引言：快照合并失败的运维痛点
在企业虚拟化环境中，VMware vSphere（ESXi）被广泛用于运行关键业务系统。为了便于测试、备份或故障回滚，管理员通常会创建虚拟机快照。然而，当需要删除旧快照以释放磁盘空间时，经常会遇到“快照合并”过程长时间停滞甚至报错的情况。这种现象不仅阻碍了存储资源的回收，还可能导致虚拟机性能下降，严重影响业务连续性。
本文将基于一个真实的中小企业IT运维场景，复盘VMware ESXi虚拟机快照无法合并的故障排查全过程，并提供标准化的解决方案。
案例背景与现象还原
环境描述：
- 虚拟化平台：VMware ESXi 7.0 Update 3
- 存储类型：iSCSI SAN共享存储，LUN格式为VMFS6
- 受影响主机：Host-01（承载15台生产虚拟机）
故障现象：
周五下午，IT运维人员计划清理上周创建的测试环境快照。在执行“删除所有快照”操作后，任务管理器显示进度条卡在“Merging snapshots...”阶段长达4小时无变化。此时，受影响的虚拟机（Windows Server 2019）CPU和内存占用率正常，但磁盘写入延迟显著增加，部分依赖该数据库的应用出现响应超时。
根因分析与日志排查
面对快照合并停滞，首要任务是确定根本原因。我们按照以下步骤进行深度排查：
1. 检查存储路径与空间
首先确认ESXi主机连接的存储LUN是否有足够的可用空间。快照合并本质上是.vmdk文件的增量数据回写过程，需要临时空间。检查发现，虽然总容量充足，但其中一块故障硬盘导致的冗余降级状态影响了I/O性能。
2. 分析vCenter与ESXi日志
登录vCenter Server，查看对应主机的系统日志（vmkernel.log）和管理代理日志（hostd.log）。在vmkernel.log中发现大量类似以下的警告信息：
[Warning] StorageIO: Path /vmfs/devices/disks/naa.xxxxxxxx is throttled due to latency.
[Error] VMCID host-12345: opID=abc-def: Heartbeat timed out while waiting for snapshot consolidation.
这表明存储子系统存在高延迟，或者vCenter与ESXi主机之间的通信在长时间运行下出现了心跳超时。
3. 识别僵死进程
通过SSH连接到ESXi主机，执行命令查看当前活跃的任务：esxcli vm process list。发现存在一个名为“vmk吊起”的合并进程ID（VMX UUID），但该进程并未释放持有的文件锁，导致后续操作阻塞。
解决方案与实操步骤
根据排查结果，我们将解决方案分为“安全恢复”和“强制干预”两个层级。建议优先尝试安全方法，若无效再执行强制清理。
方案一：常规重启与重试（低风险）
如果虚拟机允许短暂停机，这是最安全的做法：
- 关闭虚拟机：在vCenter中执行标准的“关机”操作，等待操作系统完全停止。
- 暂停主机HA：为防止vSphere HA自动重启虚拟机造成冲突，先将主机置于维护模式或禁用对该虚拟机的HA保护。
- 重新合并：开机后，再次右键虚拟机 -> 快照 -> 删除所有快照。此时由于没有活跃业务干扰，合并通常能顺利完成。
方案二：手动清理残留快照文件（中等风险）
若常规删除无效，可能是快照链（Snapshot Chain）元数据损坏。需要手动介入：
- 卸载磁盘：在虚拟机设置中，暂时移除虚拟硬盘（Keep File选项选择“保留”）。
- SSH连接主机：进入数据存储目录，查找对应的-delta.vmdk文件。
- 重命名备份：将疑似异常的delta文件重命名为.bak后缀，防止直接误删。
- 重启虚拟机控制器：在ESXi上重启Management Agent：
/etc/init.d/hostd restart和/etc/init.d/vpxa restart。 - 重新添加磁盘：在vCenter中将之前卸载的磁盘重新添加回来，vSphere会自动尝试重建快照链。若成功，说明原delta文件已损坏或孤立。
方案三：强制终止并强制合并（高风险，最后手段）
当上述方法均无效，且虚拟机处于完全冻结状态时，可执行此操作：
- 获取VMX路径：在vClient中查看虚拟机属性，复制其数据存储路径。
- 终止进程：通过SSH执行
esxcli vm process kill --type=force --world-id=强制杀死虚拟机进程。 - 执行Consolidation：在vCenter中右键虚拟机，选择“快照” -> “整理”。该操作会比对磁盘链结构并修复不一致。
预防建议与最佳实践
为避免未来再次发生此类故障，建议采取以下预防措施：
- 限制快照数量与时间：快照不是备份！单个虚拟机快照链条不建议超过3-5层，且每个快照保留时间不应超过24-48小时，以减少合并负担。
- 监控存储性能：启用vRealize Operations Manager或类似工具，实时监控存储IOPS和延迟，确保在负载高峰期间不进行大规模的快照操作。
- 定期执行磁盘精简置备：对于使用精简置备（Thin Provisioning）的虚拟机，定期检查并收缩磁盘，避免因空间碎片化导致的IO瓶颈。
结语
VMware快照合并失败是虚拟化运维中的经典难题，通常由存储I/O瓶颈或元数据异常引起。通过严谨的日志分析和分步骤的排查策略，IT团队可以快速定位问题并恢复服务。务必记住，妥善管理快照生命周期是保障虚拟化环境稳定运行的关键一环。