BASELINE — lustre_ins 稳定层

承载不随每次交接受化的内容：环境事实、机制性陷阱、命令速查、文档地图。 2026-10-06 由 docs/HANDOFF.md 拆分而来——HANDOFF 只描述「现在」（状态 / 待办 / 红线）， 本文件描述「长期成立」。修改方式：定点修订，只改受影响行。 红线（不可逆操作 / 不可删数据）仍留在 HANDOFF 第 4 节，此处不重复。

1. 环境事实

项	值
版本 / 设备	Lustre 2.17.0（el9.7 仓库段）；MDT/OST 均 /dev/vdb（virtio 整盘）【已确认】
拓扑	MGS+MDT combined 192.168.31.21；OSS .22；客户端 .21（管理/验证）+ .18/.19/.20（2026-09-24）+ .25~.28（2026-09-29 新增）【已确认】；HA 未启用
客户端环境	.18~.20、.25~.28：Rocky 9.8、内核 5.14.0-611.13.1_lustre.el9、网卡 ens2、NID <ip>@tcp、挂 /mnt/lustre【已确认】
端口 / 服务 / 挂载点	988/tcp；服务 lnet（/etc/lnet.conf 须 tcp-only YAML；含 net type: lo 会让 import 失败、重启即瘫痪）；/mnt/{mdt0,ost0,lustre}
客户端 fstab 口径	192.168.31.21@tcp:/edafs /mnt/lustre lustre defaults,noatime,nofail 0 0（与 slurm_ins storage_layout.tier0_mount_options 对齐，2026-10-07 起）；同机兼服务端的 .21 额外带 x-systemd.requires-mounts-for=/mnt/mdt0；必须带 nofail；挂载/恢复一律用 systemctl start mnt-lustre.mount（手工 mount -t lustre 会因 nofail 报 rc=-22）【已确认 2026-10-07】
调优持久化	/etc/systemd/system/lustre-tune.service（oneshot，已 enabled）；服务端 mdt.*=32、客户端 mdc.*=31【已确认】
容量与条带	单 MDT 11.1 G / 单 OST 294.4 G（各 1 个）；/mnt/lustre/scratch 默认 stripe_count=1, stripe_size=4M——无第二个 OST 可条带，EDA 常见 -c 3 现架构下无法实现；MDS/OSS 均无 HA（enable-ha 为 stub）【已确认 2026-10-07】
用户身份源	客户端用户来自 SSSD + LDAP（域 rainchen，ldap://192.168.31.10:389，dc=rainchen,dc=com，schema=rfc2307，ldap_id_mapping=false）；UID 示例 rain01=2001、组 design=2000。服务端原未接入，2026-10-06 起在 .21/.22 补本地同名同 UID/GID 条目【已确认】
远程备份落点	/var/backups/lustre-ins/<原路径>.bak.<时间戳>
工程根 / 入口	/home/rain/Documents/lustre_ins；入口 main.py（子命令以 --help 为准）
版本管理	已入 Git【已确认】，分支 main，远程 git@github.com:raincheny/lustre_ins.git；不入库 config/deploy.yaml、logs/、reports/*.md、skill-*/、.trae/、backup/ 内备份
实现体 / 配置	deployer.py + modules/*.py + utils/*.py；配置真源 config/deploy.yaml（样例 .example），直接改远程文件会被覆盖
共享库 / 日志	/home/rain/py_public_modules（.pth 挂载）；日志 logs/lustre_deploy.log
凭据	仅 root 免密 SSH（密钥在操作机 ~/.ssh/）；Lustre 无独立口令，靠 UID/GID 与 POSIX ACL

2. 常用命令

.venv/bin/python3 main.py precheck ...          # 变更类子命令执行前自动跑配置校验 + precheck
.venv/bin/python3 main.py <子命令> --dry-run     # 变更先预演；dry-run 下 BLOCK 降级为告警
.venv/bin/python3 main.py inspect               # 巡检，报告落 reports/inspect-*.md
systemctl restart lustre-tune.service           # 重放调优（oneshot+RemainAfterExit，须 restart）
lctl ping <NID>                                 # 验 LNet 连通，不通记 WARN

3. 门禁阈值

非 root → BLOCK；SELinux Enforcing → WARN；系统盘可用 < precheck.min_disk_free_gb（10 G）→ BLOCK； LNet 不通 → WARN。阈值与 skip_checks 在 config/deploy.yaml 的 precheck 段。

4. 文档地图

文档 / 目录	管什么
docs/SOP.md	变更实施手册（八章，累积）：首次部署与全部增量扩展（5.1~5.9 步骤）
docs/RUNBOOK.md	值班运行手册（11 章）：速查、日常操作、配置、备份恢复、监控、故障处置
docs/troubleshoot.md	排障手册：12 个场景，各按「症状 → 诊断 → 处置 → 验证」
reports/	inspect-*.md 巡检、precheck-*.md 预检查报告
backup/README.md	备份台账（文件 / 原路径 / 时间 / 回滚对象 / 可删时点）
fix-lustre-write-perm/	服务端身份解析（LDAP/UID）修复档案：SOP.md、backup/README.md
add-clients-25-28/、add-clients-18-20/	近期两轮客户端扩展档案：SOP.md、backup/README.md
probe_batch_20261008/	只读探测批量化档案：SOP.md、selftest.py、compare_onhost.sh、onhost/（原始对照数据）、backup/README.md
tuning-fix-and-rollout-plan/、precheck-hardening/、py-skill-hardening/、git-init/	历史变更档案：SOP.md / batch-rollout-plan.md / backup/README.md

5. 架构边界与不做清单（学习环境）

本环境为学习环境，以下架构性限制有意不实施，不再列为待办（2026-10-09 由 HANDOFF 移入）。 相关环境事实另见 §1「拓扑」「容量与条带」。

边界	现状	为何不做
服务端 HA	enable-ha 为 stub（仅装 pacemaker/corosync 并初始化集群，cib XML 需人工写）；MDS/OSS 均无 HA	学习环境单机即可，双机 HA 无收益
条带	单 MDT 11.1 G + 单 OST 294.4 G，无第二个 OST 可条带，EDA 常见 -c 3 无法实现	需增物理 OST，学习环境不扩硬件
数据面变更分批	deployer.py:_run_steps 未按主机分批；mkfs 不可逆	学习环境单机变更，分批无必要
变更计划模型	无 plan.yaml，模块不覆盖 sync_status()，backup() 只能全量	同上
漂移检测入口	漂移比对内嵌 inspect，无独立只读子命令与三态退出码	学习环境用 inspect 足够

---

来源：/home/rain/Documents/lustre_ins/docs/BASELINE.md ｜ 最后更新：2026-10-09 03:09（由 build/sync.py 同步，请勿在站点侧修改）