Longhorn项目在ARM64架构下NVMe控制器连接问题的技术分析

问题背景

在Longhorn存储系统的使用过程中，我们发现了一个特定于ARM64架构和特定Linux内核版本的有趣问题。当用户在搭载6.4.0-150600.23.25-default内核版本的SLES15 SP6操作系统上部署Longhorn v1.8.x版本时，尝试挂载V2数据引擎的存储卷会失败，而在其他内核版本或x86_64架构上则工作正常。

现象描述

当用户尝试在ARM64平台上挂载V2存储卷时，系统日志中会出现以下关键错误信息：

Failed to write to /dev/nvme-fabrics: File exists
failed to add controller, error failed to write to nvme-fabrics device

同时，内核日志中会记录更详细的错误：

sysfs: cannot create duplicate filename '/devices/virtual/nvme-fabrics/ctl/nvme2/reset_controller'

技术分析

NVMe over Fabrics工作原理

NVMe over Fabrics是一种允许NVMe命令通过不同网络传输协议（如TCP、RDMA等）在网络上传输的协议。当Longhorn使用V2数据引擎时，它通过NVMe over TCP协议与存储后端通信。

在正常操作流程中，客户端首先执行"discover"操作来发现可用的NVMe子系统，然后执行"connect"操作来建立实际的控制器连接。然而，在这个特定内核版本中，发现操作就尝试创建控制器相关的sysfs条目，这显然违反了正常的工作流程。

问题根源

通过分析内核代码和日志，我们可以确定：

1. 这是一个特定于6.4.0-150600.23.25-default内核版本的bug
2. 问题仅出现在ARM64架构上，x86_64架构不受影响
3. 内核在发现阶段就错误地尝试创建控制器相关的sysfs条目
4. 当后续真正的连接操作尝试创建相同的sysfs条目时，系统会报"File exists"错误

解决方案

经过测试，我们发现这个问题在更新的内核版本6.4.0-150600.23.30-default中已经得到修复。因此，推荐的解决方案是：

1. 将内核升级到6.4.0-150600.23.30-default或更高版本
2. 如果暂时无法升级内核，可以考虑回退到6.4.0-150600.23.17-default版本

最佳实践建议

对于使用Longhorn存储系统的用户，特别是在ARM64架构环境下，我们建议：

1. 在生产环境中部署前，先在测试环境中验证内核版本与Longhorn的兼容性
2. 关注内核更新日志，特别是与NVMe相关的修复
3. 考虑在ARM64架构上使用经过充分验证的内核版本
4. 定期更新系统和Longhorn版本以获得最佳兼容性和性能

总结

这个案例展示了开源存储系统与特定硬件架构和内核版本交互时可能遇到的复杂问题。通过深入分析内核日志和理解NVMe协议的工作原理，我们能够准确定位问题并找到解决方案。这也提醒我们，在企业级存储解决方案的部署中，全面测试各个组件版本的兼容性至关重要。