Wiki: SchönKitchen-Wertstromanalyse + CephFS/Kernel-Incident-Stand (31.10.)
This commit is contained in:
@@ -211,7 +211,11 @@ Seit 2026-09-29: RKE2 CP/Worker + Hermes hinzugefügt.
|
||||
- `setpci -s 00:1c.0 CAP_EXP+10.w` schlägt fehl: **`Lockdown: setpci: direct PCI access is restricted`** — Ursache ist **Secure Boot** (`mokutil: SecureBoot enabled`, Lockdown-Policy `integrity`), nicht fehlende Rechte.
|
||||
- ⇒ **ASPM lässt sich nur im BIOS** abschalten (`PCIe ASPM Support = Disabled`), also bei physischem Zugang. Alternativ Hardware: Kabel/Switch-Port tauschen.
|
||||
- EEE ist als Ursache ausgeschlossen (`EEE status: not supported`), PCI-Runtime-PM ebenfalls (`power/control=on`, `active`).
|
||||
- **Gegenmaßnahme (aktiv):** `/usr/local/sbin/nic-watchdog.sh` + `nic-watchdog.timer` (alle 15 s): bei `carrier=0` → `ip link set enp1s0 down/up` + `ethtool -r`, danach `modprobe -r/-i r8169`. Log: `/var/log/nic-watchdog.log`. Ziel: Auto-Recovery in Sekunden statt manueller Power-Cycle.
|
||||
- **Gegenmaßnahme (aktiv, v2 seit 2026-10-31):** `/usr/local/sbin/nic-watchdog.sh` + `nic-watchdog.timer` (alle 15 s). Log: `/var/log/nic-watchdog.log`.
|
||||
- **v1 war blind (Vorfall 2026-10-31):** v1 las `cat /sys/class/net/enp1s0/carrier || echo 1` — ist das Interface **administrativ** down, liefert die Datei `Invalid argument`, und `|| echo 1` machte daraus **„gesund"**. Folge: Watchdog lief 2 h alle 20 s durch, beendete sich jedes Mal sofort mit exit 0, unternahm nichts — der Node blieb netzlos, obwohl der Host gesund weiterlief (Ceph „no reply", NUT `No route to host`). Zusätzlich: `modprobe -r r8169` hätte die Bond-Mitgliedschaft zerstört.
|
||||
- **v2 (deployed + getestet 2026-10-31):** unterscheidet `carrier=1` / `carrier=0` / `carrier=-1 (unlesbar = admin-down)` und prüft zusätzlich `IFF_UP` (Flags-Bit 0x1) **und** ob `vmbr1` die MGMT-IP `10.0.20.30` trägt. Handelt in allen drei Fällen: `up` → `down/up` + `ethtool -r` → **`ifreload -a`** (Bond/Bridge/VLAN idempotent nachziehen). **Kein `modprobe`** mehr. `flock` gegen Parallel-Läufe. Backup: `nic-watchdog.sh.v1-bak`.
|
||||
- **Test-Methode (risikofrei):** Dummy-Interface `nictst0`, `IFACE=nictst0 BRIDGE=lo MGMIP=127.0.0.1 SKIP_IFRELOAD=1` — gesund ⇒ kein Log; `ip link set nictst0 down` ⇒ v2 loggt `admin=down carrier=-1` und bringt es hoch. **Kein Live-Test an `enp1s0`** (siehe Lehre unten).
|
||||
- **Lehre (2026-10-31):** Ein „Link absichtlich kappen"-Test ist auf einem Produktions-PVE-Node **nicht risikoarm**. Ein fehlerhafter Test-Helper hat proxmox3 für 2 h vom Netz getrennt; Recovery nur per Power-Cycle. Künftig: Detektionslogik immer gegen Dummy-Interface testen, nie gegen das einzige Uplink.
|
||||
- **Merke:** `qm start 102` auf proxmox3 hing am Ceph-I/O-Pfad und wurde als Mitauslöser verdächtigt — VM102 lebt inzwischen auf ms-a2-2 (siehe Verteilungstabelle), Config dort starten.
|
||||
|
||||
## Related
|
||||
|
||||
Reference in New Issue
Block a user