ALM-25005 Nscd服务异常

告警解释

系统每60秒周期性检测nscd服务的状态，如果连续4次（3分钟）查询不到nscd进程或者无法获取LdapServer中的用户时，产生该告警。

当进程恢复且可以获取LdapServer中的用户时，告警恢复。

告警属性

告警ID	告警级别	是否自动清除
25005	重要	是

告警参数

参数名称	参数含义
来源	产生告警的集群名称。
服务名	产生告警的服务名称。
主机名	产生告警的主机节点信息。

对系统的影响

nscd服务不可用时，可能会影响该节点从LdapServer上同步数据，此时，使用id命令可能会获取不到Ldap中的数据，影响上层业务。

可能原因

nscd服务未启动。
网络故障，无法访问Ldap服务器。
Name Service服务异常。
OS执行命令慢导致无法查询用户。

处理步骤

检查nscd服务是否启动。

在FusionInsight Manager界面，选择“运维 > 告警 > 告警”。记录该告警定位信息中的“主机名”的IP地址为IP1（若出现多个告警，则分别记录其中的IP地址为IP1、IP2、IP3等）。
联系运维人员，以root用户登录IP1节点，在该节点上执行ps -ef | grep nscd命令，查看是否有/usr/sbin/nscd进程启动。
- 是，执行5。
- 否，执行3。
以root用户执行service nscd restart命令，重启nscd服务，执行ps -ef | grep nscd命令，查看服务是否启动。
- 是，执行4。
- 否，执行15。
5分钟后，以root用户再次执行命令，查看服务是否存在。
- 是，执行11。
- 否，执行15。

检查网络是否故障，无法访问ldap服务器。

用root用户登录故障节点，在这个节点上使用ping命令检查该节点与LdapServer节点的网络是否畅通。
- 是，执行6。
- 否，请联系网络管理员，解决网络故障。

检查Name Service服务是否异常。

用root用户登录故障节点，执行cat /etc/nsswitch.conf命令，查看NameService配置中的“passwd”、“group”、“services”、“netgroup”、“aliases”五项配置是否正确。

正确配置请参照：“passwd: compat ldap”、“group: compat ldap”、“services: files ldap”、“netgroup: files ldap”、“aliases: files ldap”。
- 是，执行7。
- 否，执行9。
用root用户登录故障节点，执行cat /etc/nscd.conf命令，查看配置文件中“enable-cache passwd”、“positive-time-to-live passwd”、“enable-cache group”、“positive-time-to-live group”四项配置是否正确。

正确配置请参照： “enable-cache passwd yes ”、“positive-time-to-live passwd 600”、“enable-cache group yes”、“positive-time-to-live group 3600”。
- 是，执行8。
- 否，执行10。
用root用户执行/usr/sbin/nscd -i group和/usr/sbin/nscd -i passwd命令，等待2分钟，继续执行id admin和id backup/manager命令，查看是否能查询到结果。
- 是，执行11。
- 否，执行15。
以root用户执行vi /etc/nsswitch.conf命令，将6中的五项配置项改成正确配置，保存后执行service nscd restart命令重启nscd服务，等待2分钟，执行id admin和id backup/manager命令，查看是否能查询到结果。
- 是，执行11。
- 否，执行15。
以root用户执行vi /etc/nscd.conf命令，将7中的四项配置项改成正确配置，保存后执行service nscd restart命令重启nscd服务，等待2分钟，执行id admin和id backup/manager命令，查看是否能查询到结果。
- 是，执行11。
- 否，执行15。
登录FusionInsight Manager界面，等待5分钟，然后查看“Nscd服务异常”告警是否恢复。
- 是，处理完毕。
- 否，执行12。

检查操作系统执行命令是否卡顿。

用root用户登录故障节点，执行命令id admin，观察命令返回结果时长，观察执行命令是否缓慢（超过3s即可认为执行命令慢）。
- 是，执行13。
- 否，执行15。

执行命令cat /var/log/messages，查看nscd是否频繁重启或者存在Can't contact LDAP server的异常信息。

nscd异常信息样例：

Feb 11 11:44:42 10-120-205-33 nscd: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.55:21780: Can't contact LDAP server
Feb 11 11:44:43 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.55:21780: Can't contact LDAP server
Feb 11 11:44:44 10-120-205-33 ntpq: nss_ldap: failed to bind to LDAP server ldaps://10.120.205.92:21780: Can't contact LDAP server

是，执行14。
否，执行15。

执行命令vi $BIGDATA_HOME/tmp/random_ldap_ip_order，修改末尾数字，若原来为奇数则改为偶数，若原来为偶数则修改为奇数；

执行命令vi /etc/ldap.conf进入编辑模式，按“Insert”键开始编辑，然后将URI配置项的前两个IP进行调换。

修改完成后按“Esc”键退出编辑模式，并输入:wq保存退出。

执行命令service nscd restart，重启nscd服务，等待5分钟，再次执行id admin命令，观察返回结果时长，观察执行命令是否缓慢。
- 是，执行15。
- 否，登录其他故障节点执行12至14；排查“/etc/ldap.conf”修改前URI中第一个LdapServer节点，是否故障，例如业务IP不可达、网络延时过长或者部署其他异常的软件。