框式交换机单板复位故障

1. 通过display device命令，查看交换机的型号及各部件的状态信息。

   <HUAWEI> display device
   S9706's Device status:                                                          
   Slot  Sub Type         Online    Power      Register       Status     Role      
   ------------------------------------------------------------------------------- 
   1     -   EH1D2X12SSA0 Present   PowerOn    Registered     Normal     NA        
   4     -   -            Present   PowerOn    Unregistered   -          NA        
   7     -   EH1D2SRUDC00 Present   PowerOn    Registered     Normal     Master    
   PWR1  -   -            Present   -          Unregistered   -          NA        
   PWR2  -   -            Present   PowerOn    Registered     Normal     NA        
   CMU1  -   EH1D200CMU00 Present   PowerOn    Registered     Normal     Master    
   FAN1  -   -            Present   PowerOn    Registered     Normal     NA        
   FAN2  -   -            Present   PowerOn    Registered     Normal     NA        

   通过显示信息可看出设备型号为S9706以及单板、电源和风扇的状态信息（Status字段为Normal时表示正常）。

2. 通过display version命令，查看交换机的版本信息。

   <HUAWEI> display version 
   Huawei Versatile Routing Platform Software                                      
   VRP (R) software, Version 5.160 (S9700 V200R008C00SPC300)                       
   Copyright (C) 2000-2016 HUAWEI TECH CO., LTD                                    
   Quidway S9706 Terabit Routing Switch uptime is 0 week, 3 days, 18 hours, 31 minu
   tes                                                                

   通过显示信息可看出设备的软件版本为V200R008C00。

1. 通过display reset-reason命令，查看所有单板的复位信息。

   <HUAWEI> display reset-reason
   The LPU frame[1] board[1] has no reset records.
   The LPU frame[1] board[2] has no reset records.
   The LPU frame[1] board[3]'s reset total 1, detailed information:
   --  1. 2012/03/13   19:58:15, Reset No.: 1
          Reason: Check mod information fail
   The MPU frame[1] board[4] has no reset records.
   The MPU frame[1] board[5]'s reset total 967, detailed information:
   --  1. 2012/03/20   13:07:52, Reset No.: 967
          Reason: Warm reset board for no receiving message in a long time
   --  2. 2012/03/20   12:57:52, Reset No.: 966
          Reason: Warm reset board for no receiving message in a long time
   --  3. 2012/03/20   12:47:52, Reset No.: 965
          Reason: Warm reset board for no receiving message in a long time
   --  4. 2012/03/20   12:37:52, Reset No.: 964
          Reason: Warm reset board for no receiving message in a long time
   --  5. 2012/03/20   12:27:52, Reset No.: 963
          Reason: Warm reset board for no receiving message in a long time

   也可通过display reset-reason slot ID命令，查看具体槽位上单板的复位信息，ID表示具体槽位号。

   表1-1 display reset-reason命令输出信息描述

   项目	描述
   LPU/MPU	业务接口板/主控板
   frame	单板所在框号
   board	单板所在槽位号
   reset total	复位次数
   detailed information	复位信息
   Reset No.	复位编号
   Reason	复位原因

