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 rm -f $END_RUN_FILE
  66
  67 vmstatLOG=${TESTSUITELOG}_$(basename $0 .sh).vmstat
  68
  69 server_numfailovers () {
  70     local facet
  71     local var
  72
  73     for facet in $MDTS ${OSTS//,/ }; do
  74         var=${facet}_nums
  75         val=${!var}
  76         if [ "$val" ] ; then
  77             echo "$facet failed  over  $val times"
  78         fi
  79     done
  80 }
  81
  82 summary_and_cleanup () {
  83
  84     local rc=$?
  85     local var
  86     trap 0
  87
  88     # Having not empty END_RUN_FILE means the failed loads only
  89     if [ -s $END_RUN_FILE ]; then
  90         echo "Found the END_RUN_FILE file: $END_RUN_FILE"
  91         cat $END_RUN_FILE
  92         local END_RUN_NODE=
  93         read END_RUN_NODE < $END_RUN_FILE
  94
  95     # a client load will end (i.e. fail) if it finds
  96     # the end run file.  that does not mean that that client load
  97     # actually failed though.  the first node in the END_RUN_NODE is
  98     # the one we are really interested in.
  99         if [ -n "$END_RUN_NODE" ]; then
 100             var=${END_RUN_NODE}_load
 101             echo "Client load failed on node $END_RUN_NODE"
 102             echo
 103             echo "client $END_RUN_NODE load stdout and debug files :
 104               ${TESTSUITELOG}_run_${!var}.sh-${END_RUN_NODE}
 105               ${TESTSUITELOG}_run_${!var}.sh-${END_RUN_NODE}.debug"
 106         fi
 107         rc=1
 108     fi
 109
 110     echo $(date +'%F %H:%M:%S') Terminating clients loads ...
 111     echo "$0" >> $END_RUN_FILE
 112     local result=PASS
 113     [ $rc -eq 0 ] || result=FAIL
 114
 115     log "Duraion:                $DURATION
 116 Server failover period: $SERVER_FAILOVER_PERIOD seconds
 117 Exited after:           $ELAPSED seconds
 118 Number of failovers before exit:
 119 $(server_numfailovers)
 120 Status: $result: rc=$rc"
 121
 122     # stop the vmstats on the OSTs
 123     if [ "$VMSTAT" ]; then
 124         do_nodes $(comma_list $(osts_nodes)) "test -f /tmp/vmstat.pid && \
 125             { kill -s TERM \$(cat /tmp/vmstat.pid); rm -f /tmp/vmstat.pid; \
 126             gzip -f9 $vmstatLOG-\$(hostname); }"
 127     fi
 128
 129     # make sure the client loads die
 130     do_nodes $NODES_TO_USE "set -x; test -f $LOAD_PID_FILE && \
 131         { kill -s TERM \$(cat $LOAD_PID_FILE) || true; }"
 132
 133     # and free up the pdshes that started them, if any are still around
 134     if [ -n "$CLIENT_LOAD_PIDS" ]; then
 135         kill $CLIENT_LOAD_PIDS || true
 136         sleep 5
 137         kill -9 $CLIENT_LOAD_PIDS || true
 138     fi
 139     [ $rc -eq 0 ] && zconf_mount $(hostname) $MOUNT
 140
 141     exit $rc
 142 }
 143
 144 #
 145 # MAIN
 146 #
 147 log "-----============= $0 starting =============-----"
 148
 149 trap summary_and_cleanup EXIT INT
 150
 151 DURATION=${DURATION:-$((60*60*24))}
 152 ELAPSED=0
 153 NUM_FAILOVERS=0
 154
 155 # vmstat the osts
 156 if [ "$VMSTAT" ]; then
 157     do_nodes $(comma_list $(osts_nodes)) "vmstat 1 > $vmstatLOG-\$(hostname) 2>/dev/null </dev/null & echo \$! > /tmp/vmstat.pid"
 158 fi
 159
 160 # Start client loads.
