[NetWare 5.1] Random lockups

[Tachyon]

Er draait hier een Compaq Proliant ML350 als file- en printserver onder NetWare 5.1.
Op zich draait hij als een trein, ware het niet dat hij gemiddeld zo eens in de 2 maanden compleet vastloopt.
Soms na 4 maanden, soms ook na een maand, er is geen struktuur in te ontdekken.

Ik heb eerlijk gezegd geen idee waar het aan zou kunnen liggen. Ik heb al een paar keer de server opnieuw geinstalleerd de afgelopen 2 jaar, maar dat helpt niet echt. SupportPack 3 is op dit moment geinstalleerd, maar met 1 en 2 had ik het probleem ook.

Er is geen enkele foutmelding te ontdekken; de server reageert helemaal nergens meer op. Na een harde reset gaat hij verder of er niets aan de hand is; geen foutmeldingen tijdens het opstarten. Dan draait hij vrolijk weer een paar maanden door zonder een enkel probleem.

We hebben hier in principe een hardware servicecontract bij de leverancier, maar die zegt: wat is er dan defect aan uw systeem meneer? En dat weet ik dus niet....
Ik weet niet eens of het wel een hardwareprobleem is.

Heeft iemand enig idee wat een mogelijke oorzaak voor de lockups zou kunnen zijn?

[Verwijderd]

kzou de koeling eens in de gaten houden, al zie ik hier niet direct waarom deze problemen zich voordoen.

[Tachyon]

Daar heb ik ook al eens aan gedacht. Het betreft immers een CPU die semi-passief gekoeld wordt. Zonder fan direct op de processor dus, maar met 1 grote case-fan.
Hij wordt wel redelijk warm, maar niet echt heet. Voor zover ik weet zijn er voor NetWare niet echt tooltjes om de temp van de CPU uit te lezen. Bovendien weet ik dan pas na een lange tijd (tot de volgende crash), of warmte het probleem is.

Er zit verder niet veel bijzonders in die bak: de onboard LAN en een 3Com509B-Combo. En dan nog een SCSI-controller voor de HDD's. Memory is 2x128 MB ECC. Als daar een probleem mee zou zijn, zou hij veel vaker crashen denk ik.

De server wordt ook niet echt zwaar belast ofzo; hij hoeft alleen maar een beetje file- en printerserving te doen en staat eigenlijk maar een beetje uit zijn neus te vreten...

Ik wil NetWare niet afvallen, maar we hebben ook VOBIS-bakjes (ja, VOBIS-bakjes...) draaien onder Linux (Intranet, Email-server) die al een halfjaar tot een jaar up zijn... En de dure Compaq met het dure Netware gaat elke paar maanden op zijn bek....

[DGTL_Magician]

Dit kan aan een aantal dingen liggen. 2 dingen die ik in de praktijk tegen ben gekomen: rot geheugen en een verrotte SCSI controller. Wij hadden op een gegeven moment dat als je de stekker uit de voeding haalde, en dus het moederbord geen stroom meer kreeg de server dan na het weer opstarten vast ging lopen. Het hield pas op na een reinstall van Netware, maar na de stekker uit het stopcontact te hebben gehaald was het probleem weer terug.

Dan mijn 2e ervaring, rot geheugen. Dat lijkt nog meer op wat jij omschrijft. Volledig vast, rebooten en hij doet het weer een tijdje. Als het einde van het geheugen, of halverwege of ergens waar het in ieder geval de 1e tijd niet gebruikt wordt defect is, dan krijg je dit effect.
In ieder geval veel succes, en laat even weten hoe het afloopt.

[Tachyon]

Probleem is dat ik niet even ergens 2 reepjes vervangend ECC geheugen heb liggen. Slikt zo'n Compaq ook Non-ECC geheugen?

Dan zou ik een testbak kunnen opzetten waar ik het oorspronkelijke geheugen met Memtest86 kan testen. Die test duurt meestal vrij lang en zolang kan ik de fileserver niet down hebben.

Als ik zeker wist dat het aan het geheugen lag had ik allang gebruik gemaakt van ons hardware-servicecontract.

Op de Novell supportsite heb ik gezien dat er ook nogal wat problemen zijn met de backupsoftware ARCServeIT. Die verdenk ik ook wel een beetje.

[DGTL_Magician]

Op maandag 15 juli 2002 21:52 schreef Tachyon het volgende:
Probleem is dat ik niet even ergens 2 reepjes vervangend ECC geheugen heb liggen. Slikt zo'n Compaq ook Non-ECC geheugen?

