Lustre 2.17.0 LTS 在 Rocky9 上的部署变更实施手册¶

本 SOP 覆盖首次部署与所有增量扩展场景；第 5 章分场景给出操作序列。实现体为 Python 工程（main.py + deployer.py + modules/*.py），以实现体为准；本文 shell 代码块仅供人阅读与手工复现，不承担幂等与错误处理。

目录¶

背景
目标
前置条件
影响范围
分步操作
5.1 通用准备与安装前预检查
5.2 bootstrap（首次部署）
5.3 add-oss（加 OSS 节点）
5.4 add-ost（加 OST 盘）
5.5 add-mdt（DNE 加 MDT）
5.6 add-client（加客户端）
5.7 enable-ha（启用 HA）
5.8 tune（应用调优）
5.9 inspect（健康巡检）
验证
回滚
风险说明

1. 背景¶

EDA 仿真业务需要并行文件系统承载大规模小文件读写、仿真波形大文件与 MPI-IO 共享文件，配合 HPC 调度器（Slurm/LSF）使用。本变更在 Rocky Linux 9 上构建 Lustre 2.17.0 LTS（ldiskfs 后端，TCP/LNet 网络），并通过子命令化 Python 工程支持随时增量扩展（加 OSS/OST/MDT/Client/HA），不销毁重建。

2. 目标¶

变更完成后应达到以下可验证状态：

MGS+MDT 节点 192.168.31.21 上 MGT+MDT0000 在线
OSS 节点 192.168.31.22 上 OST0000 在线
客户端节点（由 deploy.yaml 的 clients 列表驱动）挂载 /mnt/lustre 可读写
lctl dl 列出全部 target，状态 UP
lfs df -h 显示 MDT + OST 容量
EDA striping 模板目录创建并设置正确（4 类模板）
lctl 调优参数生效（max_rpcs_in_flight=32 等）
inspect 子命令产出巡检报告，无 HIGH 级别异常

3. 前置条件¶

项	要求	检查命令
操作机	已安装 Python 3.9+ 与工程 `.venv`	`cd /home/rain/Documents/lustre_ins && .venv/bin/python --version`
共享库	`/home/rain/py_public_modules` 存在，`.venv` 的 `.pth` 已挂载	`.venv/bin/python -c "import base_module"`
SSH 免密	操作机可 `ssh root@192.168.31.21` 与 `ssh root@192.168.31.22` 免密	`ssh root@192.168.31.21 hostname`
节点 OS	Rocky Linux 9（x86_64）	`ssh root@192.168.31.21 'cat /etc/redhat-release'`
节点联网	可访问 `downloads.whamcloud.com`（在线安装）	`ssh root@192.168.31.21 'curl -sI https://downloads.whamcloud.com/ \| head -1'`
磁盘可用	MDT 设备 `/dev/vdb`（SSD 建议）、OST 设备 `/dev/vdb` 整盘未分区	`ssh root@192.168.31.21 'lsblk -ndo TYPE,PKNAME,NAME /dev/vdb'`
时间同步	所有节点 chronyd 或 ntpd 运行，时间一致	`ssh root@192.168.31.21 'chronyc tracking \| grep System clock'`
Slurm/LSF 作业	目标节点无在跑作业（变更窗口内）	`sinfo -n <node>` 或 `bhosts \| grep <node>`
配置文件	已从 `config/deploy.yaml.example` 复制为 `config/deploy.yaml` 并按实际填写	`cat config/deploy.yaml`

上表各项均可由 precheck 子命令自动核查（只读，见 5.1）；手工执行仅用于 precheck 无法覆盖的现场确认（如变更窗口、业务侧确认）。

precheck 另含以下环境门禁：执行身份必须为 root（否则 BLOCK）、SELinux 建议 permissive/disabled（Enforcing 记 WARN）、系统盘可用空间下限 precheck.min_disk_free_gb （默认 10G，低于即 BLOCK）、运行内核版本记录（INFO），以及 LNet 已配置时的 NID 可达性校验（lctl ping 不通记 WARN）。各阈值与跳过列表见 config/deploy.yaml 的 precheck 段。

