lustre/tests/recovery-mds-scale.sh

   1 #!/bin/bash
   2
   3 # Was Test 11 in cmd3.
   4 # For duration of 24 hours repeatedly failover a random MDS at
   5 # 10 minute intervals and verify that no application errors occur.
   6
   7 # Test runs one of CLIENT_LOAD progs on remote clients.
   8
   9 LUSTRE=${LUSTRE:-`dirname $0`/..}
  10 SETUP=${SETUP:-""}
  11 CLEANUP=${CLEANUP:-""}
  12 . $LUSTRE/tests/test-framework.sh
  13
  14 init_test_env $@
  15
  16 . ${CONFIG:=$LUSTRE/tests/cfg/$NAME.sh}
  17
  18 TESTSUITELOG=${TESTSUITELOG:-$TMP/recovery-mds-scale}
  19 DEBUGLOG=$TESTSUITELOG.debug
  20 exec 2>$DEBUGLOG
  21 echo "--- env ---" >&2
  22 env >&2
  23 echo "--- env ---" >&2
  24 set -x
  25
  26 [ "$SHARED_DIRECTORY" ] || \
  27     { skip "$0: Empty SHARED_DIRECTORY" && exit 0; }
  28
  29 [ -n "$CLIENTS" ] || { skip "$0 Need two or more remote clients" && exit 0; }
  30 [ $CLIENTCOUNT -ge 3 ] || \
  31     { skip "$0 Need two or more clients, have $CLIENTCOUNT" && exit 0; }
  32
  33 END_RUN_FILE=${END_RUN_FILE:-$SHARED_DIRECTORY}/end_run_file}
  34 LOAD_PID_FILE=${LOAD_PID_FILE:-$TMP/client-load.pid}
  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 build_test_filter
  40
  41 check_and_setup_lustre
  42 rm -rf $DIR/[df][0-9]*
  43
  44 # the test node needs to be insulated from a lustre failure as much as possible,
  45 # so not even loading the lustre modules is ideal.
  46 # -- umount lustre
  47 # -- remove hostname from clients list
  48 zconf_umount $(hostname) $MOUNT
  49 NODES_TO_USE=${NODES_TO_USE:-$CLIENTS}
  50 NODES_TO_USE=$(exclude_item_from_list $NODES_TO_USE $(hostname))
  51
  52 check_progs_installed $NODES_TO_USE ${CLIENT_LOADS[@]}
  53
  54 MDTS=mds
  55
  56 OSTS=""
  57 for ((i=1; i<=$OSTCOUNT; i++)) do
  58     OSTS="$OSTS ost$i"
  59 done
  60 OSTS=$(comma_list $OSTS)
  61
  62 ERRORS_OK=""    # No application failures should occur during this test.
  63 FLAVOR=${FLAVOR:-"MDS"}
  64
  65 if [ "$FLAVOR" == "MDS" ]; then
  66     SERVERS=$MDTS
  67 else
  68     SERVERS=$OSTS
  69 fi
  70
  71 if [ "$SLOW" = "no" ]; then
  72     DURATION=${DURATION:-$((60 * 30))}
  73     SERVER_FAILOVER_PERIOD=${SERVER_FAILOVER_PERIOD:-$((60 * 5))}
  74 else
  75     DURATION=${DURATION:-$((60 * 60 * 24))}
  76     SERVER_FAILOVER_PERIOD=${SERVER_FAILOVER_PERIOD:-$((60 * 10))} # 10 minutes
  77 fi
  78
  79 rm -f $END_RUN_FILE
  80
  81 vmstatLOG=${TESTSUITELOG}_$(basename $0 .sh).vmstat
  82
  83 server_numfailovers () {
  84     local facet
  85     local var
  86
  87     for facet in $MDTS ${OSTS//,/ }; do
  88         var=${facet}_nums
  89         val=${!var}
  90         if [ "$val" ] ; then
  91             echo "$facet failed  over  $val times"
  92         fi
  93     done
  94 }
  95
  96 summary_and_cleanup () {
  97
  98     local rc=$?
  99     local var
 100     trap 0
 101
 102     # Having not empty END_RUN_FILE means the failed loads only
 103     if [ -s $END_RUN_FILE ]; then
 104         echo "Found the END_RUN_FILE file: $END_RUN_FILE"
 105         cat $END_RUN_FILE
 106         local END_RUN_NODE=
 107         read END_RUN_NODE < $END_RUN_FILE
 108
 109     # a client load will end (i.e. fail) if it finds
 110     # the end run file.  that does not mean that that client load
 111     # actually failed though.  the first node in the END_RUN_NODE is
 112     # the one we are really interested in.
 113         if [ -n "$END_RUN_NODE" ]; then
 114             var=${END_RUN_NODE}_load
 115             echo "Client load failed on node $END_RUN_NODE"
 116             echo
 117             echo "client $END_RUN_NODE load stdout and debug files :
 118               ${TESTSUITELOG}_run_${!var}.sh-${END_RUN_NODE}
 119               ${TESTSUITELOG}_run_${!var}.sh-${END_RUN_NODE}.debug"
 120         fi
 121         rc=1
 122     fi
 123
 124     echo $(date +'%F %H:%M:%S') Terminating clients loads ...
