| name | offline-file-system-fault-diagnosis |
| description | 通过分析服务器离线日志（iBMC、OS Messages、InfoCollect）诊断 Linux 文件系统（EXT4/XFS）逻辑损坏、挂载异常及存储关联性故障并定位根因。当用户提供日志并询问文件系统只读（Read-only）、挂载失败（Mount Failure）、元数据损毁（Metadata Corruption）、空间/Inode 耗尽、I/O 错误引发的逻辑一致性问题，以及需要针对文件系统进行异常溯源时，调用本技能。 |
| platforms | ["linux"] |
离线文件系统故障诊断
本技能通过分析从服务器收集的标准日志文件，帮助诊断 Linux 文件系统（EXT4/XFS）及底层存储子系统故障。
技能目录结构
本技能的目录结构如下，包含诊断脚本、参考资料和文档：
offline-file-system-fault-diagnosis/
├── SKILL.md # 本技能的主文档
├── scripts/ # 诊断脚本目录
│ ├── diagnose_summary.py # Step 0: 故障日志采集脚本
│ ├── diagnose_ibmc.py # Step 2: iBMC日志分析脚本
│ ├── diagnose_infocollect.py # Step 2: InfoCollect/磁盘与文件系统专项分析脚本
│ └── diagnose_messages.py # Step 2: OS消息日志分析脚本
└── references/ # 参考资料目录
├── FS_fault_scenarios.md # 文件系统故障场景分类
├── FS_scenario_analysis.md # 文件系统故障场景专项分析指南
├── infocollect_guide.md # InfoCollect诊断指南
├── messages.md # OS消息日志分析指南
├── huawei_ibmc.md # 华为iBMC分析指南
├── h3c_ibmc.md # H3C iBMC分析指南
└── Inspur_ibmc.md # Inspur iBMC分析指南
输入日志目录结构与对应诊断脚本
以 /path/to/logs/xxxx 为例，标准的服务器日志收集包通常具有以下层级结构。本技能提供了针对性的脚本来分析不同层级的日志。
注意：在实际场景中，用户提供的日志包可能不完整，可能仅包含以下三种目录中的一种或多种。请根据实际存在的日志类型灵活选择对应的分析脚本。
<日志根目录> (例如: 10.120.6.76)
├── ibmc_logs/ # iBMC 硬件带外管理日志
│ └── (硬件报错/槽位告警) -> 使用 scripts/diagnose_ibmc.py
├── infocollect_logs/ # 系统信息收集工具生成的分类日志
│ └── (SMART信息/文件系统位图/分区表) -> 使用 scripts/diagnose_infocollect.py
└── messages/ # 操作系统层面的系统日志
└── (dmesg, syslog, messages) -> 使用 scripts/diagnose_messages.py
⚠️ 强制执行流程
必须严格按以下顺序执行，禁止跳过或乱序：
Step 0 (故障日志采集) → Step 1 (场景分类) → Step 2 (深入分析) → Step 3 (根因校验) → Step 4 (界面输出分析报告)
执行规则：
- 顺序强制：必须完成当前步骤并验证通过后，才能进入下一步
- 场景分支：Step 1 输出场景标签后，Step 2 必须针对性收集相关证据
- 数据校验：Step 3 必须通过证据矩阵校验后才能得出最终结论
- 文件适配：日志文件不全时自动降级分析策略，但必须至少有一个日志文件
- 专注文件系统：分析过程应聚焦文件系统元数据（Metadata）、日志（Journal）及空间分配逻辑，厘清逻辑损毁与底层 I/O 异常的因果链。
每步完成标志：
- Step 0：输出日志文件时间范围、文件统计、错误关键词概览
- Step 1：确定故障场景（如 FS_CORRUPTION 等）
- Step 2：输出底层物理/元数据层级的精准定位、传导链及初步根因
- Step 3：输出根因证据校验表、原生日志证据及置信度定性
- Step 4：在界面上按固定结构输出最终的分析报告（严禁生成独立文件）
分析流程总览
| 步骤 | 阶段目标 | 主要工具/方法 |
|---|
| Step 0 故障日志采集 | 全量扫描日志目录并识别关键报错 | python3 scripts/diagnose_summary.py <log_dir> |
| Step 1 场景分类 | 判定现象并确定故障场景类型 | 根据 Step 0 结果参考 FS_fault_scenarios.md 匹配 |