凭据：节点已配置 root 免密 SSH 密钥认证，无需密码；密钥位置 ~/.ssh/id_rsa（由 paramiko 自动收集）。

4. 影响范围¶

维度	说明
主机	MGS+MDT `192.168.31.21`、OSS `192.168.31.22`、客户端（由配置驱动）
组件	yum 仓库、RPM 包（kmod-lustre / lustre / e2fsprogs）、LNet、firewalld、Lustre target、fstab、modprobe、systemd 单元
是否停服	首次 bootstrap：需要停服窗口（mkfs + mount 期间文件系统不可用）；增量扩展（add-oss/add-ost/add-mdt/add-client）：不停服，已有 target 不受影响；enable-ha：需短暂停服（target 切换到 Pacemaker 管理）
窗口期	bootstrap 约 30–60 分钟（取决于磁盘大小与网络）；增量扩展 5–15 分钟
在跑作业	Slurm/LSF 上有作业时不得动该节点；变更前需 drain 或迁作业
数据影响	mkfs.lustre 会清空目标盘；已有 target 在增量扩展时不受影响

5. 分步操作¶

所有命令在工程根 /home/rain/Documents/lustre_ins 下执行；实现体为 Python 工程，以下 shell 代码块与实现等价但不承担幂等与错误处理，以实现体为准。各变更子命令执行前均会自动运行 5.1 的预检查（真实执行时 BLOCK 即终止），故不再逐场景重复列出。

5.1 通用准备与安装前预检查¶

cd /home/rain/Documents/lustre_ins
cp config/deploy.yaml.example config/deploy.yaml      # 首次部署：复制样例
vi config/deploy.yaml                                  # 按实际填写节点 IP、盘符、网卡、客户端
.venv/bin/python -m py_compile main.py deployer.py     # 语法自检
.venv/bin/python main.py --help                        # 查看子命令列表

# 安装前预检查（只读，不改变系统状态，产出 reports/precheck-<时间戳>.md）
.venv/bin/python main.py precheck --config config/deploy.yaml
# 退出码 0：无 BLOCK 项，可继续；非 0：存在阻断项，须按报告处置后再执行变更

预期输出（--help）：

usage: lustre_deploy [-h] {bootstrap,add-oss,add-ost,add-mdt,add-client,enable-ha,tune,inspect,precheck,repo,rollback} ...

预检查覆盖：操作机环境（Python/venv/共享库可导入）、各节点 SSH 可达、OS 版本与架构、时钟偏移、执行身份（root）、SELinux 状态、系统盘可用空间、运行内核版本、防火墙运行状态、仓库可达性、LNet 网卡存在性、LNet NID 可达性（lctl ping）、 Slurm/LSF 作业占用、target 设备（整盘 / 未挂载 / 非 swap / 非系统盘）；同时做配置合法性校验（fsname、target index 唯一性、 backend 支持范围、未实现字段提示等）。变更类子命令（bootstrap / add-oss / add-ost / add-mdt / add-client / enable-ha / tune / repo）执行前会自动运行同一套检查：真实执行时存在 BLOCK 即终止，--dry-run 下降级为告警。

单独执行 repo（可选）：repo 写各节点的 /etc/yum.repos.d/{lustre,e2fsprogs}.repo，属变更子命令，单独执行时同样先过门禁；内容经 SHA256 比对，一致即跳过；覆盖前在远端带时间戳备份。

# 预演：只打印将写入的仓库文件，不改动系统
.venv/bin/python main.py repo --dry-run --config config/deploy.yaml

# 真实执行（幂等：内容一致则全跳过）
.venv/bin/python main.py repo --config config/deploy.yaml

5.2 bootstrap（首次部署）¶

实现文件：deployer.py:cmd_bootstrap → repo_setup.py → package_install.py → firewall.py → lnet_config.py → target_format.py → mount_targets.py → fstab_persist.py → client_mount.py → stripe_tuning.py → lctl_tuning.py