Dan zou ik een testbak kunnen opzetten waar ik het oorspronkelijke geheugen met Memtest86 kan testen. Die test duurt meestal vrij lang en zolang kan ik de fileserver niet down hebben.

Als ik zeker wist dat het aan het geheugen lag had ik allang gebruik gemaakt van ons hardware-servicecontract.

Op de Novell supportsite heb ik gezien dat er ook nogal wat problemen zijn met de backupsoftware ARCServeIT. Die verdenk ik ook wel een beetje.

De problemen met Arcserve vallen in mijn omgeving nog wel mee, je hebt grotere kans dat het in het geheugen zit. Volgens mij kan jou compaq wel Non-ECC geheugen aan, maar zeker weet ik het niet. Wij hebben HP LC2000 en TC4100's staan Die slikken lekker standaard geheugen, dat scheelt weer in de prijs. Overigens, als je Support Pack gaat gebruiken zet dan wel even het originele geheugen erin. Veel succes!

[Tachyon]

Op dinsdag 16 juli 2002 09:57 schreef DGTL_Magician het volgende:

[..]
Volgens mij kan jou compaq wel Non-ECC geheugen aan, maar zeker weet ik het niet.

Ik ook niet, en ik ga het ook niet proberen. Ik heb namelijk iets anders bedacht: de oorspronkelijke configuratie van de ML350 kwam met 128 MB. We hebben er toen door de leverancier een reepje van 128 bij laten prikken. Nu zie ik dat het niet hetzelfde type geheugen is als het originele Compaq-geheugen. Misschien dat hem daar het probleem zit. Ik ben van plan om telkens 1 reepje eruit te laten en in een testbak te hangen. Zo kan de server doordraaien met ECC-geheugen. Als beide reepjes geen fouten vertonen kan het nog zijn dat ze niet helemaal compatible met elkaar zijn en dan bestel ik gewoon een nieuw reepje 256MB ECC.

Overigens, als je Support Pack gaat gebruiken zet dan wel even het originele geheugen erin.

Hoezo dat dan?

[DGTL_Magician]

Op dinsdag 16 juli 2002 13:13 schreef Tachyon het volgende:

[..]

Ik ook niet, en ik ga het ook niet proberen. Ik heb namelijk iets anders bedacht: de oorspronkelijke configuratie van de ML350 kwam met 128 MB. We hebben er toen door de leverancier een reepje van 128 bij laten prikken. Nu zie ik dat het niet hetzelfde type geheugen is als het originele Compaq-geheugen. Misschien dat hem daar het probleem zit. Ik ben van plan om telkens 1 reepje eruit te laten en in een testbak te hangen. Zo kan de server doordraaien met ECC-geheugen. Als beide reepjes geen fouten vertonen kan het nog zijn dat ze niet helemaal compatible met elkaar zijn en dan bestel ik gewoon een nieuw reepje 256MB ECC.
[..]

Hoezo dat dan?

Wat ik bedoel is dat als jij er ander geheugen in gaat zetten als wat Compaq standaard levert of wat niet door de gecertificeerde Compaq dealer erin gezet is ze zullen zeggen dat het door jouw geheugen komt.
Wij kopen onze HP's bij de leverancier met 128MB standaard HP geheugen en de rest 1 of 1,5 GB standaard geheugen. Dat scheelt enorm op de prijs. We hebben alleen het advies gekregen dat als er eens iemand van HP zelf bij komt, dat dat geheugen er even uit moet om een hoop gezeik te besparen.

[Verwijderd]

Hoe merk je dat ie vastloopt? 100% utilization? Of gewoon een lockup?

Scsi en geheugen zijn ook mijn eerste 2 gokjes. Niet netware. Bij ons bleek een dergelijk geval ook de scsi-kaart te zijn. Meestal liep ie tijdens het backuppen vast; dan kan het helpen de scsi-bus een stapje trager te zetten.

Tis maar een idee...

[Tachyon]

Hoe ik merk dattie vastloopt? Dan staat mijn telefoon roodgloeiend en loopt iedereen met een verontrust gezicht de deur plat...

Maar ff serieus; het is een totale lockup. Niets reageert meer. Geen toetsenbord meer, geen remote tooltjes, geen ping, niets.

Hij is nog nooit gecrashed tijdens de backup, dus die SCSI-controller zal wel goed werken denk ik. Maar hoe zet ik uberhaupt de SCSI-bus een stapje trager? Ik wil het best proberen.

