MQ在民航数据库中的故障

2019-04-03北京市驰宇通信导航工程公司秦明

网络安全和信息化 2019年3期

■ 北京市驰宇通信导航工程公司秦明

编者按：MQ故障原因很多，经常会出现MQ软件故障，但有时其他方面的故障却容易被忽略，本文讲解了因为网络原因导致的一次故障，并对常见的MQ故障做了总结。

MQ在银行、电信、交通运输、政府机关等各行各业广泛应用，它以其特有的先进机制保证对消息的“Once and Once only”的传输，做到不丢失、不复传，保证传输的可靠性。

MQ应用于民航数据库中，MQ消息是24小时不间断发送。随着MQ在民航数据库中应用越来越多，MQ故障也越来越多。MQ故障又分为很多种，有时处理一个故障要花费不少时间。为了尽可能缩短处理MQ故障时间，急需把民航数据库中MQ的故障总结出来，并加以分析。当以后再遇到相同故障时，能及时处理故障。保证MQ在民航数据库中不间断地传输数据。本文结合MQ在民航数据库的应用，分析MQ在应用中的一个故障。

图1 MQ的简单流程

民航数据库系统是一个实时数据库系统，MQ在民航数据库中主要负责传输各种数据。MQ的简单流程如图1所示。

图1中，当应用程序A把消息放在队列管理器A的远程队列A中时，消息将被存放在传输队列B中，直到发送通道A被启动。当发送通道A启动时，机器B的接收通道被自动启动。MCA将消息交付到远程队列管理器B的目标队列中，即本地队列C中。应用程序C从本地队列C接收消息。如果本地队列不存在或队列已满，则将消息交付死信队列，如无死信队列则消息滞留在传输队列中，通道则被堵塞，如果是非永久消息则丢弃。消息通道的两端都必须处在“running”状态，消息才能被发送。

以上是消息从机器A的队列管理器A发送到机器B的队列管理器B。反过来，当应用程序D把消息放在队列管理器D的远程队列D中时，消息将被存放在传输队列E中，直到发送通道B被启动。当发送通道B启动时，机器A的接收通道被自动启动。MCA将消息交付到远程队列管理器A的目标队列中，即本地队列F中。应用程序B从本地队列F接收消息。

民航数据库应用中的一个故障分析

1.故障现象

通讯机机器A负责向数据库DB01机器和数据库DB02机器传输各种数据，当时通讯机A机器发生硬盘故障，无法重新启动机器。决定启用通讯机A备份机器。重新启动通讯机A备份机器后，启动MQ队列管理器，启动相关应用程序后，还需启动通讯机机器A备机到数据库DB01和数据库DB02的通道。

在通道的发送方运行命令：

Stop CHANNEL(通道名)

RESET CHANNEL(通道名)

在通道的接收方运行命令：

RESET CHANNEL(通道名)

然后再在通道的发送方运行命令：

Start CHANNEL(通道名)

启动通道后，到数据库DB01通道状态是retrying,一直不能变成running。到数据库DB02的通道是running。又尝试了一次重启到数据库DB01通道，还是retrying。

2.故障原因及解决方法

查看网络是否连通，ping数据库DB01的IP地址，发现网络不通。通讯机A备机和数据库DB01是不同网段的，查看路由发现没有添加路由。手工添加路由后，ping数据库DB01的IP地址，发现网络连通，到数据库DB01的通道变成running，故障解决。

3.故障分析总结

由此看出，保障MQ正常传输数据，首先要保障网络连接正常。如果网络不通的故障不经常出现，比较容易忽视掉。

而且网络不通也有很多种情况，比如某段网线的问题、网线结晶头问题、HUB故障、HUB端口问题、路由器故障、路由器端口问题、路由器设置问题、光纤问题、路由没有添加问题，还有因为断电问题引起等等，都需要一步一步排查。

（1）某段网线有问题

当网络不通时，可能是某段网线有问题，可以使用测网线仪器，每段网线进行测试，最后找到有问题的网线，更换网线。

（2）网线结晶头问题

更换网线结晶头。

（3）HUB故障

发现HUB故障，更换一个新HUB。

（4）HUB端口问题

如果是HUB端口问题，可以更换另外一个端口。也可以更换一个新HUB。

（5）路由器故障

发现路由器故障，更换一个新HUB。

（6）路由器端口问题

可以更换另外一个端口。

（7）路由器设置问题

如果发现是路由器设置问题，恢复原先备份的路由器配置，或者重新配置路由器。

（8）光纤问题

如果发现是光纤问题，可以使用仪器测光纤，找到有问题的光纤，更换光纤。或者使用备份光纤。

（9）断电问题

如果发现是断电问题，及时联系电工处理进行恢复。

（10）没有添加路由问题

手工添加路由。

通过上面MQ的故障实例，可以清楚知道这次故障主要是没有添加路由，导致网络不通，不是MQ软件故障。但是刚开始切换通讯机备机后，到数据库DB01通道状态是retrying,一直不能变成running，会习惯性的认为是MQ软件故障。因为局域网的网络故障很少发生，大部分时间网络基本上都是通的，故障率很低，而且每天巡视设备和检查网络，所以网络故障很容易被忽视。第一故障点排查时会检查MQ软件故障，比如通常先检查MQ错误日志；重置MQ序列号，重启通道；查看MQ有没有启动通道监听程序；还有MQ的权限问题等等。

如果这样一步一步查下去，每一步都要浪费不少时间，最后可能还是没查出问题所在。那么如果先检查网络状况的话，耽误的时间很少，一个ping命令就可以。如果不是网络故障很快就能排除。如果是网络故障，直接就去查网络，然后找到故障点，找到处理故障的方法。