(r12) VSadmin < FZU

~~EditAttach~~Printable

r12 - 04 Nov 2008 - 12:58:13 - JanaUhlirovaYou are here: TWiki >

FZU Web > TWikiUsers > JiriChudoba > VSadmin

---+ Poznamky o provoznich udalostech na farme Golias

---++ 200810
 
   * 27.10. pad NFS serveru storage4, SAM testy neprochazely, vyreseno rebootem
   * 9.10. odvezen jeden server Sun Fire V890 (soucast LUNA) z RC05
   * 8.10. odstehovan prazdny rack RC06 (zhruba ve 13:00)

---++ 200809
 
   * 29.9. hardwarova zavada golias155 (totalni vypadek, ani nesviti zadna kontrolka), oprava objednana na 30.9. 10:00.
   * 3.9. ztrata sitoveho spojeni mezi FZU a svetem, neslo ani spojeni z farmy. Pricinou byla zavada na centralnim routeru. Tomas Fiala ho behem dne vymenil. Lokalni ulohy na farme nebyly ovlivneny.

---++ 200808

   * 7.8. restart PBS serveru, zatuhl zrejme pod vlivem mnoha volani qstat ze stroje hpv2. Ulohy nebyly ztraceny.

---++ 200807

   * 29.7. Upgrade PBS na verzi 9.2. 
   * 23.7. Pad PBS, z neznameho duvodu. Nebyly provadeny zadne administratorske zasahy ani nebyl zaznamenan vypadek site. Vzhledem k planovane reinstalaci PBS na novou verzi jsme priciny padu dele nezkoumali. Uzivatelske ulohy ztraceny.
   * 4.7. Zmeny v DPM poolech, zmenseni poctu atlas pool tak, aby se mohly zvetsit space tokens. Heppool1 ma nyni kapacitu 11.86 TB.


---++ 200806

   * 27.6. Pri pridani dalsiho (testovaciho) WN golias199 do PBS server spadl. Po delsim boji se opet rozebehl, konkretni priciny padu nejsou jasne. Ulohy byly zruseny a uzivatele je museli znovu poslat. 
   * 18.6. Vyprseni certifikatu DPM disk pool goliasx98, padaji ATLAS SAM SE testy. Zazadano o novy, do nagiosu doplnena kontrola platnosti certifikatu pro goliasx98 a se4. Automaticke varovani o vyprseni bylo dle ragistracni autority zasilano na adresu svecj zavinac fzu.cz.

---++ 200805

   * 31.5. 11:00 CE golias25 prestal publikovat udaje, bylo to kvuli zaplnenemu disku na / partition. Disk procisten do 2 hodin od hlaseni problemu. Automaticke varovani na zaplneny disk neprislo kvuli chybe v parsovacim programu (bude odstranena). Logy budou presunuty na jinou partition, tim by tento problem jiz nemel nastat. 
   * 28.5. asi 19:30 - problemy PBS serveru. Zpusobene vypadkem (hlasenym) site mezi .fzu.cz a farm.particle.cz. D0 joby a joby posilane pres grid byly zabity. Problemy prestaly po znovuobnoveni provozu 29.5. v 2:00, ale az do dopoledne zustalo mnoho WN ve stavu offline. Duvodem je zrejme chybejici sekundarni DNS server v domene farmy - bude nainstalovan.
   * 27.5. oprava a reinstalace 2 BL35p (golias126 a golias133). Vecer opet hw problem s golias133.
   * 26.5. server golias preinstalovan na SL5.1. Vecer PBS opet funkcni.
   * 23.5. 3:35 - pad PBS. Duvody nezname. Mozna chyba v glibc (podle TK).
   * 22.5. reinstalace nejstarsich WN lp1000r - prechod na LDAP
   * 22.5. oprava klimatizace. Vymena zvlhcovacich nadob, cena celkem 10 kKc. Predchozi vymena probehla v lednu 2008
   * 15.5. asi 16:30 - problemy PBS serveru vedouci k jeho padu, opetovny pad 16.5. brzy rano. Duvod neni potvrzen, pravdepodobne to zpusobila oprava uzlu golias133, ktery po rebootovani zahltil DHCP server zadostmi o IP adresu.


-- FZU.JiriChudoba - 30 Jun 2008

FZU

Webs
ATLAS
AUGER
FZU
ILC
Sandbox
TWiki
VS

Copyright &ÂŠ by the contributing authors. All material on this collaboration platform is the property of the contributing authors.
Ideas, requests, problems regarding TWiki? Send feedback