常见问题排查

本章节汇总SDDC POC环境中常见的故障场景及排查方法，提供常用的诊断PowerShell命令。

排查方法论

在排查问题时，建议遵循以下步骤：

1. 确认现象：明确故障的具体表现和影响范围

2. 检查日志：查看相关组件的事件日志和SCOM告警

3. 网络验证：确认网络连通性和DNS解析

4. 服务状态：检查相关服务是否正常运行

5. 配置核查：对比配置是否符合预期

6. 逐步恢复：从最小变更开始，逐步恢复

常见问题及解决方案

1. VMM纳管主机失败

现象：在VMM中添加Hyper-V主机时，作业失败。

排查步骤：

# 检查目标主机的WinRM配置
Test-WSMan -ComputerName "POC-COMP1.contoso.com"

# 检查防火墙状态（确认组策略已生效）
Invoke-Command -ComputerName "POC-COMP1" {
    Get-NetFirewallProfile | Format-Table Name, Enabled
}

# 检查目标主机是否已加域
Invoke-Command -ComputerName "POC-COMP1" {
    (Get-WmiObject Win32_ComputerSystem).Domain
}

# 检查运行方式帐户是否有本地管理员权限
Invoke-Command -ComputerName "POC-COMP1" {
    net localgroup administrators
}

常见原因：

• 防火墙未关闭（组策略未生效，使用gpupdate /force）

• 运行方式帐户未添加到目标主机本地管理员组

• DNS解析失败

2. SDN组件通信故障

现象：NC REST API无响应或返回错误。

排查步骤：

# 检查NC服务状态
Invoke-Command -ComputerName "NC节点名称" {
    Get-Service -Name "NC*" | Format-Table Name, Status
}

# 检查NC节点健康状态
Invoke-Command -ComputerName "NC节点名称" {
    Get-NetworkControllerNode | Format-Table Name, Status
}

# 测试NC REST API连通性
Test-Connection -ComputerName nc.contoso.com -Count 2
Test-NetConnection -ComputerName nc.contoso.com -Port 443

# 检查DNS解析
Resolve-DnsName nc.contoso.com

常见原因：

• NC虚拟机未启动或服务停止

• 证书过期或配置错误

• DNS记录不存在或指向错误地址

• Management网络连通性问题

3. 证书过期处理

现象：SDN组件之间通信失败，日志中出现证书相关错误。

排查步骤：

# 检查NC节点上的证书有效期
Invoke-Command -ComputerName "NC节点名称" {
    Get-ChildItem Cert:\LocalMachine\My | Where-Object {
        $_.Subject -match "nc.contoso.com"
    } | Format-Table Subject, NotBefore, NotAfter, Thumbprint
}

处理方法：

1. 在CA服务器上重新申请证书

2. 将新证书导出为PFX

3. 在NC节点上安装新证书

4. 更新NC配置使用新证书指纹

5. 重启NC服务

4. BGP邻居状态异常

现象：MUX通告的VIP路由在DCGW上不可见。

排查步骤：

$cred = Get-Credential
Invoke-Command -VMName "poc-dcgw" -Credential $cred {
    # 检查BGP对等体状态
    Get-BgpPeer | Format-Table Name, ConnectivityStatus, PeerIPAddress

    # 检查BGP路由
    Get-BgpRouteInformation | Format-Table Network, NextHop, Origin

    # 检查BGP统计信息
    Get-BgpStatistics
}

常见原因：

• MUX的HNV Transit IP地址与DCGW配置不匹配

• BGP端口（TCP 179）被阻断

• MUX服务未正常启动

5. 虚拟机网络不通

现象：租户虚拟网络中的虚拟机无法通信。

排查步骤：

# 在计算节点上检查Host Agent状态
Get-Service NCHostAgent
Get-Service SlbHostAgent

# 检查虚拟机的网络适配器配置
Get-VMNetworkAdapter -VMName "目标VM名称" | Format-Table VMName, IPAddresses, MacAddress, SwitchName

# 检查VXLAN封装是否正常
# 在计算节点上抓包分析
netsh trace start capture=yes tracefile=C:\temp\nettrace.etl

# 检查HNV Provider配置
Get-NetVirtualizationProviderAddress

常见原因：

• NCHostAgent服务停止

• 逻辑交换机未正确应用到计算节点

• VXLAN封装的MTU问题（建议Jumbo Frame）

• 虚拟子网配置错误

常用诊断命令速查

系统级诊断

# 检查所有服务状态
Get-Service | Where-Object { $_.Status -ne "Running" -and $_.StartType -eq "Automatic" }

# 查看最近的系统错误事件
Get-EventLog -LogName System -EntryType Error -Newest 20

# 检查磁盘空间
Get-PSDrive -PSProvider FileSystem | Format-Table Name, Used, Free

# 网络连通性测试
Test-Connection -ComputerName "目标主机" -Count 4
Test-NetConnection -ComputerName "目标主机" -Port 端口号

VMM诊断

# 检查VMM服务
Get-Service SCVMMService, SCVMMAgent

# 查看VMM最近失败的作业
Get-SCJob | Where-Object { $_.Status -eq "Failed" } | Select-Object -Last 10

# 检查VMM连接的主机状态
Get-SCVMHost | Where-Object { $_.OverallState -ne "OK" }

SDN诊断

# 检查所有SDN相关服务
Get-Service NCHostAgent, SlbHostAgent

# NC集群诊断
Debug-NetworkController -NetworkController "nc.contoso.com"

# 查看SDN相关事件日志
Get-WinEvent -LogName "Microsoft-Windows-NetworkController*" -MaxEvents 20

课后习题

• 整理一份SDDC健康检查脚本，自动检查所有关键组件的状态并输出报告。

• 了解一下Windows Server中的事件转发（Event Forwarding）功能，如何将所有服务器的关键事件集中到一台管理主机上。