2. 分析查询到的复位原因并执行相应措施。display reset-reason查询到的复位原因如表1-2所示。
   表1-2 复位原因及处理方法

   复位原因			处理方法
   用户相关	Reset by user command	命令行或网管复位	确认拥有复位权限的用户是否进行了复位操作
   	Power off by user command
   	VRP reset selfboard because of command
   	Reset board by vrp cmd
   	Reset board by snmp
   	Reset for rollback
   	The demo time of license is overtime	临时license到期后复位	请检查并联系华为获取license
   加载相关	Reset for load	升级软件的时候，接口板加载软件后复位	无，属于正常复位
   	Reset for lpu resource-mode disaccord with mpu	接口板配置的资源模式和主控板不符合后复位	无，属于正常复位
   	Reset for the LPU patch file or module does not match that on the MPU	接口板配置的补丁文件或插件和主控板不符合后复位	等待单板注册上之后，再进行加载/删除补丁、加载/删除插件的操作
   	Reset for initializing the board's status by IFNET	主备倒换后，重新配置单板接口状态	主备倒换后接口板配置未恢复，属于板间无法通讯 主备倒换后接口板正常工作，属于正常情况
   	Reset slave board for memsize too little	备板内存小于主控板内存	检查备板内存大小，如果小于主控板内存需要更换
   	Reset for slave board's card statement disaccord with master's	两块主控板只有一块装有FSU等子卡	请保证两块主控都配置了相同的子卡或者都没有配置子卡
   	Reset for patch load	补丁加载后复位	接口板启动过程中有补丁操作，属于正常情况
   	Reset for patch get state fail	补丁加载失败复位	启动过程中出现一两次属于正常情况 多次出现请联系技术支持人员
   	Reset for patch load file fail
   	Reset for patch synchronize file fail
   	Reset for patch state compare fail
   软件异常相关	VRP reset selfboard because of find deadloop	检测到死循环复位	通过查看告警及日志进一步定位
   	VRP reset selfboard because of find exception	检测到软件异常复位	联系技术支持人员
   	Board reset by VRP for schedule	拥塞导致异常复位	通过查看告警及日志进一步定位
   	VRP reset selfboard because of no memory	内存耗尽复位	检查内存是否过高 通过查看告警及日志进一步定位
   	Reset for memory use out
   设备管理相关	Reset for no receiving mpu's heart	接口板40秒未收到主控板心跳报文后复位	单板无心跳复位，排查单板未插紧导致的单板复位
   	Reset for no heart	主控板30秒未收到单板心跳报文，复位接口板
   	Reset for not receiving register ack from mpu	接口板注册20次但无法收到主控板注册回应报文后复位	板间通讯存在故障，排查单板未插紧导致的单板复位
   	Reset for state not stable	主控板收到接口板报文时断时续，复位接口板
   	Warm reset board for no register in a long time	检测到单板30分钟内都未成功注册
   	Warm reset board for no receiving message in a long time	主控板10分钟都没有收到接口板的任何报文
   	Cold reset board for no receiving message in a long time	主控板20分钟都没有收到接口板的任何报文
   	Cold reset board for CPU is not active	主控板检测到单板CPU不工作
   	Power off the board because of reset three times continuously	单板在启动过程中复位了3次，下电复位单板	为防止热启动不成功，3次热启动之后下电复位一次
   	Reset for unregister but receive heartbeat info	单板未注册，但是收到了该单板心跳报文	通过查看告警及日志进一步定位
   	Reset for slave board class disaccord with mpu	主备板类型不一致	查询主用和备用主控板的类型，更换单板保持一致
   	Reset for lpu or slave version disaccord with mpu	单板启动版本和主控板不一致	备板复位：确认主备之间版本，目前V1R2和V1R3无法自动同步版本会引发复位 其它单板复位：联系技术支持人员
   	Reset for no receiving master cpu's heart	VASP板CPU的主核60秒未收到副核的心跳	联系技术支持人员
   硬件器件相关	Reset for selftest fail	单板自检失败	器件自检失败，尝试拔插单板和更换槽位。如不能解决可判断为单板故障。
   	Reset for CPLD self-test fail	CPLD自检失败
   	Reset selfboard because of initialize fsu fail	初始化FSU失败
   	reset for fpga load failed	FPGA加载失败
   	Reset for fpga in abnormal state	FPGA状态不正常
   	Reset for lanswitch chip parity error	lanswitch电路校验错误
   	Reset for FSU card type mismatch	FSU子卡不匹配	更换与框类型相匹配的FSU子卡，如不能解决请联系技术支持人员
   	Board reset by ISIS for purging LSP error	清除LSP异常	启动过程中出现一两次属正常情况。 多次出现请联系技术支持人员
   集群相关	Reset for frame combine	集群合并复位	正常情况
   	Reset for frame split	集群分裂复位
   	Reset for fsp	集群复位
   	Reset for one frame register, but the board is not register	设备注册时单板未注册
   	Reset for slave to master in slave frame, but self is not register	在备设备上，备升主，单板还未注册
   	Reset for slave to master in master frame, but self is not register	在主设备上，备升主，单板还未注册
   	Reset by switchover command from system master chassis	命令行集群倒换复位
   	Reset by command from other chassis	其他集群单板下发复位命令
   	Reset board after syn version	版本同步后复位
   	Reset board for Peer frame is in CSS force master status	对框设置了强制主而复位
   	Reset for fpga state disaccord with system master	表示主控板为SRUC的设备与主控板为SRUD的设备组建集群时，主控板为SRUD的设备使能了主控板硬件驱动引擎。	需要先执行命令undo detect-engine enable去使能主控板硬件驱动引擎（去使能后需要重启生效），然后再进行集群配置。
   设备自愈相关	Reset selfboard for ecm channel switch	检测到ECM 通道故障	联系技术支持人员
   	Reset for an entry check error in chip	检测到芯片表项存在严重错误
   	Reset for CSS chip failure	检测到主控板CSS芯片故障
   	Reset for all HG down	检测到主控板所有内部互联口全部故障
   	Reset for critical task has not been scheduled for long time	检测到设备关键任务长时间无法调度

