在该节点上 ping 其他节点 IP，测试是否 ping 通。

如果 ping 不通，执行步骤（1）（2），检查该节点网络、IP 配置、防火墙配置等。

如果 ping 通，执行步骤（3）确认告警时间点网络是否断开。

（1）检查 IP 是否正常：

ifconfig 查看 etcd 使用的 IP 是否存在，如果不存在，排查 IP 配置丢失原因，常见原因是虚拟机重启后 IP 没有重新配置，导致丢失。

（2）检查防火墙是否正常

在 Ruby 用户下查看 etcd 的 IP 和端口： ps ux | grep etcd

在 root 用户下 iptables -L 命令检查防火墙是否限制了 IP 和端口，如果有限制，去掉防火墙限制。

(3) 查看 etcd 日志

进入 Ruby 用户

cd $GAUSSLOG/cm/etcd

查看对应时间点的 etcd_xxx.log 日志，如果有如下日志，可能是 etcd 节点间网络断开，或者对端的 etcd 进程 down，导致本端 etcd 连接断开。

排查网络原因或对端的 etcd 进程是否重启，网络原因可能是网络断开，网卡故障，也有可能是虚拟机故障。

grpc: Server.processUnaryRPC failed to write status: connection error: desc = "transport is closing"

rafthttp: lost the TCP streaming connection with peer c797ab3a61e2ea55 (stream MsgApp v2 reader)

etcdserver: failed to reach the peerURL(https:// X.X.X.X:X) of member c797ab3a61e2ea55 (Get "https://X.X.X.X:X/version": dial tcp X.X.X.X:X: i/o timeout)

rafthttp: health check for peer c797ab3a61e2ea55 could not connect: dial tcp X.X.X.X:X: i/o timeout (prober "ROUND_TRIPPER_RAFT_MESSAGE")

处理步骤

处理步骤同上，已说明。

负载过重导致 ETCD 服务异常警告

问题现象

管控面上报 etcd 服务异常告警，磁盘 IO/CPU/ 内存 很高.

问题分析及界定

进入 Ruby 用户

cd $GAUSSLOG/cm/etcd

查看对应时间点的 etcd_xxx.log 日志，告警时间点有如下日志，说明 etcd 节点负载过重，磁盘 IO、CPU 等压力大。

2021-04-09 10:57:40.112936 W | wal: sync duration of 2.00201804s, expected less than 1s === 通常这个表示磁盘 IO 压力大。

2021-04-09 10:57:40.112993 W | etcdserver: failed to send out heartbeat on time (exceeded the 1s timeout for 2.124414ms, to c8eccd97bed22939)

2021-04-09 10:57:40.112999 W | etcdserver: server is likely overloaded

2021-04-09 10:57:43.126444 W | etcdserver: read-only range request "key:\"/Ruby/ignoreNodeNumKey\" " with result "error:context canceled" took too long (1.999877971s) to execute

cd $GAUSSLOG/cm/cm_agent

搜索对应时间点的 cm_agent-xxx.log, 如果有如下日志，表示当时磁盘 io 比较高， io util 100 表示磁盘 io 达到 100%

2021-04-09 11:06:24.047 tid=15822 LOG: device vdb1, tot_ticks 889640579, cputime 1798651342, io util 100