lustre/tests/insanity.sh

   1 #!/bin/sh
   2 # Test multiple failures, AKA Test 17
   3
   4 set -e
   5
   6 LUSTRE=${LUSTRE:-`dirname $0`/..}
   7 . $LUSTRE/tests/test-framework.sh
   8
   9 init_test_env $@
  10
  11 . ${CONFIG:=$LUSTRE/tests/cfg/$NAME.sh}
  12
  13 ALWAYS_EXCEPT="10 $INSANITY_EXCEPT"
  14
  15 if [ "$FAILURE_MODE" = "HARD" ]; then
  16         skip_env "$0: is not functional with FAILURE_MODE = HARD, please use recovery-double-scale, bz20407"
  17         exit 0
  18 fi
  19
  20 #
  21 [ "$SLOW" = "no" ] && EXCEPT_SLOW=""
  22
  23 SETUP=${SETUP:-""}
  24 CLEANUP=${CLEANUP:-""}
  25
  26 build_test_filter
  27
  28 SINGLECLIENT=${SINGLECLIENT:-$HOSTNAME}
  29 LIVE_CLIENT=${LIVE_CLIENT:-$SINGLECLIENT}
  30 FAIL_CLIENTS=${FAIL_CLIENTS:-$RCLIENTS}
  31
  32 assert_env mds_HOST MDS_MKFS_OPTS MDSDEV
  33 assert_env ost_HOST OST_MKFS_OPTS OSTCOUNT
  34 assert_env LIVE_CLIENT FSNAME
  35
  36 remote_mds_nodsh && skip "remote MDS with nodsh" && exit 0
  37 remote_ost_nodsh && skip "remote OST with nodsh" && exit 0
  38
  39 # FAIL_CLIENTS list should not contain the LIVE_CLIENT
  40 FAIL_CLIENTS=$(echo " $FAIL_CLIENTS " | sed -re "s/\s+$LIVE_CLIENT\s+/ /g")
  41
  42 DIR=${DIR:-$MOUNT}
  43 TESTDIR=$DIR/d0.$(basename $0 .sh)
  44
  45 #####
  46 # fail clients round robin
  47
  48 # list of failable clients
  49 FAIL_LIST=($FAIL_CLIENTS)
  50 FAIL_NUM=${#FAIL_LIST[*]}
  51 FAIL_NEXT=0
  52 typeset -i  FAIL_NEXT
  53 DOWN_NUM=0   # number of nodes currently down
  54
  55 # set next client to fail
  56 set_fail_client() {
  57     FAIL_CLIENT=${FAIL_LIST[$FAIL_NEXT]}
  58     FAIL_NEXT=$(( (FAIL_NEXT+1) % FAIL_NUM ))
  59     echo "fail $FAIL_CLIENT, next is $FAIL_NEXT"
  60 }
  61
  62 fail_clients() {
  63     num=$1
  64
  65     log "Request clients to fail: ${num}. Num of clients to fail: ${FAIL_NUM}, already failed: $DOWN_NUM"
  66     if [ -z "$num"  ] || [ "$num" -gt $((FAIL_NUM - DOWN_NUM)) ]; then
  67         num=$((FAIL_NUM - DOWN_NUM))
  68     fi
  69
  70     if [ -z "$num" ] || [ "$num" -le 0 ]; then
  71         log "No clients failed!"
  72         return
  73     fi
  74
  75     client_mkdirs
  76
  77     for i in `seq $num`; do
  78        set_fail_client
  79        client=$FAIL_CLIENT
  80        DOWN_CLIENTS="$DOWN_CLIENTS $client"
  81        shutdown_client $client
  82     done
  83
  84     echo "down clients: $DOWN_CLIENTS"
  85
  86     for client in $DOWN_CLIENTS; do
  87         boot_node $client
  88     done
  89     DOWN_NUM=`echo $DOWN_CLIENTS | wc -w`
  90     client_rmdirs
  91 }
  92
  93 reintegrate_clients() {
  94     for client in $DOWN_CLIENTS; do
  95         wait_for_host $client
  96         echo "Restarting $client"
  97         zconf_mount $client $MOUNT || return 1
  98     done
  99     DOWN_CLIENTS=""
 100     DOWN_NUM=0
 101 }
 102
 103 start_ost() {
 104     start ost$1 `ostdevname $1` $OST_MOUNT_OPTS
 105 }
 106
 107 trap exit INT
 108
 109 client_touch() {
 110     file=$1
 111     for c in $LIVE_CLIENT $FAIL_CLIENTS;  do
 112         if echo $DOWN_CLIENTS | grep -q $c; then continue; fi
 113         $PDSH $c touch $TESTDIR/${c}_$file || return 1
 114     done
 115 }
 116
 117 client_rm() {
 118     file=$1
 119     for c in $LIVE_CLIENT $FAIL_CLIENTS;  do
 120         $PDSH $c rm $TESTDIR/${c}_$file
 121     done
 122 }
 123
 124 client_mkdirs() {
 125     for c in $LIVE_CLIENT $FAIL_CLIENTS;  do
