■ 北京市馳宇通信導(dǎo)航工程公司 秦明

編者按：MQ故障原因很多，經(jīng)常會出現(xiàn)MQ軟件故障，但有時其他方面的故障卻容易被忽略，本文講解了因為網(wǎng)絡(luò)原因?qū)е碌囊淮喂收希ΤＲ姷腗Q故障做了總結(jié)。

MQ在銀行、電信、交通運輸、政府機關(guān)等各行各業(yè)廣泛應(yīng)用，它以其特有的先進機制保證對消息的“Once and Once only”的傳輸，做到不丟失、不復(fù)傳，保證傳輸?shù)目煽啃浴?/p>

MQ應(yīng)用于民航數(shù)據(jù)庫中，MQ消息是24小時不間斷發(fā)送。隨著MQ在民航數(shù)據(jù)庫中應(yīng)用越來越多，MQ故障也越來越多。MQ故障又分為很多種，有時處理一個故障要花費不少時間。為了盡可能縮短處理MQ故障時間，急需把民航數(shù)據(jù)庫中MQ的故障總結(jié)出來，并加以分析。當(dāng)以后再遇到相同故障時，能及時處理故障。保證MQ在民航數(shù)據(jù)庫中不間斷地傳輸數(shù)據(jù)。本文結(jié)合MQ在民航數(shù)據(jù)庫的應(yīng)用，分析MQ在應(yīng)用中的一個故障。

圖1 MQ的簡單流程

民航數(shù)據(jù)庫系統(tǒng)是一個實時數(shù)據(jù)庫系統(tǒng)，MQ在民航數(shù)據(jù)庫中主要負責(zé)傳輸各種數(shù)據(jù)。MQ的簡單流程如圖1所示。

圖1中，當(dāng)應(yīng)用程序A把消息放在隊列管理器A的遠程隊列A中時，消息將被存放在傳輸隊列B中，直到發(fā)送通道A被啟動。當(dāng)發(fā)送通道A啟動時，機器B的接收通道被自動啟動。MCA將消息交付到遠程隊列管理器B的目標(biāo)隊列中，即本地隊列C中。應(yīng)用程序C從本地隊列C接收消息。如果本地隊列不存在或隊列已滿，則將消息交付死信隊列，如無死信隊列則消息滯留在傳輸隊列中，通道則被堵塞，如果是非永久消息則丟棄。消息通道的兩端都必須處在“running”狀態(tài)，消息才能被發(fā)送。

以上是消息從機器A的隊列管理器A發(fā)送到機器B的隊列管理器B。反過來，當(dāng)應(yīng)用程序D把消息放在隊列管理器D的遠程隊列D中時，消息將被存放在傳輸隊列E中，直到發(fā)送通道B被啟動。當(dāng)發(fā)送通道B啟動時，機器A的接收通道被自動啟動。MCA將消息交付到遠程隊列管理器A的目標(biāo)隊列中，即本地隊列F中。應(yīng)用程序B從本地隊列F接收消息。

民航數(shù)據(jù)庫應(yīng)用中的一個故障分析

1.故障現(xiàn)象

通訊機機器A負責(zé)向數(shù)據(jù)庫DB01機器和數(shù)據(jù)庫DB02機器傳輸各種數(shù)據(jù)，當(dāng)時通訊機A機器發(fā)生硬盤故障，無法重新啟動機器。決定啟用通訊機A備份機器。重新啟動通訊機A備份機器后，啟動MQ隊列管理器，啟動相關(guān)應(yīng)用程序后，還需啟動通訊機機器A備機到數(shù)據(jù)庫DB01和數(shù)據(jù)庫DB02的通道。

在通道的發(fā)送方運行命令：

Stop CHANNEL(通道名)

RESET CHANNEL(通道名)

在通道的接收方運行命令：

RESET CHANNEL(通道名)

然后再在通道的發(fā)送方運行命令：

Start CHANNEL(通道名)

啟動通道后，到數(shù)據(jù)庫DB01通道狀態(tài)是retrying,一直不能變成running。到數(shù)據(jù)庫DB02的通道是running。又嘗試了一次重啟到數(shù)據(jù)庫DB01通道，還是retrying。