编排顺序：repo → install → firewall → lnet → format Mgt/Mdt → mount → fstab → client mount → stripe → lctl tune

# 步骤 1：dry-run 预演（零系统改动，输出全部变更明细）
.venv/bin/python main.py bootstrap --dry-run --config config/deploy.yaml

# 步骤 2：真实部署（首次需 --force 才执行 mkfs.lustre）
.venv/bin/python main.py bootstrap --config config/deploy.yaml --force

# 等价的 shell 操作序列（以实现体为准，此处供人阅读）：
# --- 在 MGS+MDT 节点 192.168.31.21 ---
ssh root@192.168.31.21 'cat > /etc/yum.repos.d/lustre.repo <<EOF
[lustre-server]
baseurl=https://downloads.whamcloud.com/public/lustre/lustre-2.17.0/el9.7/server/
gpgcheck=0
EOF'
ssh root@192.168.31.21 'cat > /etc/yum.repos.d/e2fsprogs.repo <<EOF
[e2fsprogs]
baseurl=https://downloads.whamcloud.com/public/e2fsprogs/latest/el9/
gpgcheck=0
EOF'
ssh root@192.168.31.21 'dnf install -y kmod-lustre kmod-lustre-osd-ldiskfs lustre-osd-ldiskfs-mount lustre lustre-resource-agents e2fsprogs'
ssh root@192.168.31.21 'firewall-cmd --permanent --add-port=988/tcp && firewall-cmd --reload'
ssh root@192.168.31.21 'lnetctl lnet configure 2>/dev/null; lnetctl net add --net tcp --if <网卡名>'
# 高危：mkfs.lustre 不可逆，会清空 /dev/vdb；建议先 dd 镜像备份
ssh root@192.168.31.21 'dd if=/dev/vdb of=/root/vdb.img.bak bs=4M status=none'  # 可选备份
ssh root@192.168.31.21 'mkfs.lustre --fsname=edafs --mgs --mdt --index=0 /dev/vdb'
ssh root@192.168.31.21 'mkdir -p /mnt/mdt0 && mount -t lustre /dev/vdb /mnt/mdt0'

# --- 在 OSS 节点 192.168.31.22 ---
ssh root@192.168.31.22 '<同上 repo + install + firewall + lnet>'
ssh root@192.168.31.22 'mkfs.lustre --fsname=edafs --mgsnode=192.168.31.21@tcp --ost --index=0 /dev/vdb'
ssh root@192.168.31.22 'mkdir -p /mnt/ost0 && mount -t lustre /dev/vdb /mnt/ost0'

# --- 客户端节点（由 deploy.yaml clients 列表驱动）---
ssh root@<client> 'dnf install -y kmod-lustre-client lustre-client'
ssh root@<client> 'lnetctl lnet configure; lnetctl net add --net tcp --if <网卡名>'
ssh root@<client> 'mkdir -p /mnt/lustre && mount -t lustre 192.168.31.21@tcp:/edafs /mnt/lustre'

# --- fstab 持久化（所有 lustre 挂载加 nofail，防开机失败）---
# 服务端：/dev/vdb /mnt/mdt0 lustre defaults,noexec,nofail 0 0
# 客户端：192.168.31.21@tcp:/edafs /mnt/lustre lustre defaults,noexec,nofail 0 0

# --- EDA striping 模板（4 类） ---
ssh root@<client> 'lfs setstripe /mnt/lustre/eda_small_files -S 1M -c 1'
ssh root@<client> 'lfs setstripe /mnt/lustre/eda_large_files -S 16M -c 1'
ssh root@<client> 'lfs setstripe /mnt/lustre/eda_shared_files -S 4M -c -1'
ssh root@<client> 'lfs setstripe /mnt/lustre/eda_scratch -S 1M -c 1'

