OMS健康检查指标项说明

OMS状态检查

指标项名称：OMS状态检查

指标项含义：OMS状态检查包括HA状态检查和资源状态检查。 HA状态取值为active、standby和NULL，分别表示主节点、备节点和未知。资源状态取值为normal、abnormal和NULL，分别表示正常、异常和未知。HA状态为NULL时，认为不健康；资源状态为NULL或abnormal时，认为不健康。

恢复指导：

1. 登录主管理节点，执行su - omm切换到omm用户。执行${CONTROLLER_HOME}/sbin/status-oms.sh查看OMS状态。
2. 如果HA状态为NULL，可能是系统在重启，这个一般是中间状态，HA后续会自动调整为正常状态。
3. 如果资源状态异常，则说明有Manager的某些组件资源异常， 可具体查看acs、aos、cep、controller、feed_watchdog、fms、guassDB、httpd、iam、ntp、okerberos、oldap、pms、tomcat等组件状态是否正常。
4. 如果Manager组件资源异常，参见Manager组件状态检查进行处理。

Manager组件状态检查

指标项名称：Manager组件状态检查

指标项含义：Manager组件状态检查包括组件资源运行状态和资源HA状态。资源运行状态，取值为Normal、Abnormal等；资源HA状态，取值为Normal、Exception等。Manager组件包含acs、aos、cep、controller、feed_watchdog、floatip、fms、gaussDB、heartBeatCheck、httpd、iam、ntp、okerberos、oldap、pms、tomcat等。当运行状态和HA状态不是Normal时，认为指标不健康。

恢复指导：

1. 登录主管理节点，执行su - omm切换到omm用户。执行${CONTROLLER_HOME}/sbin/status-oms.sh查看OMS状态。
2. 如果floatip、okerberos、oldap等异常，可参见告警ALM-12002、ALM-12004、ALM-12005分别进行处理。
3. 如果是其他资源异常，建议查看相关异常模块的日志。

   controller资源异常：查看异常节点的/var/log/Bigdata/controller/controller.log。

   cep资源异常：查看异常节点的/var/log/Bigdata/omm/oms/cep/cep.log。

   aos资源异常：查看异常节点的/var/log/Bigdata/controller/aos/aos.log。

   feed_watchdog资源异常：查看异常节点的/var/log/Bigdata/watchdog/watchdog.log。

   httpd资源异常：查看异常节点的/var/log/Bigdata/httpd/error_log。

   fms资源异常：查看异常节点的/var/log/Bigdata/omm/oms/fms/fms.log。

   pms资源异常：查看异常节点的/var/log/Bigdata/omm/oms/pms/pms.log。

   iam资源异常：查看异常节点的/var/log/Bigdata/omm/oms/iam/iam.log。

   gaussDB资源异常：查看异常节点的/var/log/Bigdata/omm/oms/db/omm_gaussdba.log。

   ntp资源异常：查看异常节点的/var/log/Bigdata/omm/oms/ha/scriptlog/ha_ntp.log。

   tomcat资源异常：查看异常节点的/var/log/Bigdata/tomcat/catalina.log。

4. 如果通过日志无法排除问题，请联系运维人员处理，并发送已收集的故障日志信息。

OMA运行状态

指标项名称：OMA运行状态

指标项含义：检查OMA的运行状态，状态结果包括运行和停止两种状态，如果OMA状态为停止，则认为不健康。

恢复指导：

1. 登录检查结果不健康的节点，然后执行su - omm切换到omm用户。
2. 执行${OMA_PATH}/restart_oma_app，手工启动OMA，然后重新检查。如果检查结果仍然不健康，则执行3。
3. 如果手工启动OMA无法恢复，建议查看分析OMA日志“/var/log/Bigdata/omm/oma/omm_agent.log”。
4. 如果通过日志无法排除问题，请联系运维人员处理，并发送已收集的故障日志信息。

各节点与主管理节点之间SSH互信

指标项名称：各节点与主管理节点之间SSH互信

指标项含义：检查SSH互信是否正常。如果使用omm用户，在主管理节点可以通过SSH登录其他节点且不需要输入密码，则认为健康；否则，不健康。或者主管理节点SSH可以直接登录其他节点，但在其他节点无法通过SSH登录主管理节点，则也认为不健康。

恢复指导：

1. 如果该指标项检查异常，表示各节点与主管理节点之间SSH互信异常。SSH互信异常时，首先检查“/home/omm”目录的权限是否为omm。非omm的目录权限可能导致SSH互信异常，建议执行chown omm:wheel修改权限后重新检查。如果“/home/omm”目录权限正常，则执行2。
2. SSH互信异常一般会导致Controller和NodeAgent之间心跳异常，进而出现节点故障的告警。这时可参见告警ALM-12006进行处理。

进程运行时间

指标项名称：NodeAgent运行时间、Controller运行时间和Tomcat运行时间

指标项含义：检查NodeAgent、Controller、Tomcat进程的运行时间。如果小于半小时（即1800s），则进程可能重启过，建议半小时后再检查。如果多次检查，进程的运行时间都小于半小时，说进程状态异常。

恢复指导：

1. 登录检查结果不健康的节点，执行su - omm切换到omm用户。
2. 根据进程名称查看进程pid，执行命令：

   ps -ef | grep NodeAgent

3. 根据pid查看进程启动时间，执行命令：

   ps -p pid -o lstart

4. 判断进程启动时间是否正常。如果进程一直反复重启，执行5
5. 查看对应模块日志，分析重启原因。

   NodeAgent运行时间异常，检查相关日志/var/log/Bigdata/nodeagent/agentlog/agent.log。

   Controller运行时间异常，检查相关日志/var/log/Bigdata/controller/controller.log。

   Tomcat运行时间异常，检查相关日志/var/log/Bigdata/tomcat/web.log。

6. 如果通过日志无法排除问题，请联系运维人员处理，并发送已收集的故障日志信息。

账户及密码过期检查

指标项名称：账户及密码过期检查

指标项含义：该指标项检查MRS的两个操作系统用户omm和ommdba。对操作系统用户，同时检查账户及密码的过期时间。如果账户或密码有效期小于等于15天，则认为不健康。

恢复指导：如果账户或密码有效期小于等于15天，建议及时联系运维人员处理。