aix管理总结

一、AIX系统数据安全措施
　　 在IBM小型机硬件配置期间，就应该考虑数据的安全性，系统资源的配置要满足容错处理的要求。主要应考虑以下几点：

①生产主机发生硬件故障后，备机可以马上自动接管应用系统；
　　②提高操作系统的硬件冗余，尽量减少单点故障对系统的影响；
　　③加强系统备份，减少系统版本升级造成的影响。
　　 针对以上要求，可以采取一些安全措施，主要是硬件资源的冗余备份、系统软件和应用软件的合理分布以及高可靠性集群软件的使用。我们的经验是：把AIX操作系统和HACMP(High Availability Cluster Multi-Processing)软件安装在rootvg上，因为rootvg损坏，系统将无法运行，即使通过备份磁带恢复，也会造成系统停机。因此在磁盘空间充裕的情况下，可考虑对rootvg作镜像。具体做法是将主机的两块内置硬盘做rootvg镜像，这样可提高系统的安全性，防止单块硬盘损坏对系统的影响，即使内置硬盘坏了一块，系统仍可正常运行。在建立rootvg镜像时，应尽量使用连接在不同SCSI上的硬盘，以做到负载均衡。另外，为提高系统的容错能力，可对磁盘阵列上的硬盘进行镜像配置（RAID０）或RAID５冗余配置，配置为datavg，在上面安装数据库和应用程序。为提高节点可靠性，可搭建HACMP集群环境，做到双机热备，即在２台互为备份的主机上配置HACMP参数，满足系统热备要求。在日常操作方面，要做好系统备份工作，定期对生产机做两个或两个以上的介质备份。

１．rootvg的配置
　　 将hdisk０和hdisk１做成mirror，配置为rootvg。
　　①把hdisk０、hdisk１加到rootvg：smitty extentvg hdisk１、hdisk０ →rootvg。
　　②做mirror：mirrorVG －ｃ ２ rootvg。
　　③在hdisk０、hdisk１上创建boot IMAGE:bosboot -ad hdisk０，bosboot -ad hdisk１。
　　④改变启动设备的顺序：bootlist -m normal hdisk０，hdisk１ cd0
　　 
　　２．HACMP工作原理
　　 HACMP主要是对群集（cluster）资源的管理，根据应用复杂程度和配置的不同，其群集资源的接管时间在30秒到300秒不等，完全不需要人工干预。一个群集中的资源通常包括：应用程序、硬盘、卷组（VG）、文件系统、NFS文件系统、IP地址等。资源分属三类资源组（Resource Group）：层递式（Cascading）、替换式（Rotating）、同时存取式（Concurrent）。不同类型的资源组对应不同的接管方式。一个群集中可以有几个资源组，它们可以分别是不同类型，因此，资源接管的方式可以多种多样，配置十分灵活。
　　 我们一般采用的是层递式方式，即热备份工作方式，其工作原理是：NodeA和NodeＢ都是资源组ａ的成员，该资源组ａ被设置成层递式方式，NodeＡ对其拥有最高优先级。因此NodeＡ在群集中处于active状态时，它会控制资源组ａ中的所有资源，此时NodeＢ处于闲置（idle）状态，仅当NodeＡ down掉时，NodeＢ才会接管资源组ａ，一旦NodeＡ重新加入群集，NodeＢ将释放资源组ａ?NodeＡ重新取得控制权。NodeＢ发生任何故障，不会造成任何影响。