2.故障原因及解決方法

查看網(wǎng)絡(luò)是否連通，ping數(shù)據(jù)庫DB01的IP地址，發(fā)現(xiàn)網(wǎng)絡(luò)不通。通訊機A備機和數(shù)據(jù)庫DB01是不同網(wǎng)段的，查看路由發(fā)現(xiàn)沒有添加路由。手工添加路由后，ping數(shù)據(jù)庫DB01的IP地址，發(fā)現(xiàn)網(wǎng)絡(luò)連通，到數(shù)據(jù)庫DB01的通道變成running，故障解決。

3.故障分析總結(jié)

由此看出，保障MQ正常傳輸數(shù)據(jù)，首先要保障網(wǎng)絡(luò)連接正常。如果網(wǎng)絡(luò)不通的故障不經(jīng)常出現(xiàn)，比較容易忽視掉。

而且網(wǎng)絡(luò)不通也有很多種情況，比如某段網(wǎng)線的問題、網(wǎng)線結(jié)晶頭問題、HUB故障、HUB端口問題、路由器故障、路由器端口問題、路由器設(shè)置問題、光纖問題、路由沒有添加問題，還有因為斷電問題引起等等，都需要一步一步排查。

（1）某段網(wǎng)線有問題

當(dāng)網(wǎng)絡(luò)不通時，可能是某段網(wǎng)線有問題，可以使用測網(wǎng)線儀器，每段網(wǎng)線進行測試，最后找到有問題的網(wǎng)線，更換網(wǎng)線。

（2）網(wǎng)線結(jié)晶頭問題

更換網(wǎng)線結(jié)晶頭。

（3）HUB故障

發(fā)現(xiàn)HUB故障，更換一個新HUB。

（4）HUB端口問題

如果是HUB端口問題，可以更換另外一個端口。也可以更換一個新HUB。

（5）路由器故障

發(fā)現(xiàn)路由器故障，更換一個新HUB。

（6）路由器端口問題

可以更換另外一個端口。

（7）路由器設(shè)置問題

如果發(fā)現(xiàn)是路由器設(shè)置問題，恢復(fù)原先備份的路由器配置，或者重新配置路由器。

（8）光纖問題

如果發(fā)現(xiàn)是光纖問題，可以使用儀器測光纖，找到有問題的光纖，更換光纖。或者使用備份光纖。

（9）斷電問題

如果發(fā)現(xiàn)是斷電問題，及時聯(lián)系電工處理進行恢復(fù)。

（10）沒有添加路由問題

手工添加路由。

通過上面MQ的故障實例，可以清楚知道這次故障主要是沒有添加路由，導(dǎo)致網(wǎng)絡(luò)不通，不是MQ軟件故障。但是剛開始切換通訊機備機后，到數(shù)據(jù)庫DB01通道狀態(tài)是retrying,一直不能變成running，會習(xí)慣性的認為是MQ軟件故障。因為局域網(wǎng)的網(wǎng)絡(luò)故障很少發(fā)生，大部分時間網(wǎng)絡(luò)基本上都是通的，故障率很低，而且每天巡視設(shè)備和檢查網(wǎng)絡(luò)，所以網(wǎng)絡(luò)故障很容易被忽視。第一故障點排查時會檢查MQ軟件故障，比如通常先檢查MQ錯誤日志；重置MQ序列號，重啟通道；查看MQ有沒有啟動通道監(jiān)聽程序；還有MQ的權(quán)限問題等等。

如果這樣一步一步查下去，每一步都要浪費不少時間，最后可能還是沒查出問題所在。那么如果先檢查網(wǎng)絡(luò)狀況的話，耽誤的時間很少，一個ping命令就可以。如果不是網(wǎng)絡(luò)故障很快就能排除。如果是網(wǎng)絡(luò)故障，直接就去查網(wǎng)絡(luò)，然后找到故障點，找到處理故障的方法。

結(jié)語

目前應(yīng)用最多的消息中間件產(chǎn)品為IBM MQ。MQ應(yīng)用于民航數(shù)據(jù)庫中，要保證MQ消息24小時不間斷地發(fā)送，因此快速處理MQ故障越來越重要。

所以我們要總結(jié)經(jīng)驗，寫成維護手冊。當(dāng)以后再出現(xiàn)這種類似故障時，能快速找到故障點，處理故障， 大大縮短處理故障的時間，保障MQ在民航數(shù)據(jù)庫中及時傳輸數(shù)據(jù)。