简介：本资源是面向Parastor存储系统运维工程师与技术支持人员的实战型故障定位指南，聚焦IO卡住、断流、数据降级、坏段失效、选盘异常及网络通信错误（如-110超时、-10700002无连接等）等高频生产问题，提供可落地的排查路径与验证方法。文档为单文件Word格式（.docx），共1个48.02MB的结构化手册，内容严格按场景篇（5大类故障现象）、修复篇（3类数据异常处置）、选盘篇（磁盘类型选型、容量规划与分配策略）及日志命令附录组织，每章节均含基本排查步骤、典型场景复现与关键日志/命令索引。修订记录完整覆盖V1.0至V1.4迭代，新增网络问题定位方法、磁盘常见问题专项、vset展平失败等最新实践。目前已有1575人学习下载，适合中高级存储运维人员快速建立系统性排错思维并直接应用于现场问题闭环。

1. “IO卡住”不是磁盘坏了，而是你没看懂Parastor的阻塞链：一个让三组值班工程师通宵重启的玄学故障

“IO卡住”四个字，在Parastor运维现场出现频率高得反常——它不像“磁盘离线”那样有明确告警，也不像“服务崩溃”那样进程直接消失；它更像系统突然屏住了呼吸：客户端读写请求挂起、iostat里%util飙到100但r/sw/s归零、dmesg干干净净、top里所有进程都在sleep。某高校模拟项目X上线第三天，A同学照常执行批量数据导入，结果23个客户端集体卡在write()系统调用上，strace -p一挂就是47分钟不返回。他们先换网卡、再重装驱动、最后甚至怀疑是NFS协议栈被污染，直到凌晨三点翻出这份《Parastor问题定位手册_v1.4.docx》，才在第一章1.2.7节发现一句被忽略的注释：“IO卡住 ≠ IO路径中断，极大概率是元数据锁或vset展平任务阻塞了dataio请求队列”。这不是配置错误，也不是硬件故障，而是一套分布式存储系统里请求流、锁流、修复流三者耦合形成的黑匣子死锁。如果你正面对“命令不报错但业务完全停滞”的情况，或者刚被通知“集群看起来正常但应用全挂了”，这篇排错笔记就是为你写的——它不教你怎么装Parastor，只告诉你：当系统静默时，该盯哪一行日志、该敲哪一条命令、该信哪一段输出。

2. IO卡住问题：从现象到根因，为什么iostat显示忙却没IO发出？

2.1 根本不在磁盘层：IO卡住的本质是请求流被上游截断

Parastor的IO路径不是简单的“客户端→网络→存储节点→磁盘”，而是一条带状态检查与协同控制的流水线：
客户端发起dataio请求 → DLM锁协商 → 元数据服务（oPara）分配vset拓扑 → 数据服务（ds）执行物理IO → 修复模块（rcvr）异步校验。
其中任意一环卡住，下游都会表现为“IO卡住”。最典型的误导性现象是：iostat -x 1显示某块盘%util=100但r_await/w_await异常高（>500ms），而cat /proc/diskstats中该盘的#ios计数却几乎不动。这说明请求根本没下发到磁盘驱动层，而是在ds进程内部排队——可能因为vset尚未展平、逻辑盘任务正在抢占CPU、或某个mos节点被fence隔离后未及时上报状态。

提示：不要一看到%util=100就换磁盘。Parastor中%util反映的是块设备队列长度，而非真实磁盘负载。真正瓶颈往往在ds进程的task_struct调度延迟或oPara的锁等待队列。

2.2 快速验证：三步确认是否为典型IO卡住

第一步：确认客户端是否真在阻塞

# 在任一客户端节点执行（需安装parastor-client-tools） ps aux | grep "nfs.*write\|dataio" | awk '{print $2}' | xargs -I{} sh -c 'echo "PID: {}"; strace -p {} -e trace=write,read -c 2>/dev/null | head -5'

