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