简介本资源是一份面向AIX系统工程师与高可用架构实施人员的IBM P740小型机全周期部署实战手册聚焦金融、电信等关键业务场景下的AIX 6.1/7.1系统安装、性能调优与HACMP集群搭建。手册覆盖从基础操作系统安装、limit参数与IOCP内核调优、HBA卡及VM/AIO网络配置到Oracle文件系统创建、SWAP与dump机制设置再到HACMP 5.5/6.1集群的28项核心配置含串口心跳、SVC IP、资源组同步等内容源自省操作风险管理系统真实项目交付实践。资源为1个4.5MB的Word文档.doc结构清晰、步骤详尽、参数值明确含35个实操章节与典型问题规避提示。目前已有1270人学习下载适合需快速落地P740高可用环境的中级以上AIX运维与DBA人员参考使用。1. IBM P740 小型机 AIX 6100-07 SP4 HACMP 6.1 高可用环境装错一个参数集群心跳就断、Oracle 启动就报 12539、dump 丢关键现场你不是在装一台“能跑起来”的小机而是在部署一套金融级生产系统的核心底座——IBM P740 这类 POWER 架构小型机至今仍是银行、证券、保险核心操作风险管理系统ORMS的主力平台。它不接受“差不多”AIX 6.1 TL7 SP4即 6100-07-04 → 升级至 6100-07-06-1241是这类项目事实上的黄金版本既稳定又兼容 Oracle 11gR2 和 HACMP 6.1但它的安装配置不是点下一步就能完事的黑匣子maxpout8192写成81920HBA 卡fc_err_recovfast_fail漏配轻则 IO hang 卡住备份重则双机切换失败、业务中断超时。我见过某省操作风险管理系统上线前夜因fullcoretrue没生效一次 kernel panic 后 dump 文件只存了 2MB根本无法定位内存泄漏源头回滚重装耗掉 14 小时。这篇笔记就是把当年在机房守着 P740 前面板看01 N VF自检码、反复刷光盘、逐条核对smitty菜单的血泪经验拆成可抄、可验、可救的实操步骤。适合正在接手同类金融信创项目、需要快速交付高可用 AIX 环境的运维工程师和 DBA也适合刚从 x86 Linux 转来、面对chdev/ioo/vmo三件套一脸懵的新手——所有命令都带参数逻辑说明所有坑都标清现象、原因、解法不讲虚的。2. 操作系统安装与基础加固从物理上电到 root 登录每一步都决定后续是否翻车AIX 安装不是图形化向导而是和硬件 BIOS、固件、光驱引导链深度耦合的过程。P740 的安装介质必须严格使用AIX 6.1 TL7 SP46100-07-04原始 ISO任何第三方精简版或非 IBM 认证镜像都会导致bos.iocp.rte缺失、hacmp依赖包校验失败。安装过程看似简单但三个物理层细节一旦出错后面全盘皆输。2.1 物理启动与引导顺序设置别让光驱变“哑巴”P740 前面板液晶屏是唯一状态窗口。上电后紧盯屏幕当出现01 N VF字样表示硬件自检完成准备进入固件菜单立刻按白色复位按钮不是电源键。此时屏幕会变白并发出“滴”声进入 ASMIAdvanced System Management Interface管理界面。用键盘输入默认密码admin注意大小写敏感且无任何提示进入后选择Boot Options→Boot Order。关键点来了必须将CD/DVD Drive移动到第一位Internal Hard Disk放第二位。很多新手以为插上光盘就自动读其实 P740 默认从硬盘启动光盘根本不会被识别。设置完成后选Save and Exit系统会自动重启并从光驱加载 AIX 安装程序。提示如果屏幕卡在01 N VF不动或按白键无反应大概率是前面板 USB 键盘未识别。换用 PS/2 接口键盘P740 主板有 PS/2 插槽或检查 ASMI 中Keyboard Type是否设为Standard。2.2 全新覆盖安装磁盘选择与文件系统规划的硬约束安装程序启动后首屏选择console文本控制台语言选English (United States)。进入主菜单必须选第 2 项Change/Show Installation Settings and Install而不是直接Start Installation Now。这是避免误装到错误磁盘的后悔药。在System Settings下Method of Installation选1. New and Complete Overwrite。这是金融系统铁律——绝不保留旧系统任何痕迹防止rootvg中残留旧内核模块引发冲突。Disk Where You Want to Install只勾选hdisk0P740 第一块内置 SAS 硬盘Location Code 通常为00-01-00-0,0。hdisk1是备用盘此时绝不能选否则安装程序会试图做 RAID而 P740 默认是 JBOD 模式强行 RAID 会导致rootvg创建失败。确认后选0. Install AIX with the current setting。安装过程约 25 分钟期间屏幕会滚动大量Installing...日志。安装完毕系统自动重启进入Configuration Assistant。这里必须严格按以下顺序操作Accept许可协议Next→ 选Set password for administrator (root user)密码必须为强密码如Aix2024!