若输出中write()调用持续显示<... write resumed>且无返回，说明客户端确实在等待服务端响应。此时不要kill进程——强行中断可能触发元数据不一致。

第二步：检查服务端dataio请求积压

# 在Parastor服务端（ds节点）执行 /opt/parastor/tools/parastor_cli ds --show-queue | grep -E "(pending|blocked)" # 输出示例： # dataio_pending: 1842 # 当前排队未处理的dataio请求数 # dataio_blocked: 97 # 因vset未展平/锁冲突被阻塞的请求数

若dataio_blocked > 50且持续增长，基本可判定为vset或锁问题。注意：dataio_pending高但dataio_blocked低，则可能是ds进程本身CPU过载（见7.3节loadwave分析）。

第三步：定位阻塞源头——查vset展平状态

# 查看当前所有vset的展平进度（关键！） /opt/parastor/tools/parastor_cli vset --list-flat-status | awk '$3 ~ /progress|waiting/ {print $0}' # 输出示例： # vset_id: 0x1a2b3c status: waiting_for_lmos_migration progress: 0% # vset_id: 0x4d5e6f status: in_progress progress: 73%

waiting_for_lmos_migration表示该vset依赖的元数据服务节点（lmos）正在迁移，而迁移卡在锁召回阶段（见3.2.4节）。这是IO卡住最常见根因——vset展平任务被元数据锁阻塞，导致所有指向该vset的dataio请求永久排队。

2.3 解决方案：绕过阻塞点，强制推进vset展平

当确认vset --list-flat-status中存在waiting_for_lmos_migration状态时，执行以下操作：

# 1. 查看lmos迁移卡在哪一步（关键诊断） /opt/parastor/tools/parastor_cli oPara --show-migration-log | tail -30 | grep -E "(start|end|fail|timeout)" # 若发现大量"recall_locks timeout"，说明锁召回失败 # 2. 强制清除卡住的锁召回任务（谨慎！仅限紧急恢复） /opt/parastor/tools/parastor_cli dlm --clear-stale-recall --vset-id 0x1a2b3c # 3. 手动触发vset展平（替代自动调度） /opt/parastor/tools/parastor_cli vset --force-flatten --vset-id 0x1a2b3c

• --clear-stale-recall：清理超过5分钟未响应的锁召回任务。Parastor默认不会自动清理这类stale任务，因为可能涉及数据一致性风险，但IO卡住时这是最快解法。
• --force-flatten：跳过拓扑校验直接展平。该命令会短暂提升CPU负载，但能立即释放被阻塞的dataio队列。

参数说明：--vset-id必须从vset --list-flat-status输出中精确复制，十六进制格式（如0x1a2b3c），不可省略0x前缀。误用ID可能导致其他vset异常。

2.4 避坑：IO卡住排查中最容易翻车的5个操作

1. 现象：iostat显示某盘%util=100，立刻拔掉该盘并更换。
   原因：该盘可能只是被ds进程高频轮询其状态（如检查坏道标记），实际IO请求并未下发。拔盘会触发冗余重建，反而加重集群负载。
   解决：先执行/opt/parastor/tools/parastor_cli ds --show-disk-status --disk-id <id>确认是否真有IO下发。

2. 现象：strace看到客户端write()阻塞，马上重启nfsd服务。
   原因：nfsd只是代理层，重启它不解决底层ds或oPara阻塞。且重启会导致所有客户端重连，瞬间产生大量锁协商请求，加剧拥塞。
   解决：优先查ds和vset状态，nfsd重启应作为最后手段。

3. 现象：vset --list-flat-status显示in_progress但progress长期卡在99%。
   原因：该vset包含超大文件（>1TB），展平需遍历全部对象段，而某段元数据损坏导致遍历中断。
   解决：执行/opt/parastor/tools/parastor_cli repair --show-bad-segment --vset-id 0x1a2b3c定位坏段，再用--skip-bad-segment参数展平。

