對 AAzure 運算子連接點伺服器問題進行疑難排解

發行項
12/18/2024

本文說明如何使用重新啟動、重新安裝映像和取代 Azure 操作員 Nexus 裸機機器（BMM）上的動作，針對伺服器問題進行疑難解答。您可能會為了進行維護而需在伺服器上執行這些動作，而這會導致特定 BMM 短暫中斷。

完成前述各項動作的所需時間都差不多。重新啟動是最快的，而更換需要較長一點的時間。這三個動作都是簡單且有效率的疑難排解方法。

警告

若未先諮詢 Microsoft 支援服務人員，請勿對管理伺服器執行任何動作。這樣做可能會影響運算子連接點叢集的完整性。

必要條件

檢閱 BMM 動作，以熟悉本文所參考的功能。
收集以下資訊：
- BMM 的受控資源群組名稱
- 需要生命週期管理作業的 BMM 名稱
- 訂用帳戶識別碼

重要

如果已針對另一個 KCP 節點執行另一個干擾性動作命令，或如果無法使用完整 KCP，則會拒絕針對 Kubernetes 控制平面 (KCP) 節點的干擾性命令要求。

重新啟動、重新安裝映像和取代全都被視為干擾性動作。

這項檢查是為了維護 Nexus 實例的完整性，並確保多個 KCP 節點不會因為同時干擾性動作而一次關閉。如果多個節點關閉，其會中斷 Kubernetes 控制平面的良好仲裁閾值。

識別矯正措施

針對失敗的 BMM 進行疑難解答並判斷最適當的更正動作時，請務必瞭解可用的選項。重新啟動或重新製作 BMM 的映像，對於解決問題或將軟體還原為已知良好的狀態，可能既有效又有效。如果伺服器上的一或多個硬體元件失敗，可能需要完全取代 BMM。本文概述這三個動作的最佳做法。

要對技術問題進行疑難排解，需仰賴系統化方法。一個有效的方法是從最不具侵入性的解決方案開始，並在必要時達到更複雜的和劇烈措施。

疑難解答的第一個步驟是嘗試重新啟動裝置或系統。重新啟動有助於清除任何可能造成問題的暫時故障或錯誤。

如果重新啟動無法解決問題，下一個步驟是嘗試重新映像裝置或系統。

如果重新映像無法解決問題，最後一個步驟是取代故障的硬體元件。雖然更換是一項更顯著的量值，但如果問題源於硬體缺陷，則可能是必要措施。

請記住，這些疑難排解方法可能不一定有效，且問題的其他成因可能需要以不同的方法解決。

使用重新啟動動作進行疑難排解

重新啟動 BMM，是透過簡單的 API 呼叫重新啟動伺服器的程序。當主機上的租用戶虛擬機器沒有回應或停滯時，可以利用此動作來排解問題。

重新啟動通常是減輕問題的起點。

下列 Azure CLI 命令會 power-off 是指定的 bareMetalMachineName。

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

下列 Azure CLI 命令會 start 是指定的 bareMetalMachineName。

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

下列 Azure CLI 命令會 restart 是指定的 bareMetalMachineName。

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

使用重新安裝映像動作進行疑難排解

重新映像 BMM 是您用來在 OS 磁碟上重新部署映像的程式，而不會影響租用戶數據。此動作會執行相關步驟，使用相同的識別碼重新加入叢集。

重新安裝映像動作可將 OS 還原至已知良好的工作狀態，以利排解問題。可透過重新安裝映像來解決的常見問題成因，包括因懷疑主機完整性、疑似或確認有安全性危害，或「緊急」寫入活動而導致的復原。

若要以最低的作業風險確保 BMM 的完整性，重新安裝映像動作是最佳做法。

最佳做法是，在執行重新安裝映像命令之前，請確定 BMM 的工作負載已使用警戒線命令清空，並疏散 “True”。

若要識別 BMM 上是否有任何工作負載目前正在執行，請執行下列命令：

針對虛擬機器：

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

針對 Nexus Kubernetes 叢集節點：（需要登入 Nexus Kubernetes 叢集）

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

下列 Azure CLI 命令會 cordon 是指定的 bareMetalMachineName。

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

下列 Azure CLI 命令會 reimage 是指定的 bareMetalMachineName。

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

下列 Azure CLI 命令會 uncordon 是指定的 bareMetalMachineName。

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

使用更換動作進行疑難排解

伺服器包含許多可能隨著時間推移而故障的實體元件。請務必瞭解哪些實體修復需要 BMM 更換，以及建議使用 BMM 更換時。

系統會叫用硬體驗證程序，以在部署 OS 映像之前確保實體主機的完整性。如同重新安裝映像動作，在更換期間不會修改租用戶資料。

重要

從 2024-07-01 GA API 版本開始，RAID 控制器會在 BMM 取代期間重設，並抹除伺服器虛擬磁碟中的所有數據。除非有額外的實體磁碟和/或 RAID 控制器警示，否則可以在 BMM 更換期間觸發的基板管理控制器（BMC）虛擬磁碟警示被忽略。

最佳做法是先發出 cordon 命令，以從工作負載排程中移除裸機機器，然後在實體修復之前關閉 BMM。

下列 Azure CLI 命令會 cordon 是指定的 bareMetalMachineName。

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

當您執行實體熱交換電源供應器修復時，不需要更換動作，因為 BMM 主機在修復後會繼續正常運作。

當您執行下列實體修復時，建議您執行更換動作，不過不需要將 BMM 帶回服務：

CPU
雙內嵌記憶體模組（DIMM）
風扇
擴充板擴充卡
收發器
乙太網路或光纖纜線更換

當您執行下列實體修復時，需要更換動作，才能讓 BMM 恢復服務：

背板
主機板
SSD 磁碟
PERC/RAID 介面卡
Mellanox 網路配接器（NIC）
Broadcom 內嵌 NIC

實體修復完成後，請執行取代動作。

下列 Azure CLI 命令會 replace 是指定的 bareMetalMachineName。

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>

下列 Azure CLI 命令會取消記錄指定的 bareMetalMachineName。

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

摘要

重新啟動、重新安裝映像和更換是可用來解決技術問題的有效疑難排解方法。不過，在嘗試任何激進的措施之前，請務必先擬定系統化方法，並考量其他因素。如需 BMM 動作的詳細資訊，請參閱 BMM 動作一文。

如果還有疑問，請連絡支援人員。如需支援計劃的詳細資訊，請參閱 Azure 支援計劃。

共用方式為