VMware的vSphere虛擬化平臺以可靠性著稱，內置了諸如高可用（HA）等功能，確保物理服務器故障對最終用戶的影響降到最低，但不是所有Vmware用戶都使用了這些功能或類似的技術，即使使用了這些功能也不能保證不會發生意外，于是一個非常現實的問題就擺在了我們面前：當虛擬機速度變慢或宕機，ESXi服務器或vCenter失去響應等異常發生時，我們該做些什么？

vSphere故障解決概述

為了準備Vmware認證高級專家 – 數據中心管理員認證，以及vSphere故障解決課程，我花了大量時間解決各種vSphere故障，我甚至故意將vSphere破壞掉，然后嘗試進行修復，大多數時候我會成功，但也有失敗的情況。如果你也想在解決vSphere故障時取得成功，需要考慮的事情太多了，只要下面任何一項未考慮到，整個虛擬化基礎設施（VI）可能就會崩潰。

◇ 物理服務器：ESX和ESXi服務器需要電源、CPU、內存和本地磁盤，這些組件都有可能出現故障。

◇ 物理網絡：當你運行vSphere客戶端時，本地LAN為物理服務器、交換機、SAN/NAS、DNS服務器、終端用戶和你（管理員）提供連接保障（vSphere客戶端是一個管理工具，管理vSphere全靠它）。

◇ 共享存儲：存儲通常由SAN或NAS提供，大多數時候，如果SAN或NAS失去響應或連接丟失，虛擬基礎設施將會受到影響。

◇ ESX和ESXi服務器Hypervisor：服務器上的操作系統當然得正常運行，如果ESX或ESXi服務器遇到PSOD（紫屏），預示著馬上要出大問題了。

◇ vCenter：雖然vCenter不是虛擬機或ESX/ESXi服務器正常運行必需的東西，但借助它你可以查看虛擬基礎設施的運行狀態。

◇  虛擬機（VM）：如果Windows VM遇到BSOD（藍屏），恰好這個VM提供關鍵網絡服務，如域名解析服務，活動目錄或vCenter，如果它宕機了，整個基礎設施都將受到影響。

方法論

由于虛擬基礎設施（VI）正常工作涉及到的核心組件太多，你需要一個標準的，系統的問題解決方法，對于不同的組織可以采用不同的方法，但重要的是，無論你使用什么方法，每次遇到VI故障時，都應該使用相同的方法，并按同樣的順序執行操作。

例如，你的方法可能以開放系統互聯（OSI）模型為基礎，那么你應該從物理層開始，然后逐層上升，直到應用程序層，或者從應用程序層向下到物理層。但我建議你從OSI模型的中間層（網絡層）開始，根據問題的具體情況決定是向上還是向下排查。

◇ Ping ESX/ESXi服務器和vCenter服務器：驗證服務器是否開機或網絡是否連通，如果ping失敗，你應該先檢查網絡和電源，如果成功，則可以跳到下一步。

◇ 嘗試使用vSphere客戶端登錄到vCenter：如果不成功，嘗試登錄到ESX/ESXi主機，如果成功，繼續通過vSphere查看存儲是否可用，主機是否出現故障，運行vCenter的VM是否宕機等等。

◇  檢查vCenter進程：假設vCenter不可用，但VM運行在一個正常的主機上，如果需要，可以重啟vCenter進程。

這些只是解決虛擬基礎設施（VI）常見問題的一般步驟，下面我們一起來看一個更特殊的例子。

vSphere崩潰后該做些什么

有人向你報告問題時，你首先要做的是獲取更多與問題相關的信息，如什么服務不可用？的確如此嗎？物理服務器出了問題嗎？vCenter VM藍屏還是服務被停掉了？核心網絡交換機被鎖住了？SAN電力供應出現問題？僅僅是一個VM宕機，還是所有VM都當掉了嗎？沒錯，你應該先回答這些問題，找到確切的答案。

用戶不知道究竟是什么當掉了，他們也不關心這個，但這是你的工作，你可能猜到問題處在哪里，也許只需要一個小小的測試便能得知問題的根源，但需要注意的是，即使你相信自己真的找到了問題的根源，也要做完全面的測試，我不止一次遇到因測試不完整就確定問題根源而做出的錯誤決定，如原本是網絡問題，誤認為是服務器問題。