4. 现象：执行parastor_cli ds --show-queue返回command not found。
   原因：工具路径未加入$PATH，或当前用户权限不足（需parastor用户）。
   解决：使用绝对路径/opt/parastor/tools/parastor_cli，并确保以parastor用户执行（sudo -u parastor /opt/parastor/tools/parastor_cli ...）。

5. 现象：dlm --clear-stale-recall执行后，vset状态仍为waiting_for_lmos_migration。
   原因：lmos节点本身已假死（未上报心跳），但未被fence机制隔离，导致其他节点持续向其发送迁移请求。
   解决：先查/opt/parastor/tools/parastor_cli node --show-fence-status，对假死节点执行--fence-node强制隔离。

3. 断流问题：为什么流量突然归零？不是网卡掉线，而是消息超时雪崩

3.1 断流≠网络中断：Parastor的“断流”本质是消息超时引发的级联拒绝

“断流”在手册目录中独立成章（2.1节），但它和日常理解的“网络断开”完全不同。典型表现是：iftop或nethogs显示节点间流量从2Gbps骤降至0，但ping依然通、netstat -an | grep ESTAB显示连接全在、ethtool eth0显示链路状态Link detected: yes。这种“有连接无流量”的诡异状态，根源在于Parastor自研通信框架的消息超时熔断机制：当某节点连续3次收不到对端的ACK（默认超时150ms），它会主动关闭该TCP连接，并向所有关联vset发送MSG_TIMEOUT事件。而vset收到此事件后，会暂停所有新dataio请求——这就是“断流”。

注意：Parastor的MSG_TIMEOUT（-110）不是Linux errno，而是其内部定义的错误码（见手册4.1节）。混淆二者会导致排查方向完全错误。

3.2 定位消息超时：从网络层到应用层的四层穿透法

第一层：确认是否真为消息超时（而非物理断网）

# 在疑似断流节点执行（需root权限） dmesg | grep -i "msg_timeout\|-110" | tail -10 # 正常输出示例： # [123456.789] parastor: msg_timeout on conn 0xabcdef to node 10.0.1.5:12345, err=-110

若dmesg无此输出，说明不是消息超时，应转向“单点故障”章节（5.1节）。

第二层：检查网络消息错误日志（手册5.1节）

# 查看最近1小时的网络错误（手册5.1节对应命令） /opt/parastor/tools/parastor_cli net --show-error-log --since 3600 # 关键字段： # send_error: 127 # 发送端错误次数（>10需警惕） # recv_timeout: 89 # 接收端超时次数（>50即断流预警） # recv_drop: 3 # 接收端丢包数（>0说明内核队列溢出）

第三层：分析网络线程阻塞（手册5.5节）

# 检查Parastor网络线程是否被阻塞 /opt/parastor/tools/parastor_cli net --show-thread-status | grep -E "(blocked|wait)" # 输出示例： # net_thread_0: blocked_on_mutex wait_time_ms: 42800 # net_thread_1: blocked_on_cond wait_time_ms: 1200

blocked_on_mutex表示网络线程在争抢共享锁，通常因CPU过载或锁粒度太粗；blocked_on_cond表示在等待条件变量，多因上游模块（如ds）未及时消费消息。

第四层：抓包验证（终极手段）

# 在断流节点抓取Parastor专用端口（默认12345）的包 tcpdump -i eth0 -nn port 12345 -w /tmp/parastor_net.pcap -C 100 -W 5 # 分析要点： # - 是否存在大量重复ACK（说明接收端处理慢） # - 是否有TCP ZeroWindow通告（接收端缓冲区满） # - SYN包是否被RST重置（防火墙拦截）

