AWS EC2でリブートしたら初期状態に戻ってしまった。

Question

ご覧いただきありがとうございます。
これから記載させて頂く内容を見て、「こいつおかしいんじゃない？」「意味不明」「馬鹿？」と思われる方もいると思いますが、
私自身狐につままれたようで、もう本当に頭がおかしくなってしまいました。ただすべて事実ですので、この現象にこころ当たりがある方は
どんな情報でも教えて頂ければと思います。

時系列で

5/3
t2.smallインスタンスで運用しているCentos7が突然作業中にSSHでつながらない事象発生、WEBサーバーもフリーズしているようで反応がない。
この為再起動するも、SSHで接続できない、インスタンスのステータスチェックでネットワークに異常が発生、IP付け替えも反応せず。
別に t2.smallインスタンスを立ち上げ旧ボリュームを/dev/sdfにアタッチしたらなぜか起動した。
この時点で　/dev/sda1 と　旧ボリューム/deb/sdf　がアタッチされている状況。

5/14 11:00 /dev/sda1ボリュームのスナップショット取得(/sdfボリュームのスナップを忘れた)

5/14 20:00
サーバーをメンテの為に、SSHからreboot、再起動後SSHで接続すると、コマンド履歴がない、history打ったら空？？
意味が解らず、運用しているWEBサイトにもアクセスできない。。。ていうか初期状態になっている。

5/14　21：00　
どうにもならないので、11:00のスナップショットを使ってボリュームを作成/dev/sda1を置き換え。
とりあえず起動したが、確認してみると20:00までの作業が復活している。
なぜ11:00のスナップショットから作成したボリュームに20:00迄のデータがあるのか？

/dev/sdfはそのままだからか？
ではなぜ初期状態に戻ったのかがわからない？

もう意味が解りません。なんでこんなことが起こるのでしょうか？
特にリブートしたら初期状態になってることには驚きました。またリブートしたら初期状態になってしまうのでしょうか？

私はAWSは3年ぐらいで複数のインスタンスを運用してますが、本当に今回は意味が解りません。
どなたかこのような意味不明の症状を発生させたことありますか？ご意見情報お待ちしております。

Answer 1

5/3
t2.smallインスタンスで運用しているCentos7が突然作業中にSSHでつながらない事象発生、WEBサーバーもフリーズしているようで反応がない。
この為再起動するも、SSHで接続できない、インスタンスのステータスチェックでネットワークに異常が発生、IP付け替えも反応せず。
別に t2.smallインスタンスを立ち上げ旧ボリュームを/dev/sdfにアタッチしたらなぜか起動した。
この時点で　/dev/sda1 と　旧ボリューム/deb/sdf　がアタッチされている状況。

別のt2.smallインスタンスを立ち上げるのは何ら問題ありません。
旧ボリュームもアタッチすることは可能です。

5/14 11:00 /dev/sda1ボリュームのスナップショット取得(/sdfボリュームのスナップを忘れた)

別のt2.smallインスタンスのルートボリュームのスナップショットを取得したのでしょうが、
特に作業していないならスナップショットを取得する意味もないと思います。

5/14 20:00
サーバーをメンテの為に、SSHからreboot、再起動後SSHで接続すると、コマンド履歴がない、history打ったら空？？

シェルヒストリが保存されるかどうかはシェルの設定によります。

意味が解らず、運用しているWEBサイトにもアクセスできない。。。ていうか初期状態になっている。

5/3に別のt2.smallインスタンスを立ち上げたので、その時点ですでに初期状態になっていたかと。

5/14　21：00　
どうにもならないので、11:00のスナップショットを使ってボリュームを作成/dev/sda1を置き換え。
とりあえず起動したが、確認してみると20:00までの作業が復活している。
なぜ11:00のスナップショットから作成したボリュームに20:00迄のデータがあるのか？

ここはどこかで作業の認識違いがあると思います。
「20:00までの作業が復活」とありますが、インスタンス内での作業について特に記載がありません。
簡単でいいので、どのタイミングでどのような作業を行ったのか記載いただけると理解できます。

どのインスタンスに対し、どのような作業をしたかについてすべて記録しているのでしょうか？
そうでなければ、勘違いなどが原因と考えられます。

Comments

[primetimefuture]

回答ありがとうございます、中々理解しがたい中いろいろ考えて回答いただいたみたいで恐縮です。

さて、スナップショットから復元したボリュームを別のインスタンスで稼働させて、とりあえず復旧したと思われたサーバーですが、5/15の深夜にまたしてもネットワークがつながらない状態になりました。

この際は特段作業をしていたわけではありませんでしたので、不注意による操作ミスの可能性もありません。

ネットワークがつながらない状態のインスタンスからスナップショットをとりボリュームをコピーし新たに作成したインスタンスに乗せたところ、やはり普通に稼働しました。そして今日5/18現在もそのまま稼働しております。

データーに異常がないとしたら、ネットワーク機器の異常も考えられるのかなとも思いますが、ネットワークが全滅するケースをご存じであれば是非教えて下さい。理由がわからず接続不能に陥るのは、ものすごい恐怖ですよ。

[moonphase]

t2やt3ファミリーは小さな用途に度々使用していますが、かなり不安定なケースがあるという実体験はあります。私自身もつい最近も不安定になり、インスタンスを破棄して作成しなおしました。
中にはCPUクレジットなどの影響もあるのでしょうが、ネットワークやストレージなどでも問題がでているケースがあるといくつかの記事で確認できます。
例えばm3.mediumなど、t*以外のファミリーにすることで解消できるケースであれば、t*ファミリー特有の問題かもしれません。
なお、サポートに問い合わせると対象のインスタンスで障害が発生したいたことを教えてくれるケースもあります。

[primetimefuture]

なるほど、Aws総合1位のmoonphase様もインスタンスを破棄して作成しなおしたという経験があるわけですね。t*以外のファミリーを検討するという部分も大変参考になりました。経験豊富な方からの実体験を基にしたアドバイス頂きたすかりました。ありがとうございます。

Answer 2

経験はないです。AWSの問題についてはAWSのサポートに問い合わせなさったほうが適切な回答が得られるのではないかと思います。

Comments

[primetimefuture]

回答ありがとうございます。実際おっしゃる通りですよね。有償サポートで聞いてみたいと思います。