 126         echo "$c mkdir $TESTDIR/$c"
 127         $PDSH $c "mkdir $TESTDIR/$c && ls -l $TESTDIR/$c"
 128     done
 129 }
 130
 131 client_rmdirs() {
 132     for c in $LIVE_CLIENT $FAIL_CLIENTS;  do
 133         echo "rmdir $TESTDIR/$c"
 134         $PDSH $LIVE_CLIENT "rmdir $TESTDIR/$c"
 135     done
 136 }
 137
 138 clients_recover_osts() {
 139     facet=$1
 140 #    do_node $CLIENTS "$LCTL "'--device %OSC_`hostname`_'"${facet}_svc_MNT_client_facet recover"
 141 }
 142
 143 check_and_setup_lustre
 144
 145 rm -rf $TESTDIR
 146 mkdir -p $TESTDIR
 147
 148 # 9 Different Failure Modes Combinations
 149 echo "Starting Test 17 at `date`"
 150
 151 test_0() {
 152     facet_failover mds
 153     echo "Waiting for df pid: $DFPID"
 154     wait $DFPID || { echo "df returned $?" && return 1; }
 155
 156     for i in $(seq $OSTCOUNT) ; do
 157         facet_failover ost$i || return 4
 158         echo "Waiting for df pid: $DFPID"
 159         wait $DFPID || { echo "df returned $?" && return 3; }
 160     done
 161     return 0
 162 }
 163 run_test 0 "Fail all nodes, independently"
 164
 165 ############### First Failure Mode ###############
 166 test_1() {
 167 echo "Don't do a MDS - MDS Failure Case"
 168 echo "This makes no sense"
 169 }
 170 run_test 1 "MDS/MDS failure"
 171 ###################################################
 172
 173 ############### Second Failure Mode ###############
 174 test_2() {
 175     echo "Verify Lustre filesystem is up and running"
 176     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 177
 178     clients_up
 179
 180     shutdown_facet mds
 181     reboot_facet mds
 182
 183     # prepare for MDS failover
 184     change_active mds
 185     reboot_facet mds
 186
 187     clients_up &
 188     DFPID=$!
 189     sleep 5
 190
 191     shutdown_facet ost1
 192
 193     echo "Reintegrating OST"
 194     reboot_facet ost1
 195     wait_for_facet ost1
 196     start_ost 1 || return 2
 197
 198     wait_for_facet mds
 199     start mds $MDSDEV $MDS_MOUNT_OPTS || return $?
 200
 201     #Check FS
 202     wait $DFPID
 203     clients_recover_osts ost1
 204     echo "Verify reintegration"
 205     clients_up || return 1
 206
 207 }
 208 run_test 2 "Second Failure Mode: MDS/OST `date`"
 209 ###################################################
 210
 211
 212 ############### Third Failure Mode ###############
 213 test_3() {
 214     #Create files
 215     echo "Verify Lustre filesystem is up and running"
 216     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 217
 218     #MDS Portion
 219     facet_failover mds
 220     wait $DFPID || echo df failed: $?
 221     #Check FS
 222
 223     echo "Test Lustre stability after MDS failover"
 224     clients_up
 225
 226     #CLIENT Portion
 227     echo "Failing 2 CLIENTS"
 228     fail_clients 2
 229
 230     #Check FS
 231     echo "Test Lustre stability after CLIENT failure"
 232     clients_up
 233
 234     #Reintegration
 235     echo "Reintegrating CLIENTS"
 236     reintegrate_clients || return 1
 237
 238     clients_up || return 3
 239 }
 240 run_test 3  "Thirdb Failure Mode: MDS/CLIENT `date`"
 241 ###################################################
 242
 243 ############### Fourth Failure Mode ###############
 244 test_4() {
 245     echo "Fourth Failure Mode: OST/MDS `date`"
 246
 247     #OST Portion
 248     shutdown_facet ost1
 249
 250     #Check FS
 251     echo "Test Lustre stability after OST failure"