绝不可用123456这类弱口令手册原文示例仅为演示生产环境违反等保要求Next→Exit the Configuration Assistant→Finish now, and do not start Configuration Assistant when restarting→Finish。最后这步“关闭配置助手”是玄学关键若未取消下次重启会再次弹出向导且可能覆盖已配置的网络参数。2.3 首次登录与基础连通性验证用最原始的方式确认系统活了重启后出现Welcome to AIX 6.1登录界面。用root和刚设的密码登录。立即执行三步验证# 1. 确认主机名和 IPP740 默认无 DHCP需手动配 # 查看当前 hostname $ hostname p740-node1 # 示例名实际以你命名的为准 # 2. 检查网卡是否识别P740 通常有 4 个 GE 端口eth0~eth3 $ lsdev -Cc adapter | grep ent ent0 Available 4-Port 10/100/1000 Base-TX PCI-X Adapter (14108902) ent1 Available 4-Port 10/100/1000 Base-TX PCI-X Adapter (14108902) # 3. 测试本地环回排除 kernel 网络栈故障 $ ping -c 3 127.0.0.1 PING 127.0.0.1 (127.0.0.1): 56 data bytes 64 bytes from 127.0.0.1: icmp_seq0 ttl255 time0.028 ms ...若ping 127.0.0.1失败说明bos.netbundle 未正确安装需挂载光盘重装bos.net。此时不要继续往下走先救基础。3. 系统内核与资源参数调优limit、IOCP、fullcore —— Oracle 和 HACMP 的生命线AIX 不是 Linux它的资源限制是硬编码在内核里的。ulimit只是用户层软限制真正起作用的是/etc/security/limits和sys0设备属性。Oracle 11gR2 在 AIX 上启动失败90% 以上源于maxuproc或stack未设为-1HACMP 心跳超时则常因maxpout过小导致 SCSI 命令队列溢出。这些参数不是“建议值”而是 Oracle 官方文档Note 1361727.1和 IBM HACMP 6.1 白皮书明确要求的强制值。3.1 用户资源限制/etc/security/limits的终极配置Oracle 安装用户如oracle和root的资源限制必须一致且全部设为无限。编辑前先备份# 备份原文件永远的第一步 $ cp /etc/security/limits /etc/security/limits.bak # 使用 vi 编辑AIX 默认 vi非 vim $ vi /etc/security/limits在文件末尾添加或修改以下行注意default段落控制所有新用户root段落单独控制 rootdefault: fsize -1 core -1 cpu -1 data -1 stack -1 rss -1 nofiles -1 sigpending -1 sbsize -1 memlock -1 msgqueue -1 root: fsize -1 core -1 cpu -1 data -1 stack -1 rss -1 nofiles -1 sigpending -1 sbsize -1 memlock -1 msgqueue -1参数说明fsize-1解除文件大小限制防止 RMAN 备份生成超大 backupsetcore-1允许生成完整 core dumpstack-1避免 Oracle 进程因堆栈溢出崩溃尤其在 PL/SQL 大量递归时。切记改完后必须重启系统或至少重新登录 root 会话ulimit -a才会生效。3.2 IOCPI/O Completion Port启用HACMP 和 Oracle ASM 的性能基石IOCP 是 AIX 6.1 引入的异步 I/O 加速机制HACMP 的clstrmgrES进程和 Oracle ASM 实例严重依赖它。P740 的bos.iocp.rte包虽默认安装但设备状态常为Defined未激活# 检查状态 $ lsdev -Cc iocp iocp0 Defined I/O Completion Ports # 若为 Defined需激活两种等效方式 $ smitty iocp # 进入后选 Change/Show Characteristics of I/O Completion Ports # 将 STATE to be configured at system restart 改为 Available # 回车确认 # 或用命令行更可靠 $ chdev -l iocp0 -a autoconfigavailable $ cfgmgr -l iocp0 $ lsdev -Cc iocp iocp0 Available I/O Completion Ports # 状态变为 Available 才算成功为什么必须用cfgmgr -l iocp0因为chdev只改了 ODM 数据库cfgmgr才真正触发内核加载驱动。漏掉这步lsdev显示Available但lsof | grep iocp看不到进程绑定HACMP 启动时会报IOCPLIB_NOT_AVAILABLE。