<div dir="ltr">Thank you for spending time looking at my problem, really appreciate it.<div><br></div><div><div>Additional information on my problem</div><div><br></div><div>Before doing a restart on the primary node, tcpdump shows (exchange is good):</div><div>IP node01.55010 > node02.5405: UDP, length 87</div><div>IP node01.5405 > node02.5405: UDP, length 74</div><div>IP node02.5405 > node01.5405: UDP, length 74</div><div>IP node01.55010 > node02.5405: UDP, length 87</div><div>IP node01.5405 > node02.5405: UDP, length 74</div><div>IP node02.5405 > node01.5405: UDP, length 74</div><div>IP node01.55010 > node02.5405: UDP, length 87</div><div>IP node01.5405 > node02.5405: UDP, length 74</div><div><br></div><div>On the surviving node, pacemaker and corosync seems not respoding.</div><div># /etc/init.d/pacemaker stop</div><div>Signaling Pacemaker Cluster Manager to terminate: [  OK  ]</div><div>Waiting for cluster services to unload:...................</div><div>..........................................................</div><div>..........................................................</div><div>.........^C</div><div><br></div><div># logs:</div><div>node01 pacemakerd[9486]:   notice: pcmk_shutdown_worker: Shuting down Pacemaker</div><div>node01 pacemakerd[9486]:   notice: stop_child: Stopping crmd: Sent -15 to process 9493</div><div><br></div><div># /etc/init.d/corosync stop</div><div> * Stopping corosync daemon corosync</div><div>^C</div><div><br></div><div># service drbd stop</div><div> * Stopping all DRBD resources                    [ OK ]</div><div> </div><div>Cannot reboot the vm unless I kill corosync and pacemaker</div><div><br></div><div>Node 1 & node 2's tcp dump after node02 went up again:</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div>IP node02.52587 > node01.5405: UDP, length 87</div><div><br></div><div>HA will work again after I reboot node01 and exchange is good again:</div><div>IP node01.55010 > node02.5405: UDP, length 87</div><div>IP node01.5405 > node02.5405: UDP, length 74</div><div>IP node02.5405 > node01.5405: UDP, length 74</div><div>IP node01.55010 > node02.5405: UDP, length 87</div><div>IP node01.5405 > node02.5405: UDP, length 74</div><div>IP node02.5405 > node01.5405: UDP, length 74</div><div><br></div><div>Is it required to do resource-level fencing as what Vladislav Bogdanov mentioned?</div><div>> You'd need to configure fencing at the drbd resources level.</div><div>> <a href="http://www.drbd.org/users-guide-emb/s-pacemaker-fencing.html#s-pacemaker-fencing-cib">http://www.drbd.org/users-guide-emb/s-pacemaker-fencing.html#s-pacemaker-fencing-cib</a></div><div><br></div></div><div>Thanks,</div><div>Kiam</div></div><div class="gmail_extra"><br><div class="gmail_quote">On Thu, Sep 11, 2014 at 12:23 PM, Andrew Beekhof <span dir="ltr"><<a href="mailto:andrew@beekhof.net" target="_blank">andrew@beekhof.net</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><br>
On 11 Sep 2014, at 12:57 pm, Norbert Kiam Maclang <<a href="mailto:norbert.kiam.maclang@gmail.com">norbert.kiam.maclang@gmail.com</a>> wrote:<br>
<br>
> Is this something to do with quorum? But I already set<br>
><br>
> property no-quorum-policy="ignore" \<br>
>       expected-quorum-votes="1"<br>
<br>
No fencing wouldn't be helping.<br>
And it looks like drbd resources are hanging, not pacemaker/corosync.<br>
<br>
> Sep 10 10:26:12 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 8445) timed out<br>
> Sep 10 10:26:12 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:8445 - timed out after 20000ms<br>
<br>
<br>
<br>
<br>
><br>
> Thanks in advance,<br>
> Kiam<br>
><br>