| Step 2 深入分析 | 构建起止 T0 的传导链并执行专项诊断 | 参考 FS_scenario_analysis.md 获取多维证据 |
| Step 3 根因校验 | 交叉质询证据链，执行证据双向校验 | 对比 iBMC/内核/系统日志的一致性，防止结论发散 |
| Step 4 界面输出分析报告 | 汇总证据链与确认根因，在界面直接输出报告内容 | 结构化输出：结论 + 故障链条 + 修复建议 |
Step 0：故障日志采集
全量扫描（宏观分析）
目标：快速扫描所有日志文件，识别磁盘及存储子系统的异常，建立故障全景视图。当存在特定报错或时间范围时，利用参数进行第一轮初步精确定位。
执行命令（根据场景选择）：
python3 scripts/diagnose_summary.py <log_dir>
python3 scripts/diagnose_summary.py <log_dir> -k "disk_fail" "slot0"
python3 scripts/diagnose_summary.py <log_dir> -d "Mar 16"
python3 scripts/diagnose_summary.py <log_dir> -s "2026-03-10 08:00:00" -e "2026-03-10 12:00:00"
精细定位（微观分析）
目标：在优先使用上述带有参数的扫描命令锁定范围的基础上，结合全量扫描结果，辅以 grep / less 等文件操作命令查看更细节的原始日志上下文。
注意：使用脚本时，可优先执行 --help 参数，了解脚本多维度过滤用法。
Step 1：场景分类
根据 Step 0 采集的日志概览，分析故障现象并确定故障场景类型。
场景分类概述
根据 Step 0 采集的日志概览，分析故障现象并从以下标准场景中确定故障场景类型。
📖 参考详见：文件系统故障场景分类
| 场景标签 | 中文描述 | 主要特征 |
|---|
FS_CORRUPTION | 文件系统损毁 | EXT4-fs error、XFS: Metadata corruption、fsck 报错、位图/校验和不一致 |
FS_MOUNT_ERROR | 逻辑挂载异常 | Mount failed、Structure needs cleaning、UUID 变更、/etc/fstab 配置冲突 |
FS_IO_ERROR | 内核 I/O 报错 | Buffer I/O error、I/O error、Device error (引发 FS 切只读的核心诱因) |
FS_SPACE_ISSUE | 空间/索引耗尽 | No space left on device、Inode exhausted、大文件残留、配额 (Quota) 限制 |
STORAGE_INDUCED_FS_ERR | 存储诱发的 FS 故障 | 底层磁盘/RAID 硬件故障（如 Drive Fault/Media Error）直接导致的文件系统不可用 |
FS_PERMISSION_CONFIG | 权限与系统配置问题 | Permission denied、SELinux 阻断、ACL 异常、挂载参数 (Mount Options) 冲突 |
场景辅助分析与根因假设
确定场景标签后，必须参考专项分析指南进行候选根因的初步验证：
🔍 专项分析指南：文件系统故障场景专项分析指南
| 场景标签 | 候选根因假设（需在 Step 2 中验证） |
|---|
FS_CORRUPTION | ① 异常断电导致元数据未落盘 ② 磁盘物理坏道损毁关键元数据 ③ 内核/驱动 Bug 导致的逻辑破坏 |
FS_MOUNT_ERROR | ① 文件系统超级块 (Superblock) 损坏 ② 挂载点目录被占用或存在依赖冲突 |
FS_IO_ERROR | ① 磁盘介质老化/损坏 ② SAS 链路抖动触发超时重试 ③ RAID 卡缓存故障 |
FS_SPACE_ISSUE | ① 隐藏进程占用已删除的大文件句柄 ② 小文件过多耗尽 Inode ③ 磁盘配额已满 |
STORAGE_INDUCED_FS_ERR | ① 磁盘硬件物理失效 (Offline) ② RAID 阵列降级或崩溃 ③ 存储链路徹底中断 |
FS_PERMISSION_CONFIG | ① 运维操作导致 ACL 被误改 ② 只读模式挂载 (RO) 保护 ③ 容器/虚拟化命名空间隔离 |
⚠️ 强制要求：在进入 Step 2 深入分析前，应先通过 FS_scenario_analysis.md 了解对应场景的分析路径。分析结束后，必须对上述候选根因方案逐一标注：✅ 已证实 / ❌ 已排除 / ❓ 证据不足。
Step 1 完成标志：
- ✅ 确定主要故障场景标签（从上述类型中选择）
- ✅ 记录故障现象与关键证据
- ✅ 为 Step 2 深入分析提供明确的故障场景方向
Step 2：深入分析
根据 Step 1 的场景分类结果，必须首先完成时序关联与故障传导链重建，然后再通过多源脚本收集证据，最终给出精确的物理/逻辑坐标定位。
2.1 时序关联与传导链重建 (核心理论框架)