二、AIX系统维护经验
　　 
　　１．故障信息的收集 
　　 收集故障信息对于判断、诊断故障原因，修复系统非常重要。我们通过检查系统错误报告?errorlog?、发给root用户的错误报告mail和检查HACMP.out、smit.log、boot.log等内容来判断系统是否发生故障，根据故障信息进行相应的处理。 
　　 （１）系统故障记录
　　 errdemon 进程在系统启动时自动运行，记录包括硬件、软件及其他操作信息，故障记录文件为/var/adm/ras/errlog，可备份下来或拷贝到别的机器上分析，使用errpt 命令（普通用户权限也可使用）。
　　 #errpt |more 列出简短出错信息
　　 #errpt -d H 列出所有硬件出错信息
　　 #errpt -d S 列出所有软件出错信息
　　 #errpt -aj ERROR_ID 列出详细出错信息
　　 （２）控制面板上的LED代码 
　　 （３）SMS(System Management Service)故障记录
　　 当主控台出现键盘图标后（LED显示“E1F1时”）按1键。选择“Utilities”，选择“Error log”，抄下８位故障代码。
　　 （４）Mail检查
　　 系统出现故障后会向root用户发mail，报告出错信息。通常系统出现故障后没有进行检查修复，系统还会定时以mail方式提醒root用户。 
　　 （５）运行故障诊断程序
　　 对系统硬件进行检查和诊断，当发现有硬件故障时应立即使用diag。
　　 #diag 
　　 ＞ 选高级诊断（Advanced Diagnostic） 
　　 ＞ 选问题诊断（Problem Determination）或选系统检查（System Verification） 
　　 diag运行后会给出ＳＲＮ代码、故障设备名称及百分比数、地址代码等。 
　　 （６）其他用于收集系统信息的命令
　　  lsdev -C 系统设备信息
　　  lspv 查看物理卷信息
　　  lsvg 查看卷组信息
　　  lslpp 查看文件组信息
　　  lsattr 查看设备参数设置
　　  lscfg 查看VPD（Virtual Product Data）信息
　　 
　　２．系统硬件故障定位
　　    IBM 小型机硬件故障定位方法包括小型机机柜上的显示面板上的Checkpoints信息，Error Code和SRNs。Checkpoints检查点是系统加电CMOS初始化程序   （IPL,Initial Program Load）运行后显示在机柜的显示面板上一系列信息。 
　　IPL流程如下：当系统加电后，自动进入IPL流程，IPL流程包括4个步骤，
　　①Service Processor的初始化，始于系统加电，直到OK显示在机柜上的显示面板上为止。这个步骤会显示8***或9*** Checkpoints代码。
　　②由Service Processor引导的硬件初始化，始于按下机柜上的白色电源开关。这个步骤会显示9*** Checkpoints。“91FF”是最后的代码，标志着第３步的开始。
　　③系统固件的初始化，一个系统处理器接管控制并继续初始化系统资源，这个步骤会显示E***。“E105”是最后的代码，标志着第4步骤AIX启动的开始。在这个过程中还会显示各种位置码（位置码代表着系统的每一个部分）。
　　④AIX启动，当AIX开始启动时，显示面板上的代码为0***，同时位置码会出现在第二行。当AIX的登录窗口出现在控制台上时，第4步骤结束，同时显示面板上再无任何信息显示。 
　　    当系统运行发现错误时，SRNs码（Service request numbers，服务请求码）会以***-***的形式显示在显示面板上，同时在AIX的errorlog中也会进行登记；当SSA磁盘柜出现故障时，在磁盘柜前面板的液晶显示屏上会显示相应的SRNs，同时黄色的显示灯会闪动，在AIX的errorlog中会登记相应错误信息，在出现问题后记录下代码，并告之IBM公司解决。 
　　 
　　3．软件问题处理
　　 软件故障情况错综复杂，下面列举几个常见的故障处理方法。 
　　 （１）文件系统空间不够
　　 查看有没有“满”的文件系统。特别是/、/var、/tmp，不要超过90%。文件系统满可导致系统不能正常工作，尤其是AIX的基本文件系统。如 / 根文件系统 满则会导致用户不能登录。用df -k查看。 
　　 # df -k 查看AIX的基本文件系统
　　 除/usr文件系统，其他文件系统都不应太满，一般不超过80%。 
　　 处理方法1：删除垃圾文件 
　　 #du –sk |sort –rn |head

