AIX 伺服器故障排除八大步驟實戰案例

資深 AIX 管理員總結的系統化故障排除方法論，搭配兩個真實案例 (LPAR 遷移效能異常、鏡像磁碟壞軌無法解除鏡像) 完整演示八步驟應用。

案例一：LPAR 遷移至 POWER6 新機器後效能驟降

• 現象：用戶無法存取應用，CPU 完全閒置，無高負載進程。
• 環境：AIX 5.3 LPAR 從 p670 (POWER4) 遷移至 p570 (POWER6)，透過 mksysb + NIM 恢復，SAN 磁碟映射。

案例二：鏡像根磁碟壞軌無法解除鏡像

• 現象：unmirrorvg 失敗，提示某邏輯卷僅有一份良好副本且位於故障磁碟。
• 目標：更換故障磁碟並恢復鏡像。

八大故障排除步驟

步驟 1：別亂動

發現問題第一時間凍結變更。案例一：立即踢出用戶、停止應用，防止髒資料寫入；案例二：不嘗試強制操作故障磁碟。

步驟 2：從基礎指令入手，逐步深入

案例一：topas、vmstat、iostat 確認資源閒置 → lparstat 檢視配置。
案例二：errpt 看硬體錯誤 → unmirrorvg 失敗 → lspv/lsvg/migratepv 收集資訊 → 嘗試 extendvg/mirrorvg 在新磁碟建立副本 → syncvg/synclvodm 同步 ODM → migratelp 逐分區遷移。

步驟 3：重現問題

案例一：將 SAN 磁碟切回舊 p670 啟動 → 問題消失，CPU 正常 80% 負載。結論：問題在 p570 硬體/配置特有，非遷移過程引入。

步驟 4：研究問題

• 官方資源：IBM Redbooks、技術文檔、man pages、知識庫。
• 社群：技術論壇、郵件列表、專業站點 (搜尋技巧：關鍵字加 AIX 前綴、錯誤代碼加雙引號)。
• 案例二：Google AIX "bad block relocation" failure 無直接匹配。

步驟 5：回滾變更 (視時機決定)

案例一：因業務壓力回滾遷移，一週後重試問題復現。
案例二：硬體故障無法回滾，必須向前解決。

步驟 6：單一變更原則

案例一：對比 HMC 配置檔，發現舊機用「專用 CPU」，新機用「無上限共享 CPU 池」。單一變更：改新機為專用 CPU → 問題解決，用戶回報正常，CPU 出現負載。鎖定根因在 CPU 資源分配模式。

步驟 7：尋求 IBM 官方支援

• 準備：合約號、序列號、電話/位置、嚴重等級 (1-4 級，1 級即時響應)。
• 建立 PMR (Problem Management Record) 追蹤。
• 案例一：IBM 調動 VIO、核心團隊多部門協作。
  案例二：硬體工程師介入，提供 snap 輸出分析。

步驟 8：非常規手段 (最後手段)

IBM 可能告知「不受支援狀態」，但若有效可化險為夷。需極度謹慎、完整記錄、評估風險。

核心心法

• 科學方法： 假設 → 驗證 → 重現 → 結論。
• 單一變更： 避免多重變更導致無法歸因或引入新問題。
• 知識沉澱： 每次故障產出文檔，建立團隊知識庫。
• 善用資源： 官方文檔 > 社群經驗 > 盲目嘗試；付費支援是關鍵時刻的保障。