 252     clients_up &
 253     DFPIDA=$!
 254     sleep 5
 255
 256     #MDS Portion
 257     shutdown_facet mds
 258     reboot_facet mds
 259
 260     # prepare for MDS failover
 261     change_active mds
 262     reboot_facet mds
 263
 264     clients_up &
 265     DFPIDB=$!
 266     sleep 5
 267
 268     #Reintegration
 269     echo "Reintegrating OST"
 270     reboot_facet ost1
 271     wait_for_facet ost1
 272     start_ost 1
 273
 274     wait_for_facet mds
 275     start mds $MDSDEV $MDS_MOUNT_OPTS
 276     #Check FS
 277
 278     wait $DFPIDA
 279     wait $DFPIDB
 280     clients_recover_osts ost1
 281     echo "Test Lustre stability after MDS failover"
 282     clients_up || return 1
 283 }
 284 run_test 4 "Fourth Failure Mode: OST/MDS `date`"
 285 ###################################################
 286
 287 ############### Fifth Failure Mode ###############
 288 test_5() {
 289     [ $OSTCOUNT -lt 2 ] && skip_env "$OSTCOUNT < 2, not enough OSTs" && return 0
 290
 291     echo "Fifth Failure Mode: OST/OST `date`"
 292
 293     #Create files
 294     echo "Verify Lustre filesystem is up and running"
 295     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 296
 297     clients_up
 298
 299     #OST Portion
 300     shutdown_facet ost1
 301     reboot_facet ost1
 302
 303     #Check FS
 304     echo "Test Lustre stability after OST failure"
 305     clients_up &
 306     DFPIDA=$!
 307     sleep 5
 308
 309     #OST Portion
 310     shutdown_facet ost2
 311     reboot_facet ost2
 312
 313     #Check FS
 314     echo "Test Lustre stability after OST failure"
 315     clients_up &
 316     DFPIDB=$!
 317     sleep 5
 318
 319     #Reintegration
 320     echo "Reintegrating OSTs"
 321     wait_for_facet ost1
 322     start_ost 1
 323     wait_for_facet ost2
 324     start_ost 2
 325
 326     clients_recover_osts ost1
 327     clients_recover_osts ost2
 328     sleep $TIMEOUT
 329
 330     wait $DFPIDA
 331     wait $DFPIDB
 332     clients_up || return 2
 333 }
 334 run_test 5 "Fifth Failure Mode: OST/OST `date`"
 335 ###################################################
 336
 337 ############### Sixth Failure Mode ###############
 338 test_6() {
 339     echo "Sixth Failure Mode: OST/CLIENT `date`"
 340
 341     #Create files
 342     echo "Verify Lustre filesystem is up and running"
 343     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 344
 345     clients_up
 346     client_touch testfile || return 2
 347
 348     #OST Portion
 349     shutdown_facet ost1
 350     reboot_facet ost1
 351
 352     #Check FS
 353     echo "Test Lustre stability after OST failure"
 354     clients_up &
 355     DFPIDA=$!
 356     echo DFPIDA=$DFPIDA
 357     sleep 5
 358
 359     #CLIENT Portion
 360     echo "Failing CLIENTs"
 361     fail_clients
 362
 363     #Check FS
 364     echo "Test Lustre stability after CLIENTs failure"
 365     clients_up &
 366     DFPIDB=$!
 367     echo DFPIDB=$DFPIDB
 368     sleep 5
 369
 370     #Reintegration
 371     echo "Reintegrating OST/CLIENTs"
 372     wait_for_facet ost1
 373     start_ost 1
 374     reintegrate_clients || return 1
 375     sleep 5
 376
 377     wait_remote_prog df $((TIMEOUT * 3 + 10))
 378     wait $DFPIDA
 379     wait $DFPIDB
 380
 381     echo "Verifying mount"
 382     [ -z "$(mounted_lustre_filesystems)" ] && return 3
 383     clients_up
 384 }
 385 run_test 6 "Sixth Failure Mode: OST/CLIENT `date`"
 386 ###################################################
 387
 388
 389 ############### Seventh Failure Mode ###############
 390 test_7() {
 391     echo "Seventh Failure Mode: CLIENT/MDS `date`"
 392
 393     #Create files
 394     echo "Verify Lustre filesystem is up and running"
 395     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 396
 397     clients_up
 398     client_touch testfile  || return 1
 399
 400     #CLIENT Portion
 401     echo "Part 1: Failing CLIENT"
 402     fail_clients 2
 403
 404     #Check FS
 405     echo "Test Lustre stability after CLIENTs failure"
 406     clients_up
 407     $PDSH $LIVE_CLIENT "ls -l $TESTDIR"
 408     $PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile"
 409
 410     #Sleep
 411     echo "Wait 1 minutes"
 412     sleep 60
 413
 414     #Create files
 415     echo "Verify Lustre filesystem is up and running"
 416     [ -z "$(mounted_lustre_filesystems)" ] && return 2
 417
 418     clients_up
 419     client_rm testfile
 420
 421     #MDS Portion