Geheugen is ook mijn guess nu. Het tweede reepje (waarschijnlijk non-compaq) heb ik nu verwijderd om te zien hoe hij het met 1 reepje, het oorspronkelijke geheugen dus, doet.

Ik zie dat ze bij Informatique een geheugenwizard hebben die ook geheugen van een Proliant ML350 kan adviseren.
256MB ECC doet maar € 91, dus misschien dat ik dat maar alvast bestel...

Ik heb gisterenavond tot acht uur een corrupte database proberen te repareren en daar ben ik vanmorgen mee doorgegaan... Ik hoop dat het aan dat ene reepje ligt en zo ja, dan ga ik toch eens even bellen met de leverancier...

[Verwijderd]

Scsi een trapje trager instellen doe je in het scsi-menu; meestal een toetscombinatie tijdens de boot.

Tip: tape-streamer in een andere server. Moet het toch aan een productie-server gebruik dan voor de streamer een dedicated kaart; 1 kaart alleen voor de streamer. Zitten bij jou de hd's aan dezelfde scsi-kaart als de streamer? Alles zeker goed met terminators gedaan?

Zo'n heftige lockup is voor 99% hardware. Ik heb het zo een paar keer gezien; steeds was het hardware.

Ik hoop voor je dat het die mem-chip is....

[Tachyon]

De HDD's zitten inderdaad aan dezelfde kaart als de streamer. Hij is gebouwd door een Compaq-certified leverancier, dus ik mag er dan toch vanuit gaan dat het wel goed gebeurd is? Ik dacht ook, maar dat weet ik niet zeker, dat HDD en streamer een aparte SCSI-poort met aparte controller-chips hebben. Het werkt ook prima, op die crashes na dan.

Ik ga komende maandag 4 weken op vakantie, dus ik ben benieuwd of het zaakje nog draait als ik terugkom...

[Tachyon]

Zojuist is de zaak weer op zijn muil gegaan...
Het lijkt dus steeds erger te worden. Voordeel is dat ik weer een eventuele oorzaak, namelijk een mogelijke incompatibiliteit tussen de 2 reepjes geheugen, uit heb kunnen sluiten. Er zat immers maar 1 reepje in. Ik ga nu het andere reepje terugzetten en kijken wat er gebeurt.

Ben behoorlijk pissig aan het worden nu...

[Verwijderd]

Ik zou me denk ik toch beroepen op het servicecontract. Iedereen die een beetje van Novell weet zegt dat dit zo goed als zeker iets met hardware is. Als ze twijfelen, kun je misschien een deal maken; immers jij hebt een probleem en zij zouden je moeten helpen.

Hoe kan men je helpen.... alternatieve hardware bijvoorbeeld, waar je je schijven naar overzet. Goede kans dat die dan niet crasht. Als dat toch zo is, zou je ook de hd's nog moeten uitsluiten. Maar die zijn best goed te testen.

[Verwijderd]

Zet de streamer maar op een andere kaart, kan zeker de oorzaak zijn. En dan ook nog een stapje lager qua snelheid zoals al een keer aangegeven is. Zorg ervoor dat de temperatuur in de omgeving stabiel is, zo rond 20 graden, en dat de server zelf niet teveel hoeft te koelen.

[Tachyon]

Ik heb gisterenavond op het support-forum van Compaq gelezen dat het ook wel eens de voeding zou kunnen zijn. Er schijnt een slechte serie geproduceerd te zijn geweest.

Ook heb ik met behulp van een Diagnostics-disk van Compaq wat test uitgevoerd, en daaruit kwam 1 foutmelding naar voren: "SMART-test failed, harddrive failure imminent"

Dat vond ik eerst nogal verontrustend, maar omdat hij het voor beide schijven aangaf denk ik dat SMART gewoon uitstaat. Tenminste dat hoop ik dan maar. Voor de zekerheid maar even een restore-test van de backup gedaan.

Ik ga na de vakantie zeker eens contact opnemen met de leverancier of met Compaq. Ben het probleem een beetje beu aan het worden. Ik zal de afloop hier melden.

[Verwijderd]

Wij draaien op onze Compaqs de InsightManager. Een soort permanente SMART-triggering. Als SMART het met de hd's niet zitten heb je harde bewijzen om die service-mensen aan te spreken.

Ben heel benieuwd hoe het afloopt; dit zijn van die typische problemen waar iedereen lering uit kan trekken.