目标：通过多源日志的时间戳对齐，重建故障发生的完整时间轴，厘清事件的先后顺序与因果链，为根因定位提供时序证据。
2.1.1 确定文件系统故障零点 (T0)
故障零点（T0）是时序分析的基准锚点，定义为最早可观测到异常的时间戳。确定优先级（由高到低）：
| 优先级 | 来源 | 说明 |
|---|
| P1 | 硬件错误日志（iBMC / SEL） | 底层物理故障时间点最准确（如 Power Loss, Drive Fault）。 |
| P2 | 内核感知层（dmesg / messages） | 最早出现的 I/O Error 或 EXT4/XFS Metadata Error。 |
| P3 | 系统调度层（syslog / messages） | systemd 挂载失败、服务启动超时或 OOM 触发。 |
| P4 | 应用感知层 | 数据库由于 IO 缓慢产生的报错，通常滞后于内核层。 |
2.1.2 多维日志对齐与时间轴矩阵
以 T0 为基准，构建事件序列矩阵。
示例：因异常断电导致文件系统损坏的时间轴
T0-2m ├─ [iBMC SEL] 记录 `Power Loss` 外部供电失效告警。
T0 ├─ [iBMC SEL] 系统由于过温或供电不足触发强制下电。
T0+1m ├─ [OS restart] 系统重启，内核加载存储驱动并尝试挂载根分区之外的文件系统。
T0+1.5m ├─ [OS dmesg] `EXT4-fs (sdb1): error loading journal` → 标定为致命故障节点 T0'。
T0+2m ├─ [OS messages] `Failed to mount /data: Structure needs cleaning`。
2.1.3 文件系统故障传导链推断 (示例)
结合对齐的时间轴矩阵，运用以下规则推导故障传导链方向：
- 规则一：自下而上（硬件/介质诱发）
- 传导链：磁盘物理坏道 (T0) → 触发底层 I/O Error → 文件系统元数据读取失败 (Corruption) → 触发内核安全保护并
Remount read-only。
- 规则二：逻辑向应用传导（配置/空间诱发）
- 传导链：日志异常膨胀 (T0) → 触发
No space left → 元数据/日志提交失败 → 导致应用数据库死锁或服务退出。
⚠️ 精确定位强制要求：在文件系统诊断中，严禁仅使用“文件系统损坏”这类含糊结论。
必须给出明确的“逻辑-物理”映射定位，例如：
- ✅ 正确结论：
Mount Point: /data (Device: /dev/sdb1) -> Slot 3 -> EXT4 Metadata Corruption -> Block 98304。
- ❌ 错误结论：
由于 I/O 错误导致挂载失败 或 磁盘损坏。
2.1.4 存储数据流拓扑梳理
在推断故障传导链的同时，必须梳理受影响的存储数据拓扑网络（即从用户业务层直达物理磁盘层的映射关系），以便确认底层/文件系统异常最终影响的业务挂载点。明确映射关系：
- 挂载点，即用户入口（例如
/data/vols/vol13/phenix_data） → 文件系统类型（例如 ext4/xfs） → 对应的分区或 LVM 逻辑卷（例如直接分区块设备 或 /dev/mapper/xxx） → 发生告警/故障的真实底层物理磁盘设备（例如 /dev/sda）。
2.2 日志脚本分析执行 (执行工具动作)
2.2.1 通用分析流程
python3 scripts/diagnose_ibmc.py <log_dir>
python3 scripts/diagnose_infocollect.py <log_dir>
python3 scripts/diagnose_messages.py <log_dir>
注意：使用脚本时，可优先执行 --help 参数，了解脚本多维度过滤用法。
2.2.2 按场景专项分析
当 Step 1 确定故障场景后，优先分析对应的关键指标：
- 文件系统损坏：重点查看
dmesg 中的元数据校验错误及 infocollect 中的文件系统位图信息。
- 磁盘硬件故障：重点查看 SMART 中的
Reallocated_Sector_Ct。
- 空间/索引耗尽：重点查看
df -i 和 df -h 的各项指标。
Step 2 完成标志：
- ✅ 输出故障零点 T0 的精确时间戳及其所依托的具体日志行。
- ✅ 梳理出以 T0 为基准的结构化事件序列矩阵与至少 3 步的确定故障传导链。
- ✅ 给出精确到设备文件名（/dev/sdX）和物理槽位（Slot ID）的定位结果。
- ✅ 收集脚本产出的相关原生日志片段作为强有力的支撑证据。
- ✅ 成功梳理出底层设备故障/逻辑盘直达业务挂载点的重点存储数据流拓扑映射关系。
Step 3：根因反思与证据双向校验 (Cross-Examination Rules)
目标：对 Step 2 输出的“初步传导链与定位结果”进行“交叉质询”，确保结论 100% 由底层日志支撑。