 422     facet_failover mds
 423
 424     #Check FS
 425     echo "Test Lustre stability after MDS failover"
 426     wait $DFPID || echo "df on down clients fails " || return 1
 427     $PDSH $LIVE_CLIENT "ls -l $TESTDIR"
 428     $PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile"
 429
 430     #Reintegration
 431     echo "Reintegrating CLIENTs"
 432     reintegrate_clients || return 2
 433     clients_up
 434
 435     #Sleep
 436     echo "wait 1 minutes"
 437     sleep 60
 438 }
 439 run_test 7 "Seventh Failure Mode: CLIENT/MDS `date`"
 440 ###################################################
 441
 442
 443 ############### Eighth Failure Mode ###############
 444 test_8() {
 445     echo "Eighth Failure Mode: CLIENT/OST `date`"
 446
 447     #Create files
 448     echo "Verify Lustre filesystem is up and running"
 449     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 450
 451     clients_up
 452     client_touch testfile
 453
 454     #CLIENT Portion
 455     echo "Failing CLIENTs"
 456     fail_clients 2
 457
 458     #Check FS
 459     echo "Test Lustre stability after CLIENTs failure"
 460     clients_up
 461     $PDSH $LIVE_CLIENT "ls -l $TESTDIR"
 462     $PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile"
 463
 464     #Sleep
 465     echo "Wait 1 minutes"
 466     sleep 60
 467
 468     #Create files
 469     echo "Verify Lustre filesystem is up and running"
 470     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 471
 472     clients_up
 473     client_touch testfile
 474
 475
 476     #OST Portion
 477     shutdown_facet ost1
 478     reboot_facet ost1
 479
 480     #Check FS
 481     echo "Test Lustre stability after OST failure"
 482     clients_up &
 483     DFPID=$!
 484     sleep 5
 485     #non-failout hangs forever here
 486     #$PDSH $LIVE_CLIENT "ls -l $TESTDIR"
 487     #$PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile"
 488
 489     #Reintegration
 490     echo "Reintegrating CLIENTs/OST"
 491     reintegrate_clients || return 3
 492     wait_for_facet ost1
 493     start_ost 1
 494     wait $DFPID
 495     clients_up || return 1
 496     client_touch testfile2 || return 2
 497
 498     #Sleep
 499     echo "Wait 1 minutes"
 500     sleep 60
 501 }
 502 run_test 8 "Eighth Failure Mode: CLIENT/OST `date`"
 503 ###################################################
 504
 505
 506 ############### Ninth Failure Mode ###############
 507 test_9() {
 508     echo
 509
 510     #Create files
 511     echo "Verify Lustre filesystem is up and running"
 512     [ -z "$(mounted_lustre_filesystems)" ] && error "Lustre is not running"
 513
 514     clients_up
 515     client_touch testfile || return 1
 516
 517     #CLIENT Portion
 518     echo "Failing CLIENTs"
 519     fail_clients 2
 520
 521     #Check FS
 522     echo "Test Lustre stability after CLIENTs failure"
 523     clients_up
 524     $PDSH $LIVE_CLIENT "ls -l $TESTDIR" || return 1
 525     $PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile" || return 2
 526
 527     #Sleep
 528     echo "Wait 1 minutes"
 529     sleep 60
 530
 531     #Create files
 532     echo "Verify Lustre filesystem is up and running"
 533     $PDSH $LIVE_CLIENT "grep -e $MOUNT /proc/mounts" || return 3
 534     client_up $LIVE_CLIENT
 535     client_touch testfile || return 4
 536
 537     #CLIENT Portion
 538     echo "Failing CLIENTs"
 539     fail_clients 2
 540
 541     #Check FS
 542     echo "Test Lustre stability after CLIENTs failure"
 543     clients_up
 544     $PDSH $LIVE_CLIENT "ls -l $TESTDIR" || return 5
 545     $PDSH $LIVE_CLIENT "rm -f $TESTDIR/*_testfile" || return 6
 546
 547     #Reintegration
 548     echo "Reintegrating  CLIENTs/CLIENTs"
 549     reintegrate_clients || return 7
 550     clients_up
 551
 552     #Sleep
 553     echo "Wait 1 minutes"
 554     sleep 60
 555 }
 556 run_test 9 "Ninth Failure Mode: CLIENT/CLIENT `date`"
 557 ###################################################
 558
 559 test_10() {
 560     #Run availability after all failures
 561     DURATION=${DURATION:-$((2 * 60 * 60))} # 6 hours default
 562     LOADTEST=${LOADTEST:-metadata-load.py}
 563     $PWD/availability.sh $CONFIG $DURATION $CLIENTS || return 1
 564 }
 565 run_test 10 "Running Availability for 6 hours..."
 566
 567 equals_msg `basename $0`: test complete, cleaning up
 568 check_and_cleanup_lustre
 569 [ -f "$TESTSUITELOG" ] && cat $TESTSUITELOG && grep -q FAIL $TESTSUITELOG && exit 1 || true