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