 查找出当前目录下占空间最大的子目录，逐层往下直到找出占空间最大的文件（要区分哪些目录是文件系统的 mount point，哪些是文件系统的子目录）。删除文件，释放空间。有时删除文件后空间并不马上释放，这是由于删除的文件正被某个程序打开。只有当这个程序停止后，空间才释放，有时甚至需要重启系统。 
　　 处理方法2：增加文件系统大小 
　　 # smitty chjfs
　　 只要卷组VG中有剩余空间，文件系统可以在任何时候加大。 
　　 （２）检查文件系统的完整性
　　 # umount filesystem_name
　　 # fsck -y filesystem_name
　　 注意：文件系统必须先umount，再做检查和修复，否则将导致未知的后果。 
　　 （３）查看卷组信息
　　 查看是否有“stale”状态的逻辑卷。若有，用syncVG命令修复。 
　　 （４）检查内存交换区使用率
　　 检查使用率是否超过70%，若超过则用chps -sX pgname增加X个PP或用 mkps -a -n -sX myVG在myVG上增加一个PP数为X的内存交换区。 
　　 （５）小型机内存泄漏问题
　　 小型机出现内存泄漏，即系统或应用进程无法将使用过的内存释放，使可用内存的容量逐渐减少。如果可用内存降到某最小值将造成系统或应用程序无法FORK子进程，就会造成系统瘫痪。通常我们可以用ps和sar命令来查看小型机内存和CPU占用率的大概情况以及各进程的内存和CPU占用率的发展趋势。使用ps命令，可查看内存和CPU占用率的基本情况。找出其中占用内存数不断变大的进程，这个进程可能就已经发生了内存泄漏。 
　　 
　　４．IBM HACMP 双机热备系统的管理和维护 
　　 （１）HACMP 双机系统的启动 
　　 以root用户身份分别进入系统各节点，执行# smit clstart命令。
　　 （２）HACMP 双机系统的关闭 
　　 以root用户身份分别进入系统各节点，执行#smit clstop命令。
　　 （３）查询HACMP 双机系统的状态 
　　 在双机系统的运行中，操作员只有知道双机系统的当前状态，才有可能对双机系统出现的异常情况进行恢复处理，保证双机系统的高可用性和高容错性。查询HACMP双机系统的状态，以root用户身份进入需要查询的节点，用# lssrc -g cluster命令检查HACMP双机软件在该节点是否已启动，系统显示3个active的信息，则说明HACMP 双机软件已正常启动。
　　 在确认双机软件HACMP 正常启动的情况下，在命令行执行# /usr/sbin/cluster/clstat -a命令查看双机系统的当前状态。
　　 
　　５．网络故障处理 
　　 （１）网络不通的诊断过程
　　 ifconfig 查看网卡是否启动（up）；netstat -i查看网卡状态；Ierrs/Ipkts和Oerrs/Opkts是否>1%；ping本机网卡地址；ping其他机器地址，如不通，在其机器上用diag检测网卡是否有问题。 
　　 在同一网中，子网掩码应一致。 
　　 （２）网络配置的基本方法 
　　 ①如需修改网络地址、主机名等，一定要用chdev 命令。
　　 # chdev –l inet0 -a hostname=myhost
　　 # chdev -l en0 -a netaddr=‘112.0.15.1’ -a netmask=‘255.255.255.0’ 
　　 ②查看网卡状态：# lsdev -Cc -if
　　 ③确认网络地址：# ifconfig en0 
　　 ④启动网卡：# ifconfig en0 up 
　　 ⑤配置路由，有两种方式加入路由： 
　　 a．永久路由 
　　 # chdev -l inet0 -a route=‘112.1.15.2’,’112.0.15.254’
　　 b．临时路由 
　　 # route add 112.1.15.2 112.0.15.254 
　　 用命令 netstat -rn 查看路由表 
　　 
　　６．IBM公司的巡检流程
　　  IBM公司的巡检流程，对我们日常维护应重点关注的事项有所帮助，大家可以借鉴一下。
　　 （１）检查系统硬件情况：设备故障灯是否亮。
　　 （２）系统错误报告。
　　 （３）检查是否有发给root用户的错误报告。
　　 （４）检查HACMP.out,smit.log,boot.log。
　　 （５）关键系统的文件使用率不大于80%。
　　 （６）逻辑卷有否stale。
　　 （７）内存交换区使用率是否超过70％。
　　 （８）内存交换区的大小是否为物理内存的1.5倍。
　　 （９）检查备份情况（是否有系统备份、用户数据备份，磁带机是否需要清洗）。
　　 （１０）检查通信设置（网卡、IP、路由表、ping、/etc/hosts、DNS设置等）。
　　 （１１）是否有数据保护方式如RAID１０/RAID５?是否有HotSpare。
　　 （１２）系统DUMP设置是否正确。
　　 （１３）检查系统参数是否正确。
　　 （１４）检查rootvg是否镜像。
　　 （１５）检查errdemon srcmstr是否正常运行。
　　 （１６）检查机房环境（电压、湿度）。
　　 （１７）检查系统性能：是否存在性能瓶颈?topas vmstat?。
　　 （１８）检查补丁程序（PTF）、微码（是否需要升级）。
　　 （１９）进行HACMP测试：Cluster Verification。
　　 （２０）进行系统硬件诊断：运行故障诊断程序（Diagnostic）。

