vSphereホストがMaxQueueDepthの変更後にNetApp AFF-A90でクラッシュする
環境
- ONTAP 9
- VMware vSphere ESXi
- NFSプロトコル
- Broadcom (VMware親会社)
問題
- vSphere 環境において、NetApp KB の推奨事項に基づき、NFS.MaxQueueDepth および NFS41.MaxQueueDepth の値が 4294967295 から 128 に変更されました。
- この変更から約 42 時間後、NetApp ストレージ(ONTAP 9.15.1P6 を実行する AFF-A90)上で仮想マシンを実行しているすべての ESXi ホストで、ローリング PSOD(Purple Screen of Death)が発生し、ホストがオフラインになり、環境全体がクラッシュしました。
- PSOD では、NFS41_SchedTaskSubmit、NFS41FileOp、および SwapIOClusterWriteWrapper が関与した InfSvc41Client モジュールが参照されていました。他のストレージデバイス上で仮想マシンを実行していた ESXi ホストは影響を受けませんでした。
- この問題は、MaxQueueDepth の変更を適用するために再起動された後、「RangeCluster」ESXi ホストで発生しました。「PRODCluster」ホストは MaxQueueDepth が変更されておらず、影響を受けませんでした。
- PSOD のスタックトレースは以下のとおりです:
Failed to insert scheduling element:0x432f2aaadcdO into the priQ:0x432f2a404950. Reason:Limit exceededNOT_IMPLEMENTED bora/vmkernel/sched/memsched_kmem.c:1436