3.3 解决方案：调整超时阈值与线程调度策略

当确认为消息超时导致断流，且排除了物理网络问题后，执行以下优化：

# 1. 临时提高消息超时阈值（治标，应急用） /opt/parastor/tools/parastor_cli net --set-timeout --send 300 --recv 300 # send/recv单位：毫秒。默认150，提高至300可缓解瞬时拥塞 # 2. 增加网络线程数（治本，需重启） echo "net_thread_num=16" >> /opt/parastor/conf/parastor.conf # 默认为8，双路CPU服务器建议设为16；修改后需重启parastor服务： systemctl restart parastor # 3. 启用接收端零窗口探测（防缓冲区满） /opt/parastor/tools/parastor_cli net --enable-zwp-probe # 该功能使接收端在缓冲区满时主动探测发送端，避免长时间ZeroWindow

参数说明：--set-timeout是运行时生效，无需重启；--enable-zwp-probe需Parastor v3.2.1+版本支持，旧版本会提示unknown option。

3.4 避坑：断流问题排查中的5个致命误区

1. 现象：ping通但断流，于是认为“网络没问题”，放弃查网络配置。
   原因：ping走ICMP，Parastor走TCP，两者路由、QoS策略、MTU设置可能完全不同。
   解决：用hping3 -S -p 12345 10.0.1.5模拟TCP SYN包测试，比ping更准确。

2. 现象：net --show-error-log显示recv_drop=0，就认定接收端没问题。
   原因：recv_drop只统计内核socket队列丢包，Parastor应用层还有自己的消息队列，满时会直接丢弃而不计入recv_drop。
   解决：必须结合net --show-thread-status看线程阻塞时间。

3. 现象：断流发生在夜间低峰期，第一反应是“没人用所以断了”。
   原因：Parastor后台有定时修复任务（如坏段扫描），这些任务会占用大量CPU和网络带宽，导致实时IO超时。
   解决：查/opt/parastor/tools/parastor_cli repair --show-schedule确认修复任务时间。

4. 现象：tcpdump抓包显示大量[ACK]但无数据，就认为是发送端问题。
   原因：这恰恰说明接收端处理能力不足——它不断发ACK催促，但自身来不及消费。
   解决：重点查接收端ds进程CPU和内存，而非发送端。

5. 现象：修改parastor.conf增加线程数后，systemctl restart parastor失败。
   原因：配置文件语法错误（如多了一个空格），或新线程数超出系统ulimit -u限制。
   解决：先执行/opt/parastor/bin/parastor_check_conf校验配置；再查ulimit -u，若<32000则需在/etc/security/limits.conf中为parastor用户增加nofile和nproc。

4. 修复与选盘问题：坏对象不修复？不是系统懒，是它在等你给指令

4.1 坏对象不修复的真相：Parastor的“修复门禁”机制

手册3.3节标题“坏对象不修复”曾让某公司运维团队困惑数周：明明repair --show-bad-object列出23个坏对象，但repair --show-task却显示“no running task”。他们反复检查磁盘健康、网络连通性，甚至重装修复模块，问题依旧。直到翻开手册3.3.2节小字注释：“修复启动需同时满足3个条件：① 坏对象数≥阈值（默认5）；② 系统负载低于阈值（loadavg<3.0）；③ 无更高优先级任务（如vset展平）”。原来Parastor不是不修，而是在等一个安全窗口——它把修复视为“外科手术”，必须确保集群有足够冗余带宽和计算资源，否则强行修复可能拖垮整个IO链路。

提示：repair --show-bad-object输出的status字段若为pending，说明已入队但未启动；若为ignored，则表示被门禁规则拦截。

4.2 强制启动修复：绕过门禁的两种安全方式

方式一：临时降低门禁阈值（推荐）

# 将启动修复的坏对象阈值从5降到1（立即生效） /opt/parastor/tools/parastor_cli repair --set-threshold --bad-object 1 # 查看当前阈值 /opt/parastor/tools/parastor_cli repair --show-threshold # 输出： # bad_object_threshold: 1 # loadavg_threshold: 3.0 # priority_block_list: vset_flatten,mos_migrate