> On Thu, Sep 11, 2014 at 10:09 AM, Norbert Kiam Maclang <<a href="mailto:norbert.kiam.maclang@gmail.com">norbert.kiam.maclang@gmail.com</a>> wrote:<br>
> Hi,<br>
><br>
> Please help me understand what is causing the problem. I have a 2 node cluster running on vms using KVM. Each vm (I am using Ubuntu 14.04) runs on a separate hypervisor on separate machines. All are working well during testing (I restarted the vms alternately), but after a day when I kill the other node, I always end up corosync and pacemaker hangs on the surviving node. Date and time on the vms are in sync, I use unicast, tcpdump shows both nodes exchanges, confirmed that DRBD is healthy and crm_mon show good status before I kill the other node. Below are my configurations and versions I used:<br>
><br>
> corosync             2.3.3-1ubuntu1<br>
> crmsh                1.2.5+hg1034-1ubuntu3<br>
> drbd8-utils          2:8.4.4-1ubuntu1<br>
> libcorosync-common4  2.3.3-1ubuntu1<br>
> libcrmcluster4       1.1.10+git20130802-1ubuntu2<br>
> libcrmcommon3        1.1.10+git20130802-1ubuntu2<br>
> libcrmservice1       1.1.10+git20130802-1ubuntu2<br>
> pacemaker            1.1.10+git20130802-1ubuntu2<br>
> pacemaker-cli-utils  1.1.10+git20130802-1ubuntu2<br>
> postgresql-9.3       9.3.5-0ubuntu0.14.04.1<br>
><br>
> # /etc/corosync/corosync:<br>
> totem {<br>
>       version: 2<br>
>       token: 3000<br>
>       token_retransmits_before_loss_const: 10<br>
>       join: 60<br>
>       consensus: 3600<br>
>       vsftype: none<br>
>       max_messages: 20<br>
>       clear_node_high_bit: yes<br>
>       secauth: off<br>
>       threads: 0<br>
>       rrp_mode: none<br>
>       interface {<br>
>                 member {<br>
>                         memberaddr: 10.2.136.56<br>
>                 }<br>
>                 member {<br>
>                         memberaddr: 10.2.136.57<br>
>                 }<br>
>                 ringnumber: 0<br>
>                 bindnetaddr: 10.2.136.0<br>
>                 mcastport: 5405<br>
>         }<br>
>         transport: udpu<br>
> }<br>
> amf {<br>
>       mode: disabled<br>
> }<br>
> quorum {<br>
>       provider: corosync_votequorum<br>
>       expected_votes: 1<br>
> }<br>
> aisexec {<br>
>         user:   root<br>
>         group:  root<br>
> }<br>
> logging {<br>
>         fileline: off<br>
>         to_stderr: yes<br>
>         to_logfile: no<br>
>         to_syslog: yes<br>
>       syslog_facility: daemon<br>
>         debug: off<br>
>         timestamp: on<br>
>         logger_subsys {<br>
>                 subsys: AMF<br>
>                 debug: off<br>
>                 tags: enter|leave|trace1|trace2|trace3|trace4|trace6<br>
>         }<br>
> }<br>
><br>
> # /etc/corosync/service.d/pcmk:<br>
> service {<br>
>   name: pacemaker<br>
>   ver: 1<br>
> }<br>
><br>
> /etc/drbd.d/global_common.conf:<br>
> global {<br>
>       usage-count no;<br>
> }<br>
><br>
> common {<br>
>       net {<br>
>                 protocol C;<br>
>       }<br>
> }<br>
><br>
> # /etc/drbd.d/pg.res:<br>
> resource pg {<br>
>   device /dev/drbd0;<br>
>   disk /dev/vdb;<br>
>   meta-disk internal;<br>
>   startup {<br>
>     wfc-timeout 15;<br>
>     degr-wfc-timeout 60;<br>
>   }<br>
>   disk {<br>
>     on-io-error detach;<br>
>     resync-rate 40M;<br>
>   }<br>
>   on node01 {<br>
>     address <a href="http://10.2.136.56:7789" target="_blank">10.2.136.56:7789</a>;<br>
>   }<br>
>   on node02 {<br>
>     address <a href="http://10.2.136.57:7789" target="_blank">10.2.136.57:7789</a>;<br>
>   }<br>
>   net {<br>
>     verify-alg md5;<br>
>     after-sb-0pri discard-zero-changes;<br>
>     after-sb-1pri discard-secondary;<br>
>     after-sb-2pri disconnect;<br>
