【问题修复】mds0: Metadata damage dete

1. 故障现场

• 通过监控发现集群状态是HEALTH_ERR状态， 并且发现mds0: Metadata damage detected。 顾名思义，猜测应该是元信息损坏导致的。

  
  image.png

2. 分析damage是啥原因导致

image.png

大概意思是：

• 从元数据存储池读取时，遇到了元数据损坏或丢失的情况。这条消息表明损坏之处已经被妥善隔离了，以使 MDS 继续运作，如此一来，若有客户端访问损坏的子树就返回 IO 错误。关于损坏的细节信息可用 damage ls 管理套接字命令获取。只要一遇到受损元数据，此消息就会立即出现。

3. 查看damage ls

• 通过指令查询到damage ls 显示的信息，可以发现里面有个ino编号。

  
  image.png

4. 通过转换拿到十六进制ino

• 通过ino:1099519182934 -> ino: 10000734856

  
  image.png

5. 检查是否属于目录(10000734856)

• 通过指令查找发现该ino确定是目录

  
  image.png

6. 确定目录名

image.png

7. 该目录下面的所有文件

image.png

8. 查看fs挂载的目录是否匹配

ceph fs ls -f json-pretty

9. 修复这个目录元信息

ceph --admin-daemon /var/run/ceph/ceph-mds.00.asok  scrub_path /dir repair

image.png

10. 跟踪代码

参考文件：

• https://github.com/ceph/ceph/blob/5cdf9c3380098f5d2b1d988ab623c74baad55ee3/src/mds/MDSRank.cc#L2245
• https://github.com/ceph/ceph/blob/5cdf9c3380098f5d2b1d988ab623c74baad55ee3/src/mds/MDCache.cc#L12197

image.png
image.png

11. 总结

11.1 问题过程回顾

• 集群ERR
• 发现mds0: Metadata damage detected
• 查看damage ino
• 根据ino定位跟踪目录
• 根据目录名知道业务存储的数据
• 修复问题

12. 修复方案

12.1方案一：删除ino对应的目录（生产环境实战演练过)

1.业务方备份迁移数据
2.查看damage ls

image.png

3.检查该ino确实没有对应的目录

image.png
4.删除damage rm信息
image.png

5.检查集群状态(集群状态从ERR恢复到WARN)

image.png

12.2 方案二：修复该目录元信息

1.通过指令修复目录

ceph --admin-daemon /var/run/ceph/ceph-mds.ceph-newpublic-osd02.py.asok scrub_path /dir/xxx repair