节点故障

节点故障的发现主要通过NodeD和Volcano组件实现。节点故障包括节点状态丢失和节点硬件故障，详细说明如下：

• 节点健康状态

  NodeD完成当前节点的节点状态诊断后，收集本节点内的故障信息，通过节点状态上报机制不断向Volcano发送节点状态（当前仅收集本节点内的硬件故障信息）。

• 节点硬件故障

  针对节点硬件故障，NodeD通过IPMI驱动向iBMC发送故障查询请求，iBMC将当前硬件告警信息响应给NodeD。NodeD收集硬件告警信息后，将节点硬件状态上报给Volcano。

图1 节点故障上报

• NodeD最短5秒（默认）会更新本节点的node-info-cm内容，其中字段说明见mindx-dl-nodeinfo-<nodename>。
• NodeD每隔30分钟（默认）会从iBMC查询当前节点的硬件故障信息，随着节点状态更新时一起上报到node-info-cm中。