>   }<br>
> }<br>
><br>
> # Pacemaker configuration:<br>
> node $id="167938104" node01<br>
> node $id="167938105" node02<br>
> primitive drbd_pg ocf:linbit:drbd \<br>
>       params drbd_resource="pg" \<br>
>       op monitor interval="29s" role="Master" \<br>
>       op monitor interval="31s" role="Slave"<br>
> primitive fs_pg ocf:heartbeat:Filesystem \<br>
>       params device="/dev/drbd0" directory="/var/lib/postgresql/9.3/main" fstype="ext4"<br>
> primitive ip_pg ocf:heartbeat:IPaddr2 \<br>
>       params ip="10.2.136.59" cidr_netmask="24" nic="eth0"<br>
> primitive lsb_pg lsb:postgresql<br>
> group PGServer fs_pg lsb_pg ip_pg<br>
> ms ms_drbd_pg drbd_pg \<br>
>       meta master-max="1" master-node-max="1" clone-max="2" clone-node-max="1" notify="true"<br>
> colocation pg_on_drbd inf: PGServer ms_drbd_pg:Master<br>
> order pg_after_drbd inf: ms_drbd_pg:promote PGServer:start<br>
> property $id="cib-bootstrap-options" \<br>
>       dc-version="1.1.10-42f2063" \<br>
>       cluster-infrastructure="corosync" \<br>
>       stonith-enabled="false" \<br>
>       no-quorum-policy="ignore"<br>
> rsc_defaults $id="rsc-options" \<br>
>       resource-stickiness="100"<br>
><br>
> # Logs on node01<br>
> Sep 10 10:25:33 node01 crmd[1019]:   notice: peer_update_callback: Our peer on the DC is dead<br>
> Sep 10 10:25:33 node01 crmd[1019]:   notice: do_state_transition: State transition S_NOT_DC -> S_ELECTION [ input=I_ELECTION cause=C_CRMD_STATUS_CALLBACK origin=peer_update_callback ]<br>
> Sep 10 10:25:33 node01 crmd[1019]:   notice: do_state_transition: State transition S_ELECTION -> S_INTEGRATION [ input=I_ELECTION_DC cause=C_FSA_INTERNAL origin=do_election_check ]<br>
> Sep 10 10:25:33 node01 corosync[940]:   [TOTEM ] A new membership (<a href="http://10.2.136.56:52" target="_blank">10.2.136.56:52</a>) was formed. Members left: 167938105<br>
> Sep 10 10:25:45 node01 kernel: [74452.740024] d-con pg: PingAck did not arrive in time.<br>
> Sep 10 10:25:45 node01 kernel: [74452.740169] d-con pg: peer( Primary -> Unknown ) conn( Connected -> NetworkFailure ) pdsk( UpToDate -> DUnknown )<br>
> Sep 10 10:25:45 node01 kernel: [74452.740987] d-con pg: asender terminated<br>
> Sep 10 10:25:45 node01 kernel: [74452.740999] d-con pg: Terminating drbd_a_pg<br>
> Sep 10 10:25:45 node01 kernel: [74452.741235] d-con pg: Connection closed<br>
> Sep 10 10:25:45 node01 kernel: [74452.741259] d-con pg: conn( NetworkFailure -> Unconnected )<br>
> Sep 10 10:25:45 node01 kernel: [74452.741260] d-con pg: receiver terminated<br>
> Sep 10 10:25:45 node01 kernel: [74452.741261] d-con pg: Restarting receiver thread<br>
> Sep 10 10:25:45 node01 kernel: [74452.741262] d-con pg: receiver (re)started<br>
> Sep 10 10:25:45 node01 kernel: [74452.741269] d-con pg: conn( Unconnected -> WFConnection )<br>
> Sep 10 10:26:12 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 8445) timed out<br>
> Sep 10 10:26:12 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:8445 - timed out after 20000ms<br>
> Sep 10 10:26:12 node01 crmd[1019]:    error: process_lrm_event: LRM operation drbd_pg_monitor_31000 (30) Timed Out (timeout=20000ms)<br>
> Sep 10 10:26:32 node01 crmd[1019]:  warning: cib_rsc_callback: Resource update 23 failed: (rc=-62) Timer expired<br>
> Sep 10 10:27:03 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 8693) timed out<br>
> Sep 10 10:27:03 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:8693 - timed out after 20000ms<br>
> Sep 10 10:27:54 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 8938) timed out<br>
> Sep 10 10:27:54 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:8938 - timed out after 20000ms<br>