如果单板复位原因是单板与主控板之间通信异常，或者查看的告警中发现电源、风扇或温度类的告警，可通过检查设备部件和外部环境来排查。

如果通过以上步骤仍无法定位单板复位的原因，可通过查看设备日志进一步分析。

<HUAWEI> display logbuffer
Logging buffer configuration and contents : enabled                  
Allowed max buffer size : 1024                                       
Actual buffer size : 512                                             
Channel number : 4 , Channel name : logbuffer                        
Dropped messages : 0                                                 
Overwritten messages : 0                                             
Current messages : 43                                                

Oct 16 2013 06:06:48 HUAWEI %%01VFS/4/DISKSPACE_NOT_ENOUGH(l)[3]:Disk space is insufficient. The system begins to delete unused log files. 
Oct 10 2013 19:06:48 HUAWEI %%01VFS/4/DISKSPACE_NOT_ENOUGH(l)[4]:Disk space is insufficient. The system begins to delete unused log files
  ---- More----

与单板复位相关的常见日志及处理方法

表1-4 与单板复位相关的常见日志及处理方法

信息摘要	日志含义	可能原因	处理方法
ALML/4/48V_CHECK_FAULT	传感器检测到单板两路48V电源告警。	单板的电源供电线路出现问题，单板无法上电。	确认电源是否在位。 如果电源在位，单板无法上电，请联系技术支持人员。
ALML/0/BRD_PWOFF	风扇故障导致单板温度过高而掉电。	有可能风扇被拔出或者风扇故障停转。	执行display temperature all命令，通过“Status”字段查看设备的温度是否正常，通过“Temperature.(C)”字段查看设备各部件当前温度值。如果“Status”字段显示为minor，则执行下一步。 排除设备散热系统的异常。参考排查温度或风扇异常导致的单板复位。 经过排除后单板温度仍然过高，请重新插拔单板，验证单板能否注册，如果不能注册，请联系技术支持人员。
ALML/4/ENTPOWEROFF	单板被下电。	通过命令行power off slot slot-id将单板下电。 系统检测到电源功率不足，将单板下电。	如果是电源问题，参考排查电源异常导致的单板复位。
ALML/4/ENTRESET	单板被复位。	命令行复位单板。 系统运行故障。复位原因可查看日志显示信息中的reason字段。	如果是非命令行复位，请观察日志描述的复位原因，联系技术支持人员。
ALML/4/ENT_PULL_OUT	单板或者子卡被拔出。	人为拔出单板或者子卡。 单板或者子卡接口与插槽对接松动。	如果是人为拔出操作，则不需要处理。 如果是接口对接发生松动，则重新插入单板或者子卡。
ALML/4/HSB_SWITCH_CAUSE	记录主用主控板复位信息。	主控板复位的原因描述。具体情况如下： Unknown switch reason：未知原因 VRP command force：命令行强制复位。 master MPU is no memory：主用主控板内存不足。 VRP find task deadloop：任务死循环。 Batch was not over：任务异常。 Master switch to slave Interrupt：主备倒换导致主用主控板复位。 Ecm Channel was faulty：以太网管理通道倒换（ECM）通道故障。 Monitor bus communication Interrupt：CANbus通信中断。 MPU board was pulled out：主控板被拔出。	请确认是否有人为插拔主控板。 请使用display current-configuration命令查看是否有“slave switchover”命令强制主备倒换。 联系技术支持人员。
ALML/4/MASTER_TO_SLAVE	主用主控板变成备用主控板。	通过命令行slave switchover进行主备切换。（如果主用主控板因为异常重启变成备用，则不会上报这条日志）	通过命令行进行主备切换，不需要处理。
ALML/4/POWERSUPPLY_OFF	电源下电。	人为将电源下电。 电源异常不供电。	排查电源异常导致的单板复位。
ALML/4/PWRFANABSENT	风扇不在位。	风扇不在位。	排查温度或风扇异常导致的单板复位。
ALML/4/TEMP_UPPER	温度传感器监控到温度超过上限值。可能是排风不畅，防尘网堵塞，风扇故障，空闲槽位未插入假面板等原因引起的。	设备排风不畅，导致热量散发不畅。 防尘网堵塞。 空闲槽位未插入假面板。 设备所处环境温度过高。 设备的风扇数量不足。 设备的风扇发生故障。	排查温度或风扇异常导致的单板复位。
FMEA/6/AVS_ABNORMAL	单板上的AVS电源异常。	单板硬件故障。	更换单板。
MAD/4/CONFLICT_DETECT	发现多主场景。	集群链路故障，出现多主。	修复集群链路故障。
MAD/4/MEMBER_LOST	检测集群邻居失败，集群分裂。	集群链路故障。 集群设备故障。	修复集群设备故障。 修复集群链路故障。

