因Window服务器自动更新并重启导致WebSphere服务停止服务故障一例

最近公司购买了两台Windows Server 2008 R2服务器用于提供提供Web服务，A机器安装了IHS+DM+WAS8.5集群，B机器安装了Oracle11gR2用于数据存储，两台机器均可连接互联网。

服务部署头天晚上部署，测试没有任何问题，早上用户打电话反馈无法正常访问站点，远程登录后发现IHS+DM服务正常，但是集群没有启动，查看任务管理器发现没有nodeagent和集群中server的进程，手动启动nodeagent后启动集群，两个Server正常启动，随后正常提供服务。当时怀疑服务器是否重新启动导致服务异常，也怀疑是程序的问题，但手头事情比较多就没有持续跟进；可是同样的事情在第二天又发生了，早上一起来就发现服务无法访问。这次不能无视了。。。收集了相关日志后，手动启动nodeagent和集群并提供服务后就开始进行问题排查。

1、检查WebSphere Server日志

检查了集群各几点Server的SystemOut.log日志，发现在3点15分突然爆出如下日志：

[16-3-22 3:15:16:482 CST] 0000004e Peer          I   ODCF8534I: 已除去邻居 ip=192.168.1.8 udp=11011 tcp=11012 ID=a0afd7f939ef4c971fe6825780126b1741b2f9ff version=0;cellName=WIN-RU03CB21QGACell01;bridgedCells=[];structuredGateway=false;properties={inOdc=1, epoch=1458522523691, MEMBER_STARTUP_TIME=1458522519269, memberName=WIN-RU03CB21QGACell01\WIN-RU03CB21QGANode01\AppSrv02, MEMBER_VERSION=4}，邻居集现在为 2 nodes
0  ip=192.168.1.8 udp=11008 tcp=11007 ID=f271d5e15b5f3696eb6b30d9ef41532f9c5a81e8 version=0;cellName=WIN-RU03CB21QGACell01;bridgedCells=[];structuredGateway=true;properties={inOdc=1, epoch=1458522483936, MEMBER_STARTUP_TIME=1458522480920, memberName=WIN-RU03CB21QGACell01\WIN-RU03CB21QGANode01\nodeagent, MEMBER_VERSION=4}
1  ip=192.168.1.8 udp=11005 tcp=11006 ID=63a7efddbd567d67083efb4fc6a7727dd79c4c32 version=0;cellName=WIN-RU03CB21QGACell01;bridgedCells=[];structuredGateway=true;properties={inOdc=1, MEMBER_VERSION=4, epoch=1458503412906, ODC_PUBLISHER_ONLY=false, MEMBER_STARTUP_TIME=1458503408859, memberName=WIN-RU03CB21QGACell01\WIN-RU03CB21QGACellManager01\dmgr}
。

其余几行无关紧要的信息输出后就一片沉寂了。

2、检查WebSphere DM日志

检查DM SystemOut.log日志发现DM在晚上3点15分左右输出服务停止和启动的日志，但停止和启动原因不明。

3、检查WebSphere FFDC日志

通过对dmgr的ffdc目录中的日志文件按照日期进行排序，发现3月22日有两个日志文件；

dmgr_exception.log.1458587814531.txt

dmgr_25be7f2a_16.03.22_03.16.54.5782445606813376690951.txt

发现如下输出：

[16-3-22 3:16:54:578 CST]     FFDC Exception:java.io.IOException SourceId:com.ibm.ws.management.discovery.DiscoveryService.sendQuery ProbeId:189 Reporter:com.ibm.ws.management.discovery.DiscoveryService@48071f19
java.io.IOException: ADMD0004E: 无法打开 TCP 套接字：WIN-RU03CB21QGA:7272。请检查远程进程是否已打开端口。

“无法打开TCP套接字”是不是网络的问题，那么网络出现什么问题呢？断网也不至于让服务重启啊？是不是操作系统本身在做什么操作呢？那就根据时间点查看一下操作系统的日志吧。

4、检查Windows事件查看器中的日志

点击“开始--》管理工具--》事件查看器”，在Windows日志节点下点击“系统”，在右侧的事件列表中按照时间点3.15左右进行事件的过滤，最终找到了问题所在；

原来云服务提供商的这台操作系统设定在凌晨三点进行系统更新，系统更新后自动进行系统重启。

IHS+DM在Windows平台下默认以服务形式启动，能够跟随操作系统启动，而nodeagent不是服务，不能随操作系统启动而启动，这就导致了服务无法正常启动的原因。