3.3 fullcore 设置与 sys0 属性调优让崩溃现场不再“残缺”金融系统最怕panic后 dump 文件太小抓不到关键寄存器状态。fullcoretrue是 AIX 6.1 的强制要求# 查看当前值 $ lsattr -El sys0 | grep fullcore fullcore false Enable full CORE dumps False # 开启永久生效 $ chdev -l sys0 -a fullcoretrue # 立即生效无需重启但重启后仍保持 $ chdev -l sys0 -a fullcoretrue -P # 同时调整 maxpout/minpoutSCSI 命令队列深度 $ chdev -l sys0 -a maxpout8192 -a minpout4096 -P # 调整最大进程数Oracle RAC 实例多时必需 $ chdev -l sys0 -a maxuproc16384 -Pmaxpout8192的逻辑P740 单 HBA 卡如 QLogic QLE2562理论最大并发命令数为 2048双卡即 4096设为 8192 留足余量。若设为默认1024HACMP 在clverify时会因 SCSI timeout 报错CSPD0012E。4. 网络、存储与安全加固从 TCP 参数到 HBA 卡每一处都是高可用的咽喉P740 的网络和存储配置本质是为 HACMP 的“心跳检测”和 Oracle 的“ASM 磁盘组访问”服务。tcp_keepidle1800不是随便写的数字而是 HACMPclconf中Network Failure Detection的默认超时值fc_err_recovfast_fail也不是“快一点就好”而是避免光纤链路瞬断时 HACMP 误判节点死亡。这些参数背后是 IBM 工程师用百万次测试得出的黄金组合。4.1 TCP/IP 参数调优让网络不成为集群的短板AIX 的no命令用于调整网络内核参数。以下命令必须一次性执行且-p参数确保永久生效写入/etc/tunables/nextboot# 执行全部参数复制粘贴一行一条 no -p -o tcp_keepidle1800 no -p -o tcp_finwait2300 no -p -o udp_sendspace65536 no -p -o udp_recvspace655360 no -p -o tcp_tcpsecure5 no -p -o tcp_sendspace262144 no -p -o tcp_recvspace262144 no -p -o tcp_nodelayack1 no -p -o tcp_pmtu_discover0 no -p -o tcp_nagle_limit1 no -p -o sb_max2097152 no -p -o rfc13231 no -p -o ipsendredirects0 no -p -o ipignoreredirects1 no -p -o ip6srcrouteforward0 no -p -o clean_partial_conns1 no -r -o ipqmaxlen512 no -p -o tcp_ephemeral_low9000 no -p -o tcp_ephemeral_high65500 no -p -o udp_ephemeral_low9000 no -p -o udp_ephemeral_high65500关键参数解读tcp_keepidle1800TCP 连接空闲 30 分钟后发送 keepalive 探针匹配 HACMPclconf中Network Failure Detection Interval默认 1800 秒避免心跳包被防火墙丢弃后误切。tcp_sendspace/tcp_recvspace262144增大 socket 缓冲区解决 Oracle RACgc cr block busy等等待事件。tcp_nodelayack1禁用 Nagle 算法的延迟 ACK降低 RAC interconnect 延迟。ipqmaxlen512增大 IP 输入队列长度防止网络风暴时丢包。4.2 HBA 卡参数调优光纤链路的“快速止损”机制P740 的 HBA 卡如 Emulex LPe12002 或 QLogic QLE2562必须启用动态跟踪dyntrk和快速故障恢复fc_err_recov否则存储链路瞬断 2 秒HACMP 就会触发Node Down事件# 查看当前 HBA 设备fscsi 是 SCSI 总线fcs 是光纤通道端口 $ lsdev -Cc adapter | grep fcs fcs0 Available 2-Port 4Gb Fibre Channel PCI-X Adapter (df1000fe) fcs1 Available 2-Port 4Gb Fibre Channel PCI-X Adapter (df1000fe) # 对每个 fscsi 总线启用 dyntrkP740 通常有 fscsi0~fscsi3 chdev -l fscsi0 -a dyntrkyes -a fc_err_recovfast_fail -P chdev -l fscsi1 -a dyntrkyes -a fc_err_recovfast_fail -P chdev -l fscsi2 -a dyntrkyes -a fc_err_recovfast_fail -P chdev -l fscsi3 -a dyntrkyes -a fc_err_recovfast_fail -P # 对每个 fcs 端口增大命令元素数提升并发 IO chdev -l fcs0 -a num_cmd_elems500 -P chdev -l fcs1 -a num_cmd_elems500 -P chdev -l fcs2 -a num_cmd_elems500 -P chdev -l fcs3 -a num_cmd_elems500 -Pfc_err_recovfast_fail的威力当光纤链路闪断HBA 卡在 500ms 内上报LINK_DOWNHACMP 的clstrmgrES进程立即切换路径而非等待 30 秒 SCSI timeout。