说明：

建议采用如下措施帮助您更快速的搜索到准确的日志：

• 由于“信息摘要”唯一标识一条日志，建议您通过“信息摘要”在《日志参考》手册中进行搜索，从而快速查找到对应日志的解释及处理步骤。
• 使用《日志参考》手册时，请勿携带可变信息进行搜索，例如日志产生时间、接口编号、进程编号、设备命名等。

举例如下：

对于出现的日志：Apr 27 2014 07:45:35 HUAWEI %%01SHELL/4/LOGIN_FAIL_FOR_INPUT_TIMEOUT(s)[6]:Failed to log in due to timeout.(Ip=10.135.19.157, UserNa me=**, Times=1, AccessType=TELNET, VpnName=)。使用信息摘要“LOGIN_FAIL_FOR_INPUT_TIMEOUT”在《日志参考》手册中即可搜索到对应的解释为“用户由于输入用户名或密码超时导致登录失败”。

如果经过以上步骤仍无法定位单板复位原因，请收集相关故障信息，并将其提交给代理商或华为技术有限公司进行定位和处理。

需要收集的故障信息如下：

发生故障的时间、故障点的网络拓扑结构（例如故障设备连接的上下游设备、所处的网络位置）、导致故障的操作、故障后已采取的措施和结果、故障现象和影响的业务范围等信息。

发生故障的设备的名称、版本、当前配置、接口信息等，可使用一键信息采集。

发生故障时产生的日志信息。

如果单板复位后无法正常注册，还需要收集在启动过程中的串口打印信息。

<HUAWEI> display diagnostic-information dia-info.txt
  This operation will take several minutes, please wait.........................
Info: The diagnostic information was saved to the device successfully.

获取日志文件

设备支持日志和告警信息保存到日志文件中，用户可通过如下操作步骤获取日志文件中的日志信息：

1. 执行命令save logfile，手动将日志文件缓存区中的信息保存到日志文件中。
2. 执行完上述命令后，将cfcard:/logfile/下的文件通过FTP/TFTP传输到终端（PC）上。如果无法使用FTP/TFTP传输，可以通过more命令查看，如在用户视图下执行more logfile/log.log。

说明：

• logfile文件夹下可能会有大量的日志文件，一般只需要采集故障发生时间点的日志文件。
• 如果出现的故障涉及到备用主控板，备用主控板保存的日志文件也需要采集，备用主控板的日志文件保存在slave#cfcard:/logfile/下。
• 如果涉及堆叠系统分裂和复位等故障，需要收集所有相关成员交换机中的日志文件。