[Tachyon]

Heb zojuist contact gehad met de leverancier.

Naar aanleiding van [url="http://gathering.tweakers.net/forum/list_messages/211231/1?limit=50"]dit topic[/url] heb ik even gekeken wat het serienummer van onze bak is. In de eerste 4 cijfers van het serienummer komt inderdaad het getal 23 voor, waar 1 van de posters in het topic het over heeft. Dat is wel erg toevallig natuurlijk...

Er wordt een afspraak gemaakt om de voeding te vervangen.
Ben benieuwd!

[Tachyon]

Voeding is vervangen een tijdje terug. Helaas nog steeds crashes....

[wizl]

Tachyon schreef op 15 juli 2002 @ 17:19:Na een harde reset gaat hij verder of er niets aan de hand is; geen foutmeldingen tijdens het opstarten. Dan draait hij vrolijk weer een paar maanden door zonder een enkel probleem.

Hij zeurt helemaal niet over de volumes en/of de NDS

[Verwijderd]

"SMART-test failed, harddrive failure imminent"

Hiermee zou ik de leverancier confronteren. Oplossen die zooi *&^*^*, zou ik zeggu...

[Tachyon]

wizl schreef op 31 juli 2002 @ 15:06:
[...]
Hij zeurt helemaal niet over de volumes en/of de NDS

Nope. Na een "normale" crash of abend zou hij toch moeten gaan zeuren over volumes die niet "properly unmounted" zijn of iets dergelijks.

Ik heb hier thuis een BP6 staan met Linux die exact hetzelfde probleem heeft af en toe. Totale lock-up. Het verschil is dat ik bij mijn BP6 weet waar het aan ligt, namelijk een ietsje teveel aan overclocking...

Maar die Compaq is helemaal niet overklokt (ik zou niet durven).
Na een lock-up draai ik altijd even vrepair en dsrepair, maar die vinden nooit grote problemen.

Komende vrijdag ga ik toch eens een andere CPU proberen, met actieve koeling.
En ik ga een piekspanningsdingetje installeren, misschien dat hij last heeft van fluctuaties in het electriciteitsnet.

[Verwijderd]

Zie ie nog in de garantie?
Storing melden en opsturen naar Compaq die bak. (Heb je een Carepaq?)
Doe ik met alle Proliants die zulke kuren gaan vertonen.
Ik maak wel meer van dat soort dingen mee.

De laatste maanden vind ik alleen maar verborgen gebreken in die proliants.
Vooral in die laatste ML350 en 370 serie.
Voedingen , moederbordjes, chips etc.
Waardeloze servers aan het worden.

[Tachyon]

Verwijderd schreef op 31 juli 2002 @ 20:42:
"SMART-test failed, harddrive failure imminent"

Hiermee zou ik de leverancier confronteren. Oplossen die zooi *&^*^*, zou ik zeggu...

Als de schijven echt op het punt staan om het te begeven had ik toch al veel eerder lees- en schrijffouten moeten krijgen. Daarvan is niets te merken.

Bovendien doet "het probleem" zich al voor vanaf de aanschaf van de server, zo'n 2 jaar terug. Dus als die schijven toen al slecht waren zouden ze 2 jaar later helemaal gaar moeten zijn. Ik heb ook niet zoveel vertrouwen in die Diagnostics van Compag: de "geheugentest" duurde een paar seconden en alles was OK. Volgens mij werd alleen gekeken naar de hoeveelheid of zo Maar je weet het nooit.

Van mij mag de leverancier een vervangende server neerzetten. Kunnen zij op hun gemak uitzoeken waar het aan ligt. Maar ja, als het dan achteraf toch een software-dingetje blijkt te zijn krijgen we weer een fikse rekening...

We hebben wel een hardware servicecontract maar in dat contract staat dat je moet aangeven wat er kapot is en daar zit hem het probleem.....

[Verwijderd]

Ik heb wel eens problemen gehad met Proliant servers waar ze een keer of 5 voor teruggekomen zijn en uiteindelijk heel het binnenwerk maar vervangen hebben.
Toen was het uiteindelijk opgelost.
Ik wil je niet bang maken hoor maar hij heeft 3 jaar garantie dus ik zou er maar achteraan gaan.

[Verwijderd]

Je hebt een heftig hang-probleem. Een aanwijzing heb je in die meldingen. Laat de leverancier die meldingen oplossen. Dan zijn jouw problemen misschien ook over.