# --- lctl 调优（客户端，通过 modprobe + systemd oneshot 单元持久化）---
ssh root@<client> 'lctl set_param ldlm.namespaces.*.lru_size=100*<CPU核数>'
ssh root@<client> 'lctl set_param osc.*.max_rpcs_in_flight=32'
ssh root@<client> 'lctl set_param llite.*.statahead_max=512'

5.3 add-oss（加 OSS 节点）¶

实现文件：deployer.py:cmd_add_oss（编排：repo → install → firewall → lnet → format → mount → fstab）

场景：在 deploy.yaml 的 nodes.oss 列表追加新节点后执行；已有 OSS 不受影响。

# 1. 编辑配置，追加新 OSS 节点
vi config/deploy.yaml
#   oss:
#     - host: 192.168.31.22          # 已有
#     - host: 192.168.31.23          # 新增
#       ssh_user: root
#       lnet_nid: 192.168.31.23@tcp
#       lnet_interface: auto
#       targets:
#         # 示例盘符请按实际环境填写，本环境实际使用 /dev/vdb
#         - {device: /dev/sdb, type: ost, index: 1}

# 2. dry-run 预演
.venv/bin/python main.py add-oss --dry-run --config config/deploy.yaml

# 3. 执行（需 --force 才 mkfs 新盘）
.venv/bin/python main.py add-oss --config config/deploy.yaml --force

5.4 add-ost（加 OST 盘）¶

实现文件：deployer.py:cmd_add_ost（编排：format → mount → fstab）

场景：在已有 OSS 节点的 targets 列表追加新盘后执行；已有 OST 不重新 format。

# 1. 编辑配置，在已有 OSS 的 targets 追加新盘
vi config/deploy.yaml
#   oss:
#     - host: 192.168.31.22
#       targets:
#         - {device: /dev/sdb, type: ost, index: 0}   # 已有
#         - {device: /dev/sdc, type: ost, index: 1}   # 新增

# 2. dry-run 预演
.venv/bin/python main.py add-ost --dry-run --config config/deploy.yaml

# 3. 执行
.venv/bin/python main.py add-ost --config config/deploy.yaml --force

5.5 add-mdt（DNE 加 MDT）¶

实现文件：deployer.py:cmd_add_mdt（编排：format → mount → fstab → lctl set_param mds.*.enable_dne=1）

末步「启用 DNE」属远端变更，经统一变更入口执行：--dry-run 下只打印计划、不真正下发 lctl set_param；真实执行时校验返回码，失败即计入本次失败。

场景：在 MGS+MDT 节点的 targets 列表追加新 MDT（type=mdt, index=1）后执行；已有 MDT0000 不受影响。

# 1. 编辑配置
vi config/deploy.yaml
#   mgs_mds:
#     - host: 192.168.31.21
#       targets:
#         - {device: /dev/sdb, type: mgt_mdt, index: 0}  # 已有 combined
#         - {device: /dev/sdc, type: mdt, index: 1}       # 新增 DNE MDT

# 2. dry-run 预演
.venv/bin/python main.py add-mdt --dry-run --config config/deploy.yaml

# 3. 执行
.venv/bin/python main.py add-mdt --config config/deploy.yaml --force

5.6 add-client（加客户端）¶

实现文件：deployer.py:cmd_add_client（编排：repo → install → firewall → lnet → client mount → fstab → lctl tune）

场景：在 deploy.yaml 的 clients 列表追加新客户端后执行。

# 1. 编辑配置
vi config/deploy.yaml
#   clients:
#     - host: 192.168.31.30
#       ssh_user: root
#       mount_point: /mnt/lustre

# 2. dry-run 预演
.venv/bin/python main.py add-client --dry-run --config config/deploy.yaml

# 3. 执行（客户端无需 --force，不涉及 mkfs）
.venv/bin/python main.py add-client --config config/deploy.yaml

5.7 enable-ha（启用 HA）¶

实现文件：deployer.py:cmd_enable_ha → modules/ha_pacemaker.py（stub：仅安装 pacemaker/corosync 并初始化集群，cib XML 留人工配置）

