Perché gli errori di scrub del NAS seguono una porta del controller anche con unità diverse?

Eva Wong è la redattrice tecnica e appassionata di tecnologia di ZimaSpace. Geek da sempre, appassionata di homelab e software open source, è specializzata nel tradurre concetti tecnici complessi in guide pratiche. Eva crede che l’hosting autonomo debba essere divertente, non intimidatorio. Attraverso i suoi tutorial, aiuta la community a comprendere meglio le configurazioni hardware, dalla costruzione del primo NAS alla padronanza dei container Docker.

Gli errori di scrub che seguono una porta del controller specifica con unità diverse indicano in genere il percorso condiviso, non il supporto di registrazione dei dischi.

Uno scrub legge un’ampia gamma di blocchi e può far emergere guasti che il normale accesso quotidiano non raggiunge mai. Se unità diverse e sicuramente funzionanti sviluppano errori solo quando sono collegate alla stessa porta, tra i componenti in comune ci sono il canale del controller, il connettore, il cavo, la corsia del backplane, il percorso dell’expander, il percorso di alimentazione, il firmware e il raffreddamento attorno a quel percorso. La diagnosi deve dimostrare che l’errore segue la porta, preservando l’identità dell’unità, i timestamp e il tipo di errore.

Verifica che l’errore segua la porta, non il nome del disco

Registra i numeri di serie dei dischi, gli ID dispositivo stabili, la porta del controller o il PHY dell’HBA, il cavo, l’alloggiamento, il membro del pool e i contatori di lettura, scrittura e checksum prima dello scrub successivo. Non basarti solo sui nomi /dev/sdX, che possono cambiare.

La procedura di diagnostica delle unità di TrueNAS sottolinea l’importanza di raccogliere i dati del pool e di SMART prima di azzerare gli errori o sostituire un dispositivo.

Dopo uno scambio a sistema spento, verifica se l’errore segue il disco, l’alloggiamento, il cavo o la porta del controller. Modifica un solo componente per test, in modo che il risultato resti interpretabile.

Distingui gli errori di checksum dello scrub dagli errori di lettura e scrittura dell’unità

Salva il risultato completo dello scrub e i contatori di ciascun dispositivo. Un checksum non corrispondente, un timeout del comando, un settore illeggibile e una scrittura non riuscita rappresentano livelli di guasto diversi.

Oracle documenta che uno scrub ZFS verifica i checksum dei dati attivi, mentre lo stato del pool segnala separatamente gli errori di lettura, scrittura e checksum per ciascun dispositivo.

Se gli errori di checksum aumentano senza errori del supporto e seguono un percorso fisico, sospetta una corruzione dei dati tra la memoria e l’unità oppure un collegamento instabile. Se gli errori di lettura seguono l’unità da una porta all’altra, è più probabile che il problema sia il disco.

Associa il disco al controller e al collegamento esatti

Segui il percorso stabile del disco attraverso il controller host, l’indirizzo PCI, l’expander SAS o la porta SATA, l’enclosure, il cavo e l’alloggiamento. Salva la mappatura prima di spostare l’hardware.

La vista dei dispositivi lspci identifica il controller di archiviazione PCI indipendentemente dai nomi dei filesystem e dei pool, consentendo di distinguere un percorso del controller guasto da un disco a cui è stato semplicemente assegnato un nuovo nome dispositivo.

Per un HBA, includi le informazioni su PHY ed expander, se disponibili. Due alloggiamenti frontali potrebbero condividere un cavo mini-SAS o una corsia dell’expander, anche se l’interfaccia li mostra come slot separati.

Esamina i reset del collegamento SATA o SAS durante lo scrub

Monitora il registro del kernel dall’avvio della scansione. Cerca ripristini forzati, errori COMRESET, eventi di perdita del collegamento, timeout dei comandi, errori di protocollo e variazioni della velocità negoziata sul percorso interessato.

La guida libATA di Linux descrive il ripristino del collegamento e il recupero dagli errori per porta, mostrando perché i messaggi ripetuti associati a una singola porta ATA costituiscono una prova più solida di un generico avviso del pool.

Conserva il primo messaggio di errore di trasporto. I successivi errori del filesystem potrebbero essere solo conseguenze della perdita di comunicazione con il controller durante una lettura.

Confronta i contatori CRC dell’interfaccia e dei timeout dei comandi

Acquisisci gli attributi e i registri SMART di ogni unità prima e dopo una scansione. Tieni traccia dell’eventuale aumento dei contatori CRC dell’interfaccia o di timeout dei comandi solo sul percorso interessato.

Unraid spiega che gli errori CRC UDMA si verificano tra l’unità e il controller e spesso chiamano in causa cavi, connettori, cablaggio o collegamento al controller, anziché danni ai piatti del disco.

I conteggi CRC storici non identificano il componente attualmente coinvolto. Annota il valore grezzo, esegui un test limitato e controlla solo se il valore è aumentato.

Esegui i test delle unità separatamente dal carico di lavoro della scansione

Esegui i test SMART brevi ed estesi supportati quando il pool non è impegnato e i dati sono protetti. Evita di pianificare un test SMART completo contemporaneamente a un’altra scansione o ricostruzione.

La guida di smartctl di Debian distingue gli autotest interni del disco e i relativi registri degli errori dalla verifica del filesystem lato host.

Un’unità che supera un test interno ma genera errori solo su una porta del controller rafforza l’ipotesi di un problema nel percorso. Non dimostra che il disco sia perfetto, quindi continua a monitorarlo dopo aver cambiato porta.

Sostituisci un componente condiviso alla volta e ripeti una scansione limitata

Con i backup aggiornati e il server spento, sposta un’unità funzionante e verificata lungo il percorso sospetto oppure sostituisci un cavo, mantenendo stabili le altre variabili. Non spostare tutti i dischi contemporaneamente.

La guida di ZimaSpace su disco scollegato o alloggiamento difettoso illustra il metodo di sostituzione controllata correlato; questo articolo applica la stessa logica specificamente agli errori di scansione che si ripresentano sulla stessa porta del controller.

Interrompi la scansione e dai priorità alla protezione dei dati se gli errori aumentano rapidamente, più unità sullo stesso controller si riavviano, il pool si degrada o le applicazioni segnalano file danneggiati. Il problema è risolto solo quando lo stesso percorso della porta completa più scansioni e operazioni di I/O normali senza nuovi errori.

Assistenza e consigli

Altre letture

Get More Builds Like This

Stay in the Loop

Get updates from Zima - new products, exclusive deals, and real builds from the community.

Stay in the Loop preferences

We respect your inbox. Unsubscribe anytime.