此操作仅影响本次修复决策，重启后恢复默认值。比直接--force-start更安全，因为它仍遵守负载和优先级规则。

方式二：指定对象强制修复（精准打击）

# 仅修复ID为0x789abc的对象（从show-bad-object输出中获取） /opt/parastor/tools/parastor_cli repair --fix-object --object-id 0x789abc # 修复后验证 /opt/parastor/tools/parastor_cli repair --verify-object --object-id 0x789abc # 返回"verified: true"表示成功

该命令会跳过所有门禁检查，直接发起修复。适用于单个关键对象损坏（如数据库元数据），但切勿批量使用——可能耗尽集群带宽。

4.3 选盘策略：为什么“好盘”反而被系统标记为“坏对象”？

手册7.5节提到“元数据盘频繁上下线”，这背后是Parastor独特的盘健康评估模型：它不仅看SMART，更关注盘的“行为一致性”。例如一块SSD在连续10分钟内，read_latency标准差>50ms，即使平均延迟仅0.2ms，也会被标记为“慢盘”，进而触发bad_object上报——因为Parastor认为：稳定比快更重要。某图像处理Demo曾因此误报：其元数据盘是NVMe SSD，但因与GPU共享PCIe总线，当GPU跑满时SSD延迟抖动剧烈，被Parastor判定为不可靠。

解决方案是为不同盘类型配置差异化健康策略：

# 查看当前盘健康策略 /opt/parastor/tools/parastor_cli disk --show-health-policy # 为NVMe盘放宽延迟抖动容忍度（需root） /opt/parastor/tools/parastor_cli disk --set-health-policy \ --disk-type nvme \ --latency-stddev-threshold 120 \ --latency-average-threshold 5 # 为SATA盘收紧标准（因其本就不该快） /opt/parastor/tools/parastor_cli disk --set-health-policy \ --disk-type sata \ --latency-stddev-threshold 20 \ --latency-average-threshold 15

参数说明：latency-stddev-threshold单位为毫秒，指延迟标准差容忍上限；latency-average-threshold指平均延迟容忍上限。修改后立即生效，无需重启。

4.4 避坑：修复与选盘中5个反直觉陷阱

1. 现象：repair --show-bad-object显示status: repaired，但repair --verify-object返回false。
   原因：修复过程被中断（如节点重启），对象处于“半修复”状态，元数据已更新但数据未写入。
   解决：执行repair --recheck-object --object-id 0x789abc强制重新校验并完成修复。

2. 现象：新换上的磁盘很快被报“坏对象”，检测SMART一切正常。
   原因：该盘固件版本与Parastor不兼容（如某品牌SSD固件v2.1存在IO队列竞争bug）。
   解决：查/opt/parastor/tools/parastor_cli disk --show-firmware确认固件版本，对照手册附录《兼容固件列表》升级。

3. 现象：disk --show-health-policy输出为空。
   原因：策略未初始化，通常因首次部署时未运行parastor_init脚本。
   解决：执行/opt/parastor/bin/parastor_init --init-disk-policy生成默认策略。

4. 现象：repair --fix-object执行后，show-task仍无记录。
   原因：对象ID格式错误。Parastor要求--object-id必须为0x开头的16进制，而show-bad-object输出可能省略0x。
   解决：复制完整ID，如0x789abc，不可写成789abc。

5. 现象：为NVMe盘设置了宽松策略，但show-health-policy仍显示旧值。
   原因：策略按disk-type分组，但某块盘的disk-type被错误识别为sata（因udev规则匹配失败）。
   解决：执行/opt/parastor/tools/parastor_cli disk --rescan-type强制重识别，再查--show-disk-info确认类型。

5. 网络问题深度解析：-10700002（无连接）不是连不上，是连接被主动拒绝

5.1 -10700002错误码的真正含义：Parastor的“连接门禁”