场景：在 deploy.yaml 的 ha 段填入主备节点对与 VIP 后执行；需短暂停服窗口。

# 1. 编辑配置
vi config/deploy.yaml
#   ha:
#     enabled: true
#     mds_pair:
#       - {primary: 192.168.31.21, secondary: 192.168.31.24, vip: 192.168.31.100}

# 2. dry-run 预演
.venv/bin/python main.py enable-ha --dry-run --config config/deploy.yaml

# 3. 执行（安装包 + 初始化集群）
.venv/bin/python main.py enable-ha --config config/deploy.yaml

# 4. 人工配置 cib（stub 不自动生成 cib XML）
#    pcs resource create mdt0 ocf:lustre:Lustre ...
#    pcs constraint order ...

注意：HA 是 stub 实现，仅完成包安装与集群初始化；target 切换到 Pacemaker 管理的 cib 配置需人工执行，详见 RUNBOOK.md 的 HA 章节。

5.8 tune（应用调优）¶

实现文件：deployer.py:cmd_tune → stripe_tuning.py + lctl_tuning.py

场景：单独应用或更新 striping 模板与 lctl 调优参数（不涉及安装/格式化/挂载）。

# 1. 编辑 deploy.yaml 的 optimization 段
vi config/deploy.yaml

# 2. dry-run 预演
.venv/bin/python main.py tune --dry-run --config config/deploy.yaml

# 3. 执行（客户端 + 服务端均应用）
.venv/bin/python main.py tune --config config/deploy.yaml

lctl 调优通过以下方式持久化（实现体自动完成）： - /etc/modprobe.d/lustre.conf：写入 options <module> <key>=<value> - /etc/systemd/system/lustre-tune.service（单元名 lustre-tune.service）：Type=oneshot + RemainAfterExit=yes 的 oneshot 单元，After=remote-fs.target；每条参数一行 ExecStart=/usr/sbin/lctl set_param <param>=<value>（lctl 实际位于 /usr/sbin/lctl）；客户端单元另加 RequiresMountsFor=<客户端挂载点>，保证在 lustre 挂载完成后执行

改用 systemd 单元的原因：@reboot cron 的执行时机早于 lustre 挂载，且挂载动作会把 osc/llite 级参数重置为默认值；oneshot 单元在挂载完成后执行才能让参数留存。

调优参数清单（config/deploy.yaml 的 optimization 段）：

适用范围	参数	值
客户端 `client_tuning`（8 项）	`ldlm.namespaces.*.lru_max_age`	600000
客户端 `client_tuning`	`ldlm.namespaces.*.lru_size`	auto（100 × CPU 核数）
客户端 `client_tuning`	`osc.*.max_rpcs_in_flight`	32
客户端 `client_tuning`	`mdc.*.max_rpcs_in_flight`	64
客户端 `client_tuning`	`mdc.*.max_mod_rpcs_in_flight`	31
客户端 `client_tuning`	`llite.*.statahead_max`	512
客户端 `client_tuning`	`llite.*.statahead_agl`	1
客户端（不纳入期望态）	`osc.*.max_dirty_mb`	实测运行期会被 Lustre 按内存/压力重算（设 64 后回到 128），属自适应参数，硬设无效且会造成巡检误报
服务端通用 `server_tuning`（MGS/MDS/OSS）	`timeout` / `ldlm_timeout` / `at_min` / `at_max`	600 / 200 / 250 / 600
MDS 专属 `mds_tuning`（仅 mgs_mds 角色）	`mdt.*.max_mod_rpcs_in_flight`	32

mdc.*.max_mod_rpcs_in_flight 的上限由 MDT 在客户端连接时返回的值决定，客户端值必须小于服务端 mdt.*.max_mod_rpcs_in_flight；超出时内核返回 ERANGE(34)，设置失败并留下日志 Numerical result out of range。服务端调高该值后，已连接的客户端须重新挂载才会放宽上限。配置校验已加入该约束：客户端值 ≥ 服务端值时判 BLOCK。 llite.*.statahead_xattr 在 Lustre 2.17 已不存在，不再下发。

