Cómo distinguir un cable SATA defectuoso de un disco NAS que está fallando

Un cable SATA defectuoso produce errores de transporte, mientras que un disco en mal estado genera errores de medios o del dispositivo. La prueba confiable es rastrear qué tipo de error aumenta y dónde se presenta.

No diagnostique basándose en un solo estado SMART o una desconexión. Registre el número de serie del disco, los contadores actuales, los mensajes del kernel, la bahía, el cable y el puerto del controlador, luego cambie un componente del camino a la vez. El patrón después de cada cambio controlado es más útil que el recuento original de errores.

Capture una Línea Base Antes de Reasentar Cualquier Componente

Registre el número de serie, modelo, bahía, puerto del controlador, atributos SMART, registro de autoevaluación, registro de errores y mensajes recientes del sistema del disco afectado antes de cambiar el cable. Reasentar puede detener el síntoma mientras borra la relación entre el disco y el camino.

Los nombres de dispositivo como /dev/sdX pueden cambiar entre reinicios o movimientos de cable, por lo que el número de serie es la identidad estable. Marque con fecha y hora la línea base y anote los valores crudos de los contadores porque varios contadores SMART son acumulativos y no vuelven a cero después de reemplazar un cable.

Pausa las escrituras intensas si el arreglo está degradado o los errores aumentan. Preserva primero la evidencia, luego realiza un cambio controlado; de lo contrario, un intercambio simultáneo de cable, bahía, conector de energía y disco no producirá un diagnóstico confiable.

Separe los Errores de Transporte de los Errores de Medios

Los errores de transporte ocurren mientras los comandos o datos cruzan el camino SATA, mientras que los errores de medios ocurren cuando el disco no puede leer o escribir sectores de forma confiable. Las dos clases de fallos pueden causar síntomas similares en las aplicaciones pero apuntan a hardware diferente.

El modelo de error ATA de Linux distingue un error de bus ATA de un error de medios: los fallos de CRC y transmisión pertenecen al camino, mientras que una lectura no corregible reportada tras reintentos pertenece al medio del dispositivo. Los tiempos de espera pueden ser ambiguos, por lo que necesitan contadores de apoyo y cambios controlados.

Clasifique cada entrada del registro antes de actuar. El aumento de evidencias de CRC o reinicios de enlace dirige la atención al cable, conector, backplane, estabilidad de energía o camino del controlador; los sectores ilegibles y autoevaluaciones fallidas mantienen la sospecha sobre el disco mismo.

Observe si los Contadores de CRC y Enlace Siguen Aumentando

Un conteo de CRC distinto de cero muestra que ocurrieron errores de interfaz, pero el total histórico por sí solo no prueba que el cable esté actualmente malo. La señal clave es si el conteo crudo aumenta durante una ventana de prueba conocida.

ICRC registra un error de CRC de interfaz. Como este contador lo almacena el disco, puede permanecer visible después de que el cable o el host original hayan sido reemplazados, por lo que compare valores antes y después en lugar de tratar cualquier conteo pasado como una falla activa.

Ejecute una carga de lectura controlada tras reasentar o reemplazar el cable de datos y registre el nuevo conteo. Si los eventos de CRC o reinicio de enlace se detienen mientras los indicadores de medios permanecen estables, el camino fue la causa principal; si el conteo sigue aumentando, continúe aislando la bahía, puerto y conexión de energía.

Use Autoevaluaciones para Buscar Fallos en el Disco

Un disco sigue siendo sospechoso cuando reporta sectores ilegibles, sectores pendientes, sectores realojados, comandos fallidos no relacionados con CRC o una autoevaluación que se detiene en una ubicación repetible. Estas señales se refieren a la capacidad del dispositivo para acceder a su medio.

Las autoevaluaciones SMART y los registros de errores son útiles porque preservan evidencia del lado del dispositivo sin depender solo de la capa RAID. El registro de autoevaluación SMART debe interpretarse junto con los atributos crudos y los registros del sistema, no reducirse a la única línea general PASSED.

No ejecute una prueba extendida que sobrecargue un arreglo severamente degradado o un disco que ya devuelve errores de lectura repetidos. Cuando los datos están en riesgo, priorice la copia de seguridad o la imagen, luego pruebe el disco aislado bajo una carga controlada.

Intercambie un Componente del Camino a la Vez

El discriminador más claro es si la falla sigue al disco físico o permanece con el camino SATA. Cambie solo un componente por prueba: primero el cable de datos, luego la bahía o el camino del backplane, y finalmente el puerto del controlador si la plataforma lo permite de forma segura.

Mantenga el mismo número de serie del disco y la carga de trabajo mientras compara nuevos errores. Un contador de transporte que aumenta solo en una bahía o con un cable apunta a que no es el disco, mientras que errores de medios y autoevaluaciones fallidas que siguen al número de serie a través de caminos limpios apuntan al disco.

Nunca cambie miembros activos de RAID sin registrar la asignación de serie a ranura y confirmar que la pila de almacenamiento identifica miembros por metadatos y no por orden de ranura. Si el sistema no soporta movimientos controlados, reemplace primero el cable y use los registros para acotar el camino restante.

Interprete los Tiempos de Espera y Reinicios como Evidencia de Apoyo

Los tiempos de espera de comandos, reinicios de enlace SATA y dispositivos que desaparecen brevemente pueden resultar de un cable débil, energía inestable, problema del controlador o un disco que deja de responder. Son señales importantes, pero no causas autoidentificables.

El camino de recuperación ATA puede reiniciar un enlace tras fallos de transmisión o estados de comando desconocidos. Reinicios repetidos combinados con aumento de errores CRC fortalecen la hipótesis del camino; sectores no corregibles repetidos o fallos en autoevaluaciones fortalecen la hipótesis de medios.

Correlacione cada evento por marca de tiempo con caídas de RAID, errores de E/S de aplicaciones y cambios SMART. Un solo reinicio tras mantenimiento es menos persuasivo que un patrón recurrente que vuelve bajo el mismo cable, bahía o número de serie del disco.

Reemplace el Componente que Sigue la Evidencia

Reemplace el cable o repare el camino cuando nuevos errores de CRC y enlace permanezcan ligados a una conexión y el disco pase las pruebas controladas de medios en otros lugares. Reemplace o retire el disco cuando los errores del lado del dispositivo sigan su número de serie a través de caminos conocidos como buenos.

Los casos ambiguos no deben forzarse a una respuesta binaria. Un disco en falla puede coexistir con un cable marginal, y una autoevaluación SMART estable no borra fallos de transporte repetidos que aún pueden hacer caer un miembro RAID.

Después de la reparación, establezca una nueva línea base y verifique que los contadores dejen de aumentar mediante carga normal, un escaneo o verificación de consistencia y un período de monitoreo. Escale o haga imagen del disco cuando los errores continúen, los datos sean ilegibles o el arreglo no tenga redundancia restante.