num_cmd_elems500是为 Oracle ASM 的ASM_DISKSTRING/dev/rhdisk*预留的并发能力避免ORA-15032错误。4.3 SSH 安全加固与补丁升级告别 telnet拥抱合规AIX 默认只开 telnet但等保 2.0 要求必须使用加密协议。OpenSSH 安装需严格按顺序# 1. 挂载 AIX 6.1 TL7 SP4 光盘假设已创建 /cdrom $ mount /cdrom # 2. 安装 openssl 和 openssh必须先装 openssl再装 openssh $ cd /cdrom/packages/openssl/base $ installp -acgXYd . openssl.base $ cd /cdrom/packages/openssh/usr $ installp -acgXYd . openssh.base # 3. 启动 sshd 并设开机自启 $ startsrc -s sshd $ mkitab sshd:2:once:/usr/sbin/sshd /dev/null 21 # 4. 禁用 telnet高危 $ stopsrc -s inetd $ chsubserver -d -s telnet $ refresh -s inetd补丁升级必须用emgrAIX 6.1 TL7 SP46100-07-04需升至 SP66100-07-06-1241。下载IV30896m6a.130214.epkg.Z和IV32377s6a.130129.epkg.Z解压后# 解压AIX 自带 uncompress uncompress IV30896m6a.130214.epkg.Z uncompress IV32377s6a.130129.epkg.Z # 安装-e 参数是 emgr 的“install” emgr -e IV30896m6a.130214.epkg emgr -e IV32377s6a.130129.epkg # 验证必须看到 Return Status: SUCCESS oslevel -s # 输出应为 6100-07-06-12415. 常见问题排查与避坑指南那些让你凌晨三点还在机房的“经典翻车现场”装 P740 最痛苦的不是步骤多而是某个参数写错、某个包漏装系统表面正常但一跑 Oracle 就报错一启 HACMP 就心跳断。下面这 5 条是我和同事在多个项目中踩过的、最痛的坑每一条都附带现场诊断命令和根治方案。5.1 现象HACMPclverify报错CSPD0012E: Timeout waiting for response from node原因maxpout未调至 8192或iocp0状态为Defined未激活导致 HACMP 的 SCSI 心跳命令超时。解决# 立即检查 $ lsattr -El sys0 | grep maxpout # 必须为 8192 $ lsdev -Cc iocp # 必须为 Available # 若不对执行 $ chdev -l sys0 -a maxpout8192 -P cfgmgr -l iocp0 # 重启 HACMP $ stopsrc -g cluster sleep 5 startsrc -g cluster5.2 现象Oraclesqlplus / as sysdba报错ORA-12539: TNS:invalid argument原因/etc/security/limits中stack或data未设为-1Oracle 进程启动时堆栈分配失败。解决# 切换到 oracle 用户检查 ulimit $ su - oracle $ ulimit -a | grep stack stack size (kbytes, -s) 32768 # 若不是 unlimited说明 limits 未生效 # 回 root 修改 /etc/security/limits然后 $ exit $ su - oracle # 重新登录ulimit -a 应显示 unlimited5.3 现象lspv看不到 SAN 存储盘如hdisk2,hdisk3cfgmgr也扫描不出原因HBA 卡fc_err_recov未设为fast_fail或光纤交换机 zone 配置错误导致 AIX 无法完成 FLOGI。解决# 检查 HBA 状态 $ lscfg -vl fcs0 | grep Network Address # 若输出为空说明未登录 FC 交换机 # 先确认 HBA 已启用 $ chdev -l fcs0 -a enable_scsi1 -P cfgmgr -l fcs0 # 再检查 $ fcstat fcs0 | grep Port Speed\|Link State # 若 Link State 为 No Link检查光纤线、SFP、交换机 zone。