手册4.2节将-10700002定义为“无连接”，但这极易误导。实际上，该错误码对应Parastor内部CONN_REFUSED_BY_GATE，意思是：连接请求到达目标节点，但被其连接管理器主动拒绝。触发条件包括：① 目标节点CPU负载过高（loadavg>5.0）；② 目标节点网络线程池已满；③ 目标节点正在进行fence隔离。这与TCP层面的Connection refused（端口未监听）有本质区别——后者telnet ip port会直接失败，而前者telnet能连上，但Parastor应用层拒绝握手。

提示：-10700002在dmesg中常伴生fence_node: node 10.0.1.5 is under isolation日志，这是关键线索。

5.2 三步定位连接拒绝源头

第一步：确认拒绝方节点状态

# 在报错客户端执行（查连接被谁拒） /opt/parastor/tools/parastor_cli client --show-last-refuse # 输出示例： # refused_by: 10.0.1.5:12345 reason: load_over_threshold loadavg: 5.82

第二步：检查拒绝方节点实时负载

# 登录10.0.1.5节点，查Parastor专属负载 cat /proc/loadavg # 看系统整体load /opt/parastor/tools/parastor_cli system --show-parastor-load # 输出： # ds_load: 4.2 # 数据服务负载 # oPara_load: 1.8 # 元数据服务负载 # net_load: 0.9 # 网络服务负载

若ds_load > 4.0，说明数据服务过载，是连接拒绝主因。

第三步：查看网络线程池使用率

# 在拒绝方节点执行 /opt/parastor/tools/parastor_cli net --show-thread-pool | grep -E "(used|capacity)" # 输出示例： # thread_pool_used: 15 # 已用线程数 # thread_pool_capacity: 16 # 总容量 # usage_percent: 93.75%

usage_percent > 90%即触发拒绝策略。

5.3 解决方案：动态扩容网络线程池与负载分流

当确认为线程池满导致拒绝，执行以下操作：

# 1. 动态扩容线程池（无需重启） /opt/parastor/tools/parastor_cli net --resize-thread-pool --size 32 # 2. 将高负载服务迁移到低负载节点（如ds服务） /opt/parastor/tools/parastor_cli ds --migrate-to-node --node-id 10.0.1.6 --load-threshold 2.0 # 3. 临时降低连接拒绝阈值（应急） /opt/parastor/tools/parastor_cli net --set-refuse-threshold --load 6.0

参数说明：--resize-thread-pool会立即创建新线程，但旧线程不会销毁，需后续--shrink-thread-pool回收；--migrate-to-node迁移时会自动暂停该节点新IO，确保数据一致性。

5.4 避坑：网络问题排查中5个隐蔽雷区

1. 现象：net --show-thread-pool显示usage_percent=100%，但top里parastor_net进程CPU仅20%。
   原因：线程池满不等于CPU满，而是所有线程都在pthread_cond_wait，等待上游数据到来。
   解决：查上游ds或oPara是否卡住，而非优化CPU。

2. 现象：client --show-last-refuse返回reason: unknown。
   原因：拒绝日志被日志限流（log rate limiting）丢弃。
   解决：先执行/opt/parastor/tools/parastor_cli log --disable-rate-limit，再复现问题。

3. 现象：net --resize-thread-pool --size 32后，show-thread-pool仍显示capacity:16。
   原因：系统ulimit -u限制了进程最大线程数（如65535/16=4095，单进程最多4095线程）。
   解决：ulimit -u 65535后再执行扩容命令。

4. 现象：ds --migrate-to-node执行后，原节点仍有IO请求。
   原因：迁移是渐进式，需等待当前vset展平完成。
   解决：查vset --list-flat-status，待所有in_progress变为completed。

5. 现象：net --set-refuse-threshold后，show-refuse-threshold仍显示旧值。
   原因：该命令需在parastor用户下执行，sudo切换用户后环境变量丢失。
   解决：用sudo -u parastor /opt/parastor/tools/parastor_cli net --set-refuse-threshold ...。