僅憑某個用戶報告的不確定問題要查明vSphere的真正問題根源是很困難的，用戶通常只會報告他們的應用程序不能正常工作了，你需要快速地得到該用戶正在使用哪些服務，對應的應用程序是否運行在VM上，然后一步步查找到問題之所在。

例如，如果你通過vSphere客戶端連接到vCenter服務器，這一結果可以得知許多事情 – 網絡肯定是連通的，DNS工作正常，你的PC可以連接到vCenter服務器，SAN運行正常，你的vCenter服務器和ESX主機通信正常等。

換句話說，如果你熟悉基礎設施，只需要簡單的測試，就可以快速找出問題的根源。

虛擬基礎設施（VI）中的大多數問題都與操作系統或應用程序有關，而不是VI自身的問題，在一些有前瞻性的企業里，總是能看到強大的系統管理工具，在終端用戶感知到問題發生之前，你可以提前預知可能出現的問題，但在許多企業中，還是終端用戶最先發現并報告問題，我們還是以上面的例子來解釋，假設終端用戶報告某個應用程序不能使用，你知道這個應用程序運行在VM上。
 

圖 1 vSphere客戶端圖形化顯示一臺ESXi服務器的性能指標

首先檢查客戶機操作系統和應用程序，你通過vSphere客戶端連接到VM的控制臺來實施檢查，操作系統是否藍屏？服務對應的應用程序出了問題？如果發現是客戶機操作系統或應用程序的問題，首先應該解決它們的問題。

假設你發現ESX/ESXi服務器啟動并運行正常，VM已開機，客戶機操作系統運行也正常，但運行在VM上的應用程序響應仍然很慢。

這時你應該檢查ESX/ESXi主機的性能 – 通常使用vSphere客戶端，但你也可以使用第三方工具，在這個例子中，一切看起來都很正常。
 

圖 2 vSphere客戶端圖形化顯示一個虛擬機的性能指標

從上圖可以看出，主機只有25%的內存利用率，CPU、磁盤和網絡利用率也都在合理范圍內。

接下來，切換到vSphere客戶端的“性能”標簽，檢查VM的內存性能。

注意觀察性能不佳應用程序駐留的VM的內存利用率，你可以獲得兩個結果：這個VM的內存配置過低，或應用程序本身消耗的內存過多。

使用Windows任務管理器檢查內存利用率，你會發現消耗內存過多的進程，在這個例子中，VM只分配了1GB內存，而這個應用程序就消耗了462MB，幾乎用掉了一半內存。
 

圖 3 通過Windows任務管理器查看內存消耗過多的進程

如果內存被不是你希望的應用程序使用（如一個惡意軟件或一個游戲），你可以殺掉它對應的進程或卸載那些應用程序。

另一方面，如果它是一個合法的進程，它的內存使用量也是可以調整的，你應該增加VM的內存，為操作系統和應用程序提供更多的內存

如果VM開啟了vSphere熱插拔內存（或熱添加CPU）功能，你可以在VM運行期間動態分配更多的內存，不需要關閉客戶機操作系統或停止終端用戶的應用程序。
 

圖 4 在虛擬機運行期間動態增加內存

延伸閱讀提示

Vmware發布了一份名叫“Vmware vSphere 4.1性能故障排除”的完整指南，它提供了詳細的故障排除流程圖，這份68頁的文檔比我這篇文章要詳細得多，涵蓋了vSphere故障解決的方方面面。

vSphere通常是非常可靠的，并且內置了許多功能保護終端用戶應用程序，防止服務器故障，但是，隨著使用vSphere（或其它Hypervisor）的時間增長，出現物理硬件（服務器、SAN或網絡）故障或軟件（ESX、ESXi、vCenter或客戶機操作系統）故障的幾率就越大，遇到問題時，要綜合考慮這些組件，才能幫助你快速地解決問題。

原文名：Virtualization: What to do when vSphere goes down  作者：David Davis

譯文鏈接：http://virtual.51cto.com/art/201105/259668.htm