5.9 inspect（健康巡检）¶

实现文件：deployer.py:cmd_inspect → modules/inspector.py（B 类只读，11 项巡检，产出 reports/inspect-<YYYYmmdd-HHMMSS>.md）

场景：安装完成后或日常巡检，只读取证不改变状态。

# 执行巡检
.venv/bin/python main.py inspect --config config/deploy.yaml

# 预期：在 reports/ 下生成巡检报告
ls -lt reports/inspect-*.md | head -1
cat reports/inspect-<最新时间戳>.md

巡检 11 项（详见 RUNBOOK.md 巡检章节）： 1. SSH 连通性 + 时间同步 2. LNet 状态与 NID 一致性 3. target 在线状态（与 yaml 比对找漂移） 4. MDT/OST 容量与使用率（>80% 告警 / >90% 严重） 5. 客户端挂载状态 6. lctl 调优参数符合预期 7. striping 模板设置正确 8. 防火墙 988/tcp 放行 9. fstab 持久化与 nofail 选项 10. 系统资源水位（CPU/内存） 11. RPM 包完整性（按角色）

6. 验证¶

# 0. 预检查复检（只读；变更前后均可跑，预期无 BLOCK 项）
.venv/bin/python main.py precheck --config config/deploy.yaml

# 1. target 在线状态
ssh root@192.168.31.21 'lctl dl'                    # 预期：MGS UP, MDT0000 UP
ssh root@192.168.31.22 'lctl dl'                    # 预期：OST0000 UP

# 2. 容量
ssh root@192.168.31.21 'lfs df -h'                  # 预期：列出 MDT + OST 容量

# 3. 客户端读写
ssh root@<client> 'dd if=/dev/zero of=/mnt/lustre/eda_scratch/test bs=1M count=100'  # 预期：100MB 写入成功
ssh root@<client> 'lfs getstripe /mnt/lustre/eda_small_files'                       # 预期：stripe_count=1

# 4. lctl 调优参数
ssh root@<client> 'lctl get_param osc.*.max_rpcs_in_flight'                        # 预期：32

# 5. 幂等测试（连续执行第二次，零变更、全跳过）
.venv/bin/python main.py bootstrap --config config/deploy.yaml --force
# 预期日志：所有 target "已格式化，跳过"；所有包 "已安装，跳过"

# 6. 巡检报告无 HIGH 级别异常
.venv/bin/python main.py inspect --config config/deploy.yaml
grep -c 'HIGH' reports/inspect-*.md | tail -1        # 预期：0

# 7. 重启后调优参数仍达标（systemd oneshot 单元持久化）
ssh root@<client> 'systemctl is-enabled lustre-tune.service'   # 预期：enabled
ssh root@<client> 'systemctl is-active lustre-tune.service'    # 预期：active
ssh root@<client> 'lctl get_param mdc.*.max_mod_rpcs_in_flight'
# 预期：mdc.*.max_mod_rpcs_in_flight=31（上限由服务端 mdt.*.max_mod_rpcs_in_flight=32 决定）

7. 回滚¶

可恢复的配置文件（基于时间戳备份）¶

实现体 deployer.py:cmd_rollback 扫描以下 7 类远程配置文件在远程备份目录 /var/backups/lustre-ins/ 下的 .bak.* 备份，取最新恢复（备份不再与被改文件同目录）：

远程路径	备份位置
`/etc/yum.repos.d/lustre.repo`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/yum.repos.d/e2fsprogs.repo`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/lnet.conf`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/modules-load.d/lnet.conf`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/fstab`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/modprobe.d/lustre.conf`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`
`/etc/systemd/system/lustre-tune.service`	`/var/backups/lustre-ins/<原路径>.bak.<时间戳>`