5.4 现象smitty hacmp进入后菜单空白或clstart报错0513-059 The clstrmgrES Subsystem has been started.但lssrc -g cluster显示inoperative原因bos.data包未安装导致 HACMP 的clinfoES守护进程缺少数据字典。解决# 检查 bos.data 是否安装 $ lslpp -l bos.data # 若未安装从光盘安装 $ cd /cdrom/packages/bos/data $ installp -acgXYd . bos.data # 重启 HACMP $ stopsrc -g cluster startsrc -g cluster5.5 现象errpt中大量SYSDUMP类型错误但/var/adm/ras/下无 dump 文件原因dumpdev未设置或fullcorefalse或/var/adm/ras/分区空间不足。解决# 检查 dump 设备 $ sysdumpdev -l # 若 primary 为 /dev/sysdumpnull需设置 $ sysdumpdev -P -p /dev/lg_dumplv # 假设已创建 dump LV # 检查 fullcore $ lsattr -El sys0 | grep fullcore # 必须为 true # 检查 /var/adm/ras 空间 $ df -g /var/adm/ras # 若 10GB清理旧 dump $ rm /var/adm/ras/vmcore* /var/adm/ras/system_state*6. 验证与收尾用 3 个命令确认你的 P740 真正 ready for production装完不是终点验证才是。我给自己定的铁律是任何一台 P740在交付给 DBA 前必须通过这三项“压力测试”。它们不花哨但直击金融系统最脆弱的神经——高可用切换、存储 IO、崩溃恢复。6.1 HACMP 双机切换验证模拟真实故障看心跳是否“秒级”响应不要只信clstat显示的Online要亲手制造故障# 1. 在主节点node1上查看当前资源组状态 $ lssrc -g cluster $ clstat -a | grep Resource Group # 2. 在备节点node2上强制关闭主节点网络模拟网卡故障 # 注意不是 shutdown是拔网线或 ifconfig down $ ifconfig en0 down # 假设 en0 是心跳网卡 # 3. 立即在备节点执行10 秒内 $ clRGInfo -a | grep State # 正常输出应为 # State Online # 如果 30 秒内未切换说明 tcp_keepidle 或 clconf 中的 Network Failure Detection 配置错误。 # 4. 恢复主节点网络后手动切回验证回切功能 $ clRGmove -g appRG -n node1 # appRG 是你的资源组名这个测试的价值在于它暴露了所有隐藏的网络超时参数。如果切换耗时 15 秒立刻检查no -o tcp_keepidle和 HACMPclconf中的Network Failure Detection Interval是否一致。6.2 Oracle ASM 磁盘组 IO 验证用dd和iostat看透存储链路Oracle 的性能瓶颈常在存储。用最原始的dd测试裸设备吞吐# 1. 确认 ASM 磁盘如 /dev/rhdisk2 $ ls -l /dev/rhdisk* | grep 255, 2 # 2. 对裸设备写入 1GB 数据绕过文件系统缓存 $ dd if/dev/zero of/dev/rhdisk2 bs1M count1024 oflagdirect # 3. 监控实时 IO另开终端 $ iostat -Dl 2 # 每 2 秒刷新看 %tm_act 和 Kbps # 正常 P740 4Gb FC EMC 存储Kbps 应 8000080MB/s # 若 30000检查 HBA num_cmd_elems 和 fc_err_recov。6.3 系统崩溃恢复验证主动触发 panic看 dump 是否完整这是最狠的验证但也是金融系统上线前的必修课# 1. 确保 dump 设备已设且空间充足 $ sysdumpdev -l $ df -g /var/adm/ras # 2. 主动触发 kernel panic仅限测试环境 $ echo 1 /proc/sys/kernel/sysrq $ echo c /proc/sysrq-trigger # 触发 crash # 3. 系统重启后立即检查 dump $ cd /var/adm/ras $ ls -lh vmcore* system_state* # 正常应有 vmcore.0 1GB和 system_state.0 100MB $ crash /usr/lib/boot/unix_64 vmcore.0 # 进入 crash 后输入 ps 查看进程列表bt 查看栈回溯证明 dump 可用。从那以后我每次交付 P740都强制走一遍echo c /proc/sysrq-trigger。不是为了找茬而是为了在客户真正遇到 panic 时我能第一时间用crash打开 dump告诉他们“问题在这里补丁号是 IV32377”。希望帮到你。本文还有配套的精品资源点击获取
