带你诊断分析Dell EMC PowerStore BBU电池健康状态

写在前面

近期有很多关于DELL EMC PowerStore存储BBU电池的故障报修，购买电池备件的问题。客户工程师普遍不知道如何评判一个电池的好坏，然后就随便从淘宝买一个便宜货，更换上去不行，严重的把节点还给搞挂了。所以还是要写一篇文章来专门阐述下PowerStore存储BBU电池的故障现象，如何去查看一个电池备件是否健康。

老规矩，码字不易，欢迎点赞、转发、添加vx: StorageExpert，下次更新不迷路。

Dell EMC PowerStore的BBU电池的作用，和其他存储系统一样，在断电时提供临时电源以支持数据保存vault，就是把内存中的数据写入到NVRAM的vault 盘中，是确保数据高可用性的关键组件。随着时间推移，BBU会逐渐老化，及时诊断其健康状态对防止数据风险至关重要。本文介绍如何通过PowerStore的告警信息和svc_battery_info脚本诊断BBU健康状态（也可以使用 svc_diag list --battery），并明确关键指标的输出命令及对应输出项。

先上个图，看看BBU电池长什么样。

另外，一个很关键的问题，这个BBU电池在EMC的PN号有好多个，至少有6种以上，都是通用的，都是通用的，可以在一个appliance中的两个node中使用不同PN的电池。

了解BBU健康告警

PowerStore的操作系统OS持续监控BBU健康状态，并在出现问题时生成告警信息，帮助管理员及时识别和解决问题。以下是与BBU寿命终结状态相关的关键告警、其含义及建议措施：

1. XMS_NODEBBU_END_OF_LIFE_STATE_AGING
   • 告警信息：BBU因老化导致容量下降。
   • 错误代码：0x00314005
   • 影响：BBU接近寿命终结，数据高可用性降低。
   • 描述：当BBU容量降至53%以下时触发，表明老化导致性能下降。
   • 解决方案：立即更换BBU
2. XMS_NODEBBU_END_OF_LIFE_STATE_CRITICAL
   • 告警信息：电池备份模块接近寿命终结。
   • 错误代码：0x00314006
   • 影响：数据可用性面临风险。
   • 描述：容量降至51%以下时触发，表示进入危急状态。
   • 解决方案：需立即更换BBU。
3. XMS_NODEBBU_END_OF_LIFE_STATE_DEAD
   • 告警信息：电池备份模块已达到寿命终结。
   • 错误代码：0x00314007
   • 影响：数据高可用性已受损，BBU无法支持数据保存。
   • 描述：BBU完全丧失容量，无法正常工作。
   • 解决方案：紧急更换BBU以恢复系统可靠性。
4. XMS_NODEBBU_SENSOR_CONSISTENCY_STATE_INCONSISTENT
   • 告警信息：电池备份模块的传感器读数不一致。
   • 错误代码：0x0031A403
   • 影响：可能存在硬件问题，未来可能影响性能。
   • 描述：当I2C或GPIO传感器读数不一致时触发，可能由接触不良或硬件故障引起。
   • 解决方案：重新插拔BBU，确保连接良好。若警报持续，就要联系我们来做进一步的处理了。

这些警报由PowerStoreOS生成，通过监控BBU的容量退化、服务寿命和传感器数据触发。管理员应通过PowerStore管理界面密切关注这些警报，并迅速采取行动以避免系统中断。

使用svc_battery_info脚本进行详细诊断

如何获取BBU健康的深入信息，有两种方法：

1. svc_battery_info 脚本，这个需要专门inject，有些恶心的。但在3.6版本之前，必须使用这个脚本来看
2. svc_diag list --battery 对于3.6版本以上，直接用diag命令查看

运行脚本

上面两个脚本的命令输出是差不多一样的，使用以下命令获取BBU状态：

• 摘要信息：svc_battery_info --summary
• 扩展状态：svc_battery_info --extended
• GPIO状态：svc_battery_info --gpio
• I2C状态：svc_battery_info --i2c
• 节点特定状态：svc_battery_info --node_a 或 --node_b

关键指标的输出命令与解读

关键指标主要通过svc_battery_info --summary和svc_battery_info --extended命令输出，部分指标也在svc_battery_info --node_a或--node_b的综合输出中包含。