6. 如何快速定位Parastor故障：我的血泪经验总结

Parastor的故障定位，本质上是在和一套高度耦合的状态机对话。它没有单一故障点，所有模块（ds、oPara、dlm、rcvr）通过共享状态（vset、锁、对象段）紧密咬合。我踩过的最大坑，是花了17小时追查“IO卡住”，最后发现根因竟是某台元数据节点的NTP服务异常，导致oPara时间戳错乱，vset展平任务误判超时而无限重试——而dmesg和所有日志里，连一个time相关的字都没出现。

从那以后，我每次遇到任何异常，都强制走一遍这四步黄金排查链：

6.1 第一步：用dmesg抓取Parastor专属错误码（5秒定性）

Parastor所有核心错误都会上报dmesg，且格式统一：[timestamp] parastor: <error_msg>, err=<code>。这是最快定性的入口。我写了个一键脚本存为/usr/local/bin/parastor-dmesg：

#!/bin/bash # 快速提取Parastor错误码并分类 dmesg | grep -i "parastor:" | tail -50 | \ awk -F'err=' '{print $2}' | \ awk '{split($1,a," "); print a[1]}' | \ sort | uniq -c | sort -nr

执行后输出类似：

42 -110 18 -10700002 7 -98

这告诉我：当前集群主要问题是消息超时（-110）和连接拒绝（-10700002），应优先查网络和负载，而非磁盘。

6.2 第二步：查parastor_cli的“状态快照”（30秒定位模块）

Parastor所有parastor_cli子命令都支持--snapshot参数，它会一次性采集多个模块状态并关联分析：

# 生成一份包含IO、网络、修复状态的快照 /opt/parastor/tools/parastor_cli --snapshot \ --include ds,vset,net,repair \ --output /tmp/parastor_snapshot_$(date +%s).json

该JSON文件会自动标注各模块间的依赖关系。例如，若vset状态为waiting_for_lmos_migration，而oPara状态为fenced，快照会高亮这两行并添加注释"vset depends on oPara"。这比手动查5个命令高效得多。

6.3 第三步：用loadwave看真实负载（避免被top欺骗）

top显示的CPU负载对Parastor有严重误导性——因为ds进程大量时间花在futex等待上，top将其计入%CPU，但实际是锁竞争。真正的瓶颈在loadwave：

# 查看过去5分钟的负载波形（手册7.3节） /opt/parastor/tools/parastor_cli system --loadwave --minutes 5 # 输出为ASCII波形图： # ds_load: ▁▃▅▇▇▇▇▆▅▄▂ # oPara_load: ▁▂▃▃▃▃▃▂▂▁ # net_load: ▁▁▁▁▁▁▁▁▁▁

若ds_load波形呈锯齿状（快速升降），说明是锁争用；若持续高位平台，则是CPU真过载。这是我判断该重启服务还是该调优锁粒度的关键依据。

6.4 第四步：查repair --show-bad-segment确认数据完整性（1分钟兜底）

无论现象多诡异，最后都必须确认数据是否真的损坏。repair --show-bad-segment是唯一权威来源：

# 查看所有坏段及其影响范围 /opt/parastor/tools/parastor_cli repair --show-bad-segment --detail # 关键字段： # segment_id: 0x1234567890 # affected_vset: 0xabcdef # 该段所属vset # repair_status: pending # 修复状态 # impact_level: critical # 影响等级（critical/medium/low）

若impact_level: critical且affected_vset是业务核心vset，必须立即处理；若全是low且repair_status: completed，那当前故障大概率是临时性拥塞，可优先优化而非修复。

血泪教训：某次“断流”故障，我按常规查网络、负载、线程，折腾4小时无果。最后灵机一动跑repair --show-bad-segment，发现一个critical坏段正卡在repairing状态，而修复模块因CPU过载无法推进——原来断流是修复任务占满CPU导致的连锁反应。从此，repair --show-bad-segment成了我排查任何故障的最后一个必查项。

希望帮到你。

本文还有配套的精品资源，点击获取