoft.Health.FaultType.StorageEnclosure.IoControllerError

  • 严重性：警告
  • Reason：“存储机箱位置 {position} 的 IO 控制器出现故障。”
  • RecommendedAction：“更换存储机箱中的 IO 控制器。”

FaultType：Microsoft.Health.FaultType.StorageEnclosure.TemperatureSensorError

  • 严重性：警告
  • Reason：“存储机箱位置 {position} 的温度传感器出现故障。”
  • RecommendedAction：“更换存储机箱中的温度传感器。”

固件推出 (3)

FaultType：Microsoft.Health.FaultType.FaultDomain.FailedMaintenanceMode

  • 严重性：警告
  • Reason：“目前无法在执行固件推出时取得进展。”
  • RecommendedAction：“验证是否所有存储空间都正常，并且当前没有容错域处于维护模式。”

故障类型：Microsoft.Health.FaultType.FaultDomain.FirmwareVerifyVersionFaile

  • 严重性：警告
  • Reason：“已取消固件推出，因为在应用固件更新后，无法读取固件版本信息或生成了意外的固件版本信息。”
  • RecommendedAction：“固件问题得到解决后，重启固件推出。”

FaultType：Microsoft.Health.FaultType.FaultDomain.TooManyFailedUpdates

  • 严重性：警告
  • Reason：“固件推出被取消，因为太多的物理磁盘未能通过固件更新尝试。”
  • RecommendedAction：“固件问题得到解决后，重启固件推出。”

存储 QoS (3)2

FaultType：Microsoft.Health.FaultType.StorQos.InsufficientThroughput

  • 严重性：警告
  • Reason：“存储吞吐量不足以满足预留。”
  • RecommendedAction：“重新配置存储 QoS 策略。”

FaultType：Microsoft.Health.FaultType.StorQos.LostCommunication

  • 严重性：警告
  • Reason：“存储 QoS 策略管理器已与该卷失去通信。”
  • RecommendedAction：“请重启节点 {nodes}”

FaultType：Microsoft.Health.FaultType.StorQos.MisconfiguredFlow

  • 严重性：警告
  • Reason：“一个或多个存储使用者（通常是虚拟机）正在使用 id 为 {id} 的不存在的策略。”
  • RecommendedAction：“重新创建任何丢失的存储 QoS 策略。”

1 指示卷 80% 已满（次要严重性）或 90% 已满（主要严重性）。 2 指示卷上的某些 .vhd 尚未达到其最小 IOPS，超过 24 小时滚动时段的 10%（次要）、30%（主要）或 50%（严重）。

注意

存储机箱组件（如风扇、电源和传感器）的运行状况派生自 SCSI 机箱服务 (SES)。 如果你的供应商不提供此信息，运行状况服务不能对其进行显示。

其他参考