敲黑板，重点来了，这里要拿小本本记下来。以下是最重要的健康指标、对应的输出命令、输出项名称、健康与故障值，以及说明：

参数	输出命令	输出项名称	健康BBU	故障BBU	备注
I2C READY FOR HOLD UP	svc_battery_info --summary 或 --node_a	I2C READY FOR HOLD UP	True	False	通过I2C表明BBU准备好支持数据保存，位于SUMMARY或NODE A BATTERY SUMMARY部分。
GPIO READY FOR HOLD UP	svc_battery_info --summary 或 --node_a	GPIO READY FOR HOLD UP	True	False	通过GPIO确认支持数据保存，位于SUMMARY或NODE A BATTERY SUMMARY部分。
SERVICE LIFE	svc_battery_info --summary 或 --node_a	SERVICE LIFE	< 1865天（5年）	> 1865天	BBU设计寿命为5年运行加2年存储，单位为天，位于SUMMARY或NODE A BATTERY SUMMARY部分。
STATE OF CHARGE	svc_battery_info --summary 或 --node_a	STATE OF CHARGE	75–100%	< 75%（未充电）	应接近100%，除非刚完成放电测试，单位为百分比，位于SUMMARY或NODE A BATTERY SUMMARY部分。
END OF CELL LIFE	svc_battery_info --summary 或 --node_a	END OF CELL LIFE (from Ext Status)	False	True	表示BBU需更换，位于SUMMARY或NODE A BATTERY SUMMARY部分。
CAP DEGRADATION	svc_battery_info --summary 或 --node_a	CAP DEGRADATION (Percent)	< 47%	> 47%	容量退化超53%触发更换警报，单位为百分比，位于SUMMARY或NODE A BATTERY SUMMARY部分。
CAP DEGRADATION THRESHOLD EXCEEDED	svc_battery_info --summary 或 --node_a	CAP DEGRADATION THRESHOLD EXCEEDED	False	True	容量低于53%时置为True，位于SUMMARY或NODE A BATTERY SUMMARY部分。
CELL VOL (V)	svc_battery_info --summary 或 --node_a	CELL VOL (V)	2.75–4.10V（Gemini）	超出范围	电压异常表明电池单元受损，显示各单元电压，位于SUMMARY或NODE A BATTERY SUMMARY部分。

示例输出（基于svc_battery_info --node_a）：

以下是Node A的示例输出片段，展示了关键指标的具体输出项：

Node A BATTERY SUMMARY
  SERIAL NUMBER : ACPW3211000673
  PART NUMBER : 078-000-177-02
  BBU FW VERSION : 0120
  FAULT STATUS REGISTER ON : False
  EXTERNAL FAULT : False
  INTERNAL FAULT : False
  PAGE FAULT : False
  I2C ENABLED  : True
  GPIO ENABLED : True
  I2C READY FOR HOLD UP  : True
  GPIO READY FOR HOLD UP : True
  CHARGING : False
  DISCHARGING : False
  SERVICE LIFE : 976 DAYS
  STATE OF CHARGE : 96
  END OF CELL LIFE (from Ext Status) : False
  CAP DEGRADATION (Percent): 17
  CAP DEGRADATION THRESHOLD (Percent): 47
  CAP DEGRADATION THRESHOLD EXCEEDED : False
  CELL VOL (V) : 4.08  4.08  0.0  0.0  0.0  0.0  0.0  0.0

解读：

• SERVICE LIFE：976天（健康，远低于1865天）。
• STATE OF CHARGE：96%（健康）。
• CAP DEGRADATION：17%（远低于47%）。
• CELL VOL：4.08V（Gemini的2.75–4.10V范围内）。
• END OF CELL LIFE：False（无需更换）。
• I2C/GPIO READY FOR HOLD UP：True（支持数据保存）。
• CAP DEGRADATION THRESHOLD EXCEEDED：False（容量未达更换阈值）。

注意：BBU FW VERSION为0120（v1.20），为较旧固件，可能存在过充电问题，建议升级至v2.54或更高版本以延长寿命。

扩展诊断

svc_battery_info --extended命令提供更多细节，关键指标包括：

• DISCHARGE CYCLE COUNT（输出项：DISCHARGE CYCLE COUNT）：正常值为10–20，反映定期放电测试次数。
• STATE OF HEALTH（输出项：STATE OF HEALTH (Percent)）：理想为100%，低于80%需关注。
• STORAGE CAPACITY（输出项：STORAGE CAPACITY (Whr)）：应足以支持两次数据保存（>10 Whr）。
• TEMPERATURE（输出项：TEMP0 (C) 等）：应在20–40°C范围内。

示例输出片段（svc_battery_info --extended）：

Node A BATTERY EXTENDED STATUS
  STATE OF HEALTH (Percent) : 100
  STORAGE CAPACITY (Whr) : 14.88
  DELIVERABLE CAPACITY (Whr) : 14.24
  DISCHARGE CYCLE COUNT : 11.0
  TEMP0 (C) : 28.85

解读：

• STATE OF HEALTH：100%（理想）。
• STORAGE CAPACITY：14.88 Whr（充足）。
• DISCHARGE CYCLE COUNT：11.0（正常）。
• TEMP0：28.85°C（安全范围内）。

故障指标（如FAULTS-CELL OV、TEMP FAULTS-OVER TEMP）应为False，若为True，需进一步调查。

BBU维护最佳实践

1. 定期监控警报：通过PowerStore管理界面跟踪BBU相关警报，对AGING、CRITICAL或DEAD警报立即更换BBU。
2. 定期运行svc_battery_info或者svc_diag list --battery：在维护窗口使用--summary和--extended命令验证BBU健康状态，特别是在警报或硬件重新插拔后。
3. 处理传感器不一致：对于XMS_NODEBBU_SENSOR_CONSISTENCY_STATE_INCONSISTENT警报，重新插拔BBU并检查连接，持续问题需联系工程支持。
4. 更新固件：确保BBU运行最新固件（如Gemini的v2.54或v2.71），避免过充电等问题。
5. 计划更换：BBU通常寿命为5年，但温度和充放电循环可能缩短寿命。接近1865天或容量退化超47%时更换。

写在最后

啰里啰唆写了一大堆，目的就是一个，科普、科普、科普。BBU是存储系统中一个非常重要的部件，直接影响客户的数据安全。选择靠谱的存储备件和技术服务商。