3.1 交叉质询铁律 (Cross-Examination Rules)
- 孤证不立原则：任何涉及 I/O 错误引起的文件系统问题，必须同时在内核日志（dmesg）和存储层（SMART/RAID 卡日志/iBMC）找到独立证据。
- 逻辑闭环原则：从 T0 到最终故障结果，传导链不允许出现逻辑断层。例如：判定为“由于坏道导致”，则必须找到对应的物理扇区重映射记录。
- 互斥排异原则：判定为文件系统自身损坏前，必须排除外部因素（如链路抖动、驱动版本 Bug 或人为 rm -rf）。
3.2 强制：根因证据校验表 (Evidence Validation Matrix)
在确认最终结论前，强制要求进行证据校验：
| 校验维度 | 校验标准要求 | 强制证据格式（分析打样要求） |
|---|
| E1: 时序连续性 | 底层报错 (I/O/Power) 是否早于或同步于文件系统报错？ | [✅/❌ 结果] + 时序对齐说明 + [绝对路径 : 行号/行号范围] + 原生日志片段 |
| E2: 逻辑-物理同一性 | 报错的设备节点 (/dev/sdX) 与物理槽位 (Slot Y) 是否指向同一单元？ | [✅/❌ 结果] + 设备与槽位映射日志梳理 + [绝对路径 : 行号/行号范围] + 原生日志片段 |
| E3: 现象排他性 | 是否排除了系统 OOM、网络挂载延迟或人为误删等非存储因素？ | [✅/❌ 结果] + 主动排异日志及逻辑说明 + [绝对路径 : 行号/行号范围] + 原生日志片段 |
3.3 结论防发散拦截机制 (Anti-Hallucination Mechanism)
- 断链阻断：若无法从日志中找到证明因果传导的片段，强制触发流程拦截，回溯重新收集。
- 降级处分：若确实缺乏某一层关键日志，必须在报告中声明为**“疑似故障 (Suspected)”**并标注证据断层位置。
- 严禁用词限制：在证据链未能满足完全闭环标准前，严禁使用“肯定”、“必然”等决定性断言。
Step 3 完成标志：
- ✅ 结构化地产出《根因证据校验表》中每一项的自查结论。
- ✅ 每个通过项均附带 Trace 日志中的 Timestamp、Text 以及其明确的 [绝对路径 : 行号/行号范围]。
- ✅ 输出与之等位置信度（已证实 / 高度疑似 / 逻辑推断）的严谨研判方向。
Step 4：界面输出分析报告
汇总 Step 0～3 的所有分析结果，直接在当前对话界面输出结构化的诊断结论。禁止生成任何额外的文档或报告文件。
报告结构：
- Executive Summary（故障摘要） — 严禁使用笼统回答，必须包含以下三要素：
- 具体设备或挂载点信息（例如：明确指出具体的设备名
/dev/sdX、分区及文件系统挂载路径）。
- 具体的根因故障（例如：具体的“EXT4 元数据超级块物理损毁”或“Journal 日志加载失败”，而非宽泛的“文件系统错误”）。
- 业务后果概述（例如：该故障对应用层的直接影响，如“导致数据库分区无法挂载，业务启动失败”或“触发内核保护机制导致分区只读”）。
- Storage Data Flow（存储数据流拓扑） — 必须呈现从业务感知层到底层故障部件的数据流向映射关系：
- 必须按层级包含以下上下游映射关系及路径节点名：挂载点（用户入口，如
/data/vols/vol13/phenix_data） → 文件系统（如 ext4/xfs） → 分区/LVM逻辑卷 → 真实故障物理磁盘设备（如 /dev/sda）。
- Fault Chains（故障链条分析） — 必须包含以下两级链条：
- 故障时间链 (Fault Time Chain)：列出带关键节点的事件序列，每个节点必须包含准确的时间戳及对应的出处
[绝对路径 : 行号/行号范围]。
- 故障传导链 (Fault Propagation Chain)：清晰描绘导致系统表现的因果路径（例如：
RAID卡电池失效 -> 写策略降级 -> I/O 延迟剧增 -> 文件系统由于超时被动切为 Read Only）。
- Technical Analysis & Root Cause（技术分析与根因） — 基于 Step 2 的传导链底层回溯与 Step 3 的交叉质询得出的物理级或配置级根因，并提供多源证据链（E1/E2/E3）支撑。🔴 强制约束：针对提供证明此根因或结论对应的原生日志片段，必须强制标明其确切证据出处，格式统一为
[绝对路径 : 行号/行号范围]。溯源路径必须是从系统中可查找的完整绝对路径，严禁截断。
- ✅ 正确示例：
[/path/to/logs/ibmc_logs/maintenance/sel.log : 1024]
- ❌ 错误示例：
[sel.log : 1024]（丢失路径）或 [maintenance/sel.log : 1024]（路径不完整）
- Recommendations（修复建议） — 立即操作、备件更换建议及预防性检查
诊断分析完成性拦截检查（不满足条件时强行熔断回溯，严禁盲目输出报告）：
在得出结论前，核心系统（作为自我审查器）必须强制执行以下内部清单确认拦截：
参考资料