三、AIX系统参数优化
　　 AIX内核属于动态内核，核心参数基本上可以自动调整，因此当系统安装完毕后?应考虑修改的参数一般包括以下内容。
　　 
　　１．系统用户的最大登录数maxlogin 
　　 maxlogin的具体大小可根据用户数设定，可以通过smitty chlicense命令修改，该参数记录在/etc/security/login.cfg文件中，修改在系统重新启动后生效。
　　 
　　２．系统用户的limits参数 
　　 这些参数位于/etc/security/limits文件中，可以把这些参数设为-l?即无限制，可以用vi修改/etc/security/limits文件，所有修改在用户重新登录后生效。 
　　 
　　３．PagingSpace 
　　 检查PagingSpace的大小，在物理内存<2G时，应至少设定为物理内存的1.5倍，若物理内存>2G，可作适当调整。同时在创建PagingSpace时? 应尽量分配在不同的硬盘上，提高其性能。利用smitty chps修改原有PagingSpace的大小或利用smitty mkps增加一块PagingSpace。
　　 
　　４．系统核心参数配置 
　　 利用lsattr -Elsys0检查maxuproc，minpout，maxpout等参数的大小。maxuproc为每个用户的最大进程数?通常如果系统运行Oracle应调整maxuproc，将Default:128调整到500，maxuproc增加可以马上生效。当应用涉及大量的顺序读写而影响前台程序响应时间时，可考虑将maxpout设为33?minpout设为16，用smitty chgsys命令设置。
　　 
　　５．文件系统空间的设定 
　　 一般来说，文件系统/、/usr、/var、/tmp的使用率不应超过80%，/tmp建议至少为300M，文件系统满将导致系统不能正常工作，尤其是AIX的基本文件系统，如/?根文件系统?满则会导致用户不能登录。用df 查看:#df -k（查看AIX的基本文件系统），利用smitty chfs扩展文件系统的空间。 
　　 
　　６．激活SSA Fast -Write Cache
　　 利用smitty ssafastw激活每一个逻辑盘hdiskn的Fast -Write Cache:选择硬盘后，把Enable Fast -Write改为Yes后，回车即可。 
　　 
　　７．Hign water mark for pending write I/Os per file?maxpout?和Low water mark for pending write I/Os per file配置
　　 其缺省值为0，在双机环境中一般应将Hign water mark设为33?Low water mark设为24，这两个参数可用smitty chgsys来设置。 
　　 
　　８．syncd daemon的数据刷新频率 
　　 该值表示刷新内存数据到硬盘的频率，缺省值为60，一般可改为20，也可根据实际情况更改。该参数通过/sbin/rc.boot配置，将nohup/usr/sbin/syncd 60>/dev/null 2>&1&参数中的60改为20即可。

四、AIX系统备份和恢复
　　 备份和恢复是系统管理员经常要做的事情，主要包括rootvg备份和用户数据备份。
　　 
　　１．操作系统和系统程序的备份
　　 #tctl -f /dev/rmt0 rewind
　　 #smit mksysb
　　 在“备份设备或文件”中添入“/dev/rmt0”后回车，系统会运行很长时间，等到屏幕显示OK后拿出磁带。这时候，系统备份完成。mksysb仅备份rootvg中已安装的文件系统。
　　 
　　２．用户数据备份
　　 （１）常用磁带机选项 
　　 /dev/rmt0? 若选择/dev/rmt0，在插入磁带和写完一次磁带时，磁带机都将磁带反绕到头。因此?下一次备份文件将覆盖本次备份。
　　 /dev/rmt0.1?若选择 /dev/rmt0.1?则插入磁带和写完一次磁带时，磁带机均不反绕磁带。因此，一盘磁带可以连续备份几个文件或文件系统。
　　 （２）#smit fs
　　　选择“备份文件系统”，输入要备份的“文件系统名称”，输入“/dev/rmt0.1”，重复上述操作即可在同一盘磁带上备份多个文件系统。
　　 
　　３．rootvg的恢复
　　 启动机器进入维护模式，当出现“Welcome to Base Operating System Installation and Maintanence”时，选3 “Start Maintenance Mode for System Recovery”，要恢复系统，继续选4“Install from a System Backup”，出现“Choose mksysb Device”画面，选“/dev/rmt0”并插入磁带后回车，系统自动恢复操作系统。
　　 
　　４．用户数据恢复
         #tctl -f /dev/rmt0 rewind
         #smit fs
         选择“恢复文件系统”，添入“设备名称”和“目标目录”，系统会自动恢复相应目录。

五、AIX系统日常检查
　　 AIX系统日常检查工作是应用维护非常重要的部分，可以把系统故障排除在萌芽阶段，以下日常检查很有参考价值。
　　 （１）硬件检查
　　 检查各指示灯状态和各物理设备的可用情况。
　　 （２）进程检查
　　 检查是否有死进程，使用ps -ef命令列出正在运行的所有进程的各种信息。
　　 （３）文件系统是否满
　　 适用df -k命令可以以k为单位检查文件系统的使用率。
　　 （４）检查系统出错日志
　　 使用errpt |more令检查，清除现有的log?Errclear 0。
　　 （５）检查系统合法/非法登录情况
　　 使用Last命令检查登录地点。
　　 （６）检查系统是否有巨大的Core文件生成
　　 使用find / -name core - print命令检查。对Core文件，一般直接删除即可。
　　 （７）系统性能检查
　　 ①CPU性能：使用vmstat、topas命令检查。
　　 ②内存使用情况：使用topas，vmstat命令检查。
　　 ③检查I/O平衡使用情况：使用iostat命令检查。
　　 ④交换空间使用情况：使用lsps -a命令检查。
　　 （８）Mail检查

#mail

      系统会向root用户发mail报告出错信息。通常系统出现故障后没有进行检查

修复，系统会定时提醒root用户。