 161 start_client_loads $NODES_TO_USE
 162
 163 echo clients load pids:
 164 if ! do_nodes $NODES_TO_USE "set -x; echo \$(hostname): && cat $LOAD_PID_FILE"; then
 165     if [ -e $DEBUGLOG ]; then
 166         exec 2<&-
 167         cat $DEBUGLOG
 168         exit 3
 169     fi
 170 fi
 171
 172 START_TS=$(date +%s)
 173 CURRENT_TS=$START_TS
 174
 175 if [ "$FLAVOR" == "MDS" ]; then
 176     SERVER_FAILOVER_PERIOD=$MDS_FAILOVER_PERIOD
 177     SERVERS=$MDTS
 178 else
 179     SERVER_FAILOVER_PERIOD=$OSS_FAILOVER_PERIOD
 180     SERVERS=$OSTS
 181 fi
 182
 183 SERVER_FAILOVER_PERIOD=${SERVER_FAILOVER_PERIOD:-$((60 * 10))} # 10 minutes
 184
 185 MINSLEEP=${MINSLEEP:-120}
 186 REQFAIL_PERCENT=${REQFAIL_PERCENT:-3}   # bug17839 comment 62
 187 REQFAIL=${REQFAIL:-$(( DURATION / SERVER_FAILOVER_PERIOD * REQFAIL_PERCENT / 100))}
 188 reqfail=0
 189 sleep=0
 190 while [ $ELAPSED -lt $DURATION -a ! -e $END_RUN_FILE ]; do
 191
 192     # In order to perform the
 193     # expected number of failovers, we need to account the following :
 194     # 1) the time that has elapsed during the client load checking
 195     # 2) time takes for failover
 196
 197     it_time_start=$(date +%s)
 198
 199     SERVERFACET=$(get_random_entry $SERVERS)
 200     var=${SERVERFACET}_nums
 201
 202     # Check that our client loads are still running. If any have died,
 203     # that means they have died outside of recovery, which is unacceptable.
 204
 205     log "==== Checking the clients loads BEFORE failover -- failure NOT OK \
 206     ELAPSED=$ELAPSED DURATION=$DURATION PERIOD=$SERVER_FAILOVER_PERIOD"
 207
 208     if ! check_client_loads $NODES_TO_USE; then
 209         exit 4
 210     fi
 211
 212     log "Starting failover on $SERVERNODE"
 213
 214     facet_failover "$SERVERFACET" || exit 1
 215
 216     # Check that our client loads are still running during failover.
 217     # No application failures should occur.
 218
 219     log "==== Checking the clients loads AFTER  failover -- failure NOT OK"
 220     if ! check_client_loads $NODES_TO_USE; then
 221         log "Client load failed during failover. Exiting"
 222         exit 5
 223     fi
 224
 225     # Increment the number of failovers
 226     NUM_FAILOVERS=$((NUM_FAILOVERS+1))
 227     val=$((${!var} + 1))
 228     eval $var=$val
 229
 230     CURRENT_TS=$(date +%s)
 231     ELAPSED=$((CURRENT_TS - START_TS))
 232
 233     sleep=$((SERVER_FAILOVER_PERIOD-(CURRENT_TS - it_time_start)))
 234
 235     # keep count the number of itterations when
 236     # time spend to failover and two client loads check exceeded
 237     # the value ( SERVER_FAILOVER_PERIOD - MINSLEEP )
 238     if [ $sleep -lt $MINSLEEP ]; then
 239         reqfail=$((reqfail +1))
 240         log "WARNING: failover and two check_client_loads time exceeded SERVER_FAILOVER_PERIOD - MINSLEEP !
 241 Failed to meet interval $reqfail times ( REQFAIL=$REQFAIL ); have sleep=$sleep"
 242         [ $reqfail -gt $REQFAIL ] && exit 6
 243     fi
 244
 245     log "$SERVERFACET has failed over ${!var} times, and counting..."
 246     if [ $sleep -gt 0 ]; then
 247         echo "sleeping $sleep seconds ... "
 248         sleep $sleep
 249     fi
 250 done
 251
 252 exit 0