 125     echo "$0" >> $END_RUN_FILE
 126     local result=PASS
 127     [ $rc -eq 0 ] || result=FAIL
 128
 129     log "Duraion:                $DURATION
 130 Server failover period: $SERVER_FAILOVER_PERIOD seconds
 131 Exited after:           $ELAPSED seconds
 132 Number of failovers before exit:
 133 $(server_numfailovers)
 134 Status: $result: rc=$rc"
 135
 136     # stop the vmstats on the OSTs
 137     if [ "$VMSTAT" ]; then
 138         do_nodes $(comma_list $(osts_nodes)) "test -f /tmp/vmstat.pid && \
 139             { kill -s TERM \$(cat /tmp/vmstat.pid); rm -f /tmp/vmstat.pid; \
 140             gzip -f9 $vmstatLOG-\$(hostname); }"
 141     fi
 142
 143     # make sure the client loads die
 144     do_nodes $NODES_TO_USE "set -x; test -f $LOAD_PID_FILE && \
 145         { kill -s TERM \$(cat $LOAD_PID_FILE) || true; }"
 146
 147     # and free up the pdshes that started them, if any are still around
 148     if [ -n "$CLIENT_LOAD_PIDS" ]; then
 149         kill $CLIENT_LOAD_PIDS || true
 150         sleep 5
 151         kill -9 $CLIENT_LOAD_PIDS || true
 152     fi
 153     [ $rc -eq 0 ] && zconf_mount $(hostname) $MOUNT
 154
 155     exit $rc
 156 }
 157
 158 #
 159 # MAIN
 160 #
 161 log "-----============= $0 starting =============-----"
 162
 163 trap summary_and_cleanup EXIT INT
 164
 165 ELAPSED=0
 166 NUM_FAILOVERS=0
 167
 168 # vmstat the osts
 169 if [ "$VMSTAT" ]; then
 170     do_nodes $(comma_list $(osts_nodes)) "vmstat 1 > $vmstatLOG-\$(hostname) 2>/dev/null </dev/null & echo \$! > /tmp/vmstat.pid"
 171 fi
 172
 173 # Start client loads.
 174 start_client_loads $NODES_TO_USE
 175
 176 echo clients load pids:
 177 if ! do_nodes $NODES_TO_USE "set -x; echo \$(hostname): && cat $LOAD_PID_FILE"; then
 178     if [ -e $DEBUGLOG ]; then
 179         exec 2<&-
 180         cat $DEBUGLOG
 181         exit 3
 182     fi
 183 fi
 184
 185 START_TS=$(date +%s)
 186 CURRENT_TS=$START_TS
 187
 188 MINSLEEP=${MINSLEEP:-120}
 189 REQFAIL_PERCENT=${REQFAIL_PERCENT:-3}   # bug17839 comment 62
 190 REQFAIL=${REQFAIL:-$(( DURATION / SERVER_FAILOVER_PERIOD * REQFAIL_PERCENT / 100))}
 191 reqfail=0
 192 sleep=0
 193 while [ $ELAPSED -lt $DURATION -a ! -e $END_RUN_FILE ]; do
 194
 195     # In order to perform the
 196     # expected number of failovers, we need to account the following :
 197     # 1) the time that has elapsed during the client load checking
 198     # 2) time takes for failover
 199
 200     it_time_start=$(date +%s)
 201
 202     SERVERFACET=$(get_random_entry $SERVERS)
 203     var=${SERVERFACET}_nums
 204
 205     # Check that our client loads are still running. If any have died,
 206     # that means they have died outside of recovery, which is unacceptable.
 207
 208     log "==== Checking the clients loads BEFORE failover -- failure NOT OK \
 209     ELAPSED=$ELAPSED DURATION=$DURATION PERIOD=$SERVER_FAILOVER_PERIOD"
 210
 211     if ! check_client_loads $NODES_TO_USE; then
 212         exit 4
 213     fi
 214
 215     log "Starting failover on $SERVERFACET"
 216
 217     facet_failover "$SERVERFACET" || exit 1
 218
 219     # Check that our client loads are still running during failover.
 220     # No application failures should occur.
 221
 222     log "==== Checking the clients loads AFTER  failover -- failure NOT OK"
 223     if ! check_client_loads $NODES_TO_USE; then
 224         log "Client load failed during failover. Exiting"
 225         exit 5
 226     fi
 227
 228     # Increment the number of failovers
 229     NUM_FAILOVERS=$((NUM_FAILOVERS+1))
 230     val=$((${!var} + 1))
 231     eval $var=$val
 232
 233     CURRENT_TS=$(date +%s)
 234     ELAPSED=$((CURRENT_TS - START_TS))
 235
 236     sleep=$((SERVER_FAILOVER_PERIOD-(CURRENT_TS - it_time_start)))
 237
 238     # keep count the number of itterations when
 239     # time spend to failover and two client loads check exceeded
 240     # the value ( SERVER_FAILOVER_PERIOD - MINSLEEP )
 241     if [ $sleep -lt $MINSLEEP ]; then
 242         reqfail=$((reqfail +1))
 243         log "WARNING: failover and two check_client_loads time exceeded SERVER_FAILOVER_PERIOD - MINSLEEP !
 244 Failed to meet interval $reqfail times ( REQFAIL=$REQFAIL ); have sleep=$sleep"
 245         [ $reqfail -gt $REQFAIL ] && exit 6
 246     fi
 247
 248     log "$SERVERFACET has failed over ${!var} times, and counting..."
 249     if [ $sleep -gt 0 ]; then
 250         echo "sleeping $sleep seconds ... "
 251         sleep $sleep
 252     fi
 253 done
 254
 255 exit 0