> Sep 10 10:28:33 node01 crmd[1019]:    error: crm_timer_popped: Integration Timer (I_INTEGRATED) just popped in state S_INTEGRATION! (180000ms)<br>
> Sep 10 10:28:33 node01 crmd[1019]:  warning: do_state_transition: Progressed to state S_FINALIZE_JOIN after C_TIMER_POPPED<br>
> Sep 10 10:28:33 node01 crmd[1019]:  warning: do_state_transition: 1 cluster nodes failed to respond to the join offer.<br>
> Sep 10 10:28:33 node01 crmd[1019]:   notice: crmd_join_phase_log: join-1: node02=none<br>
> Sep 10 10:28:33 node01 crmd[1019]:   notice: crmd_join_phase_log: join-1: node01=welcomed<br>
> Sep 10 10:28:45 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 9185) timed out<br>
> Sep 10 10:28:45 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:9185 - timed out after 20000ms<br>
> Sep 10 10:29:36 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 9432) timed out<br>
> Sep 10 10:29:36 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:9432 - timed out after 20000ms<br>
> Sep 10 10:30:27 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 9680) timed out<br>
> Sep 10 10:30:27 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:9680 - timed out after 20000ms<br>
> Sep 10 10:31:18 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 9927) timed out<br>
> Sep 10 10:31:18 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:9927 - timed out after 20000ms<br>
> Sep 10 10:32:09 node01 lrmd[1016]:  warning: child_timeout_callback: drbd_pg_monitor_31000 process (PID 10174) timed out<br>
> Sep 10 10:32:09 node01 lrmd[1016]:  warning: operation_finished: drbd_pg_monitor_31000:10174 - timed out after 20000ms<br>
><br>
> #crm_mon on node01 before I kill the other vm:<br>
> Stack: corosync<br>
> Current DC: node02 (167938104) - partition with quorum<br>
> Version: 1.1.10-42f2063<br>
> 2 Nodes configured<br>
> 5 Resources configured<br>
><br>
> Online: [ node01 node02 ]<br>
><br>
>  Resource Group: PGServer<br>
>      fs_pg      (ocf::heartbeat:Filesystem):    Started node02<br>
>      lsb_pg     (lsb:postgresql):       Started node02<br>
>      ip_pg      (ocf::heartbeat:IPaddr2):       Started node02<br>
>  Master/Slave Set: ms_drbd_pg [drbd_pg]<br>
>      Masters: [ node02 ]<br>
>      Slaves: [ node01 ]<br>
><br>
> Thank you,<br>
> Kiam<br>
><br>
> _______________________________________________<br>
> Pacemaker mailing list: <a href="mailto:Pacemaker@oss.clusterlabs.org">Pacemaker@oss.clusterlabs.org</a><br>
> <a href="http://oss.clusterlabs.org/mailman/listinfo/pacemaker" target="_blank">http://oss.clusterlabs.org/mailman/listinfo/pacemaker</a><br>
><br>
> Project Home: <a href="http://www.clusterlabs.org" target="_blank">http://www.clusterlabs.org</a><br>
> Getting started: <a href="http://www.clusterlabs.org/doc/Cluster_from_Scratch.pdf" target="_blank">http://www.clusterlabs.org/doc/Cluster_from_Scratch.pdf</a><br>
> Bugs: <a href="http://bugs.clusterlabs.org" target="_blank">http://bugs.clusterlabs.org</a><br>
<br>
<br>_______________________________________________<br>
Pacemaker mailing list: <a href="mailto:Pacemaker@oss.clusterlabs.org">Pacemaker@oss.clusterlabs.org</a><br>
<a href="http://oss.clusterlabs.org/mailman/listinfo/pacemaker" target="_blank">http://oss.clusterlabs.org/mailman/listinfo/pacemaker</a><br>
<br>
Project Home: <a href="http://www.clusterlabs.org" target="_blank">http://www.clusterlabs.org</a><br>
Getting started: <a href="http://www.clusterlabs.org/doc/Cluster_from_Scratch.pdf" target="_blank">http://www.clusterlabs.org/doc/Cluster_from_Scratch.pdf</a><br>
Bugs: <a href="http://bugs.clusterlabs.org" target="_blank">http://bugs.clusterlabs.org</a><br>
<br></blockquote></div><br></div>