# 1. 查看可恢复项（不执行）
.venv/bin/python main.py rollback --config config/deploy.yaml

# 2. 真实恢复（需 --force）
.venv/bin/python main.py rollback --config config/deploy.yaml --force

# 等价的手工恢复命令：
# ssh root@<host> 'cp -f /var/backups/lustre-ins/etc/yum.repos.d/lustre.repo.bak.<时间戳> /etc/yum.repos.d/lustre.repo'

备份台账见 backup/README.md，逐条登记备份文件、原路径、产生时间、回滚什么、何时可删。

不可逆操作（mkfs.lustre）¶

mkfs.lustre 会清空目标盘，无法通过配置回滚恢复。回滚方式：

MDT 设备：若部署前执行了 dd if=/dev/vdb of=/root/vdb.img.bak，可 dd if=/root/vdb.img.bak of=/dev/vdb 恢复原始镜像；否则数据不可恢复。
OST 设备：OST 数据可重建（重新 mkfs + 重新写入），但已有数据丢失。

强烈建议：mkfs 前对 MDT 设备执行 dd 镜像备份（MDT 含元数据，丢失不可逆）。

8. 风险说明¶

风险	等级	缓解措施
mkfs.lustre 清空目标盘	高	dry-run 默认；需显式 `--force`；设备校验（整盘 + 未挂载 + 非 swap + 非系统盘），系统盘由 `lsblk` 挂载树推导（不再使用块名白名单）；`[HIGH-RISK]` 日志标记；建议 dd 镜像备份 MDT
误格式化系统盘	高	系统盘判定基于挂载树（含 `/`、`/boot`、`/boot/efi`、`[SWAP]` 等所在盘的祖先盘），与盘序/机型无关；推导失败时按"拒绝格式化"处理；必要时用 `disk_safety.system_disks` 人工覆盖
预检查未过仍继续变更	高	变更类子命令执行前自动跑配置校验与安装前预检查；真实执行下存在 BLOCK 即终止，`--dry-run` 下降级为告警并在报告中标明；每次预检查留痕到 `reports/precheck-*.md`
挂载顺序错误	中	首次启动 MGT→MDT→OST→client；实现体按此顺序编排；增量扩展时新 target 单独挂载不影响已有
LNet 网卡名错误	中	`lnet_interface: auto` 用 `ip route get <对端 IP>` 自动探测；可写死网卡名
lctl 参数重启失效	中	写入 `/etc/modprobe.d/lustre.conf` + `/etc/systemd/system/lustre-tune.service`（systemd oneshot 单元，`After=remote-fs.target`；客户端单元加 `RequiresMountsFor=<挂载点>` 以晚于 lustre 挂载执行）持久化
客户端 max_mod_rpcs_in_flight 受限	中	客户端 `mdc..max_mod_rpcs_in_flight` 的上限由 MDT 在客户端连接时返回的值决定，必须小于服务端 `mdt..max_mod_rpcs_in_flight`；超出时内核返回 `ERANGE(34)`，设置失败。调整须服务端先行，且客户端重新挂载后上限才放宽；配置校验对「客户端值 ≥ 服务端值」判 BLOCK
fstab 错误致开机失败	中	所有 lustre 挂载条目加 `nofail` 选项；巡检第 9 项检查
增量扩展配置漂移	中	实现体先 `lctl dl` 列出当前在线 target，与 yaml 比对，只对"yaml 有而系统无"的 target 执行 format+mount
HA 启用需停服	中	`enable-ha` 需短暂停服窗口；SOP 第 4 章写明；cib 配置人工执行
whamcloud 仓库不可达	低	在线安装依赖 `downloads.whamcloud.com` 可达；前置条件检查网络
连续失败	低	实现体连续失败 2 次终止，不重试不换参

来源：/home/rain/Documents/lustre_ins/docs/SOP.md ｜最后更新：2026-09-24 12:47（由 build/sync.py 同步，请勿在站点侧修改）