異なるドライブでもNASのスクラブエラーが特定のコントローラーポートについて回るのはなぜですか?

Eva Wong は テクニカルライター であり、 生粋の技術好き としてZimaSpaceで活動しています。ホームラボやオープンソースソフトウェア をこよなく愛する生粋のギークで、複雑な技術概念をわかりやすく、実践的なガイド にまとめることを得意としています。Evaは、セルフホスティングは難しいものではなく、楽しむものだと考えています。チュートリアルを通じて、初めてのNAS構築からDockerコンテナの使いこなしまで、コミュニティがハードウェアのセットアップをわかりやすく理解できるよう 支援しています。、初めてのNAS構築からDockerコンテナの習得まで。

異なるドライブを使っても特定のコントローラーポートで発生するスクラブエラーは、通常、ディスクの記録メディアではなく共通の経路に原因があることを示します。

スクラブでは広範囲のブロックを読み取るため、通常の日常的なアクセスでは発生しない障害が見つかることがあります。複数の正常なドライブで、同じポートに接続したときだけエラーが発生する場合、共通するコンポーネントにはコントローラーチャネル、コネクター、ケーブル、バックプレーンのレーン、エキスパンダー経路、電源経路、ファームウェア、その経路周辺の冷却機構が含まれます。原因を特定するには、ドライブの識別情報、タイムスタンプ、エラーの種類を維持しながら、エラーがポートについてくることを確認する必要があります。

エラーがドライブ名ではなくポートについてくることを確認する

次回のスクラブ前に、ドライブのシリアル番号、安定したデバイスID、コントローラーポートまたはHBA PHY、ケーブル、ベイ、プールメンバー、読み取り・書き込み・チェックサムの各カウンターを記録します。変化する/dev/sdX名だけに頼らないでください。

TrueNASのドライブのトラブルシューティング手順では、エラーをクリアしたりデバイスを交換したりする前に、プールとSMARTの情報を収集することが重視されています。

電源を切ってドライブを入れ替えた後、エラーがドライブ、ベイ、ケーブル、コントローラーポートのどれについてくるかを確認します。結果を正しく判断できるよう、テストごとに変更するコンポーネントは1つだけにしてください。

スクラブのチェックサムエラーとドライブの読み取り・書き込みエラーを区別する

スクラブの結果全体とデバイスごとのカウンターを保存します。チェックサムの不一致、コマンドのタイムアウト、読み取り不能なセクター、書き込み失敗は、それぞれ異なる障害レイヤーを示します。

Oracleの説明によると、ZFSスクラブはアクティブデータのチェックサムを検証します。また、プールの状態では各デバイスの読み取り、書き込み、チェックサムのエラーが個別に報告されます。

メディアエラーがないのにチェックサムエラーが増え、特定の物理パスで発生する場合は、メモリとドライブ間のデータ破損、または不安定な転送経路を疑います。ポートを変えても読み取りエラーがドライブについてくる場合は、ディスクが原因である可能性が高まります。

ディスクを正確なコントローラーとリンクに対応付ける

ホストコントローラー、PCIアドレス、SASエキスパンダーまたはSATAポート、エンクロージャー、ケーブル、ベイをたどって、ディスクの安定したパスを特定します。ハードウェアを移動する前に対応関係を記録してください。

lspciのデバイス表示では、ファイルシステム名やプール名とは独立してPCIストレージコントローラーが識別されます。これにより、デバイス名が変わっただけのディスクと、障害のあるコントローラーパスを区別しやすくなります。

HBAの場合、可能であればPHYとエキスパンダーの情報も含めてください。UI上では別々のスロットとして表示されていても、前面の2つのベイで1本のmini-SASケーブルまたはエキスパンダーレーンを共有している場合があります。

スクラブ中にSATAまたはSASリンクのリセットを確認する

スクラブの開始時からカーネルログを監視してください。影響を受けている経路で、ハードリセット、COMRESETの失敗、リンクダウンイベント、コマンドタイムアウト、プロトコルエラー、ネゴシエートされた速度の変化がないか確認します。

Linux libATAガイドでは、ポートごとのリンクリセットとエラー回復について説明されており、特定のATAポートにひも付くメッセージの繰り返しが、一般的なプール警告より強い根拠となる理由がわかります。

最初に発生した通信メッセージを保存してください。その後のファイルシステムエラーは、読み取り中にコントローラーとの通信が失われた結果にすぎない場合があります。

インターフェースCRCとコマンドタイムアウトのカウンターを比較する

各ドライブのSMART属性とログを、スクラブを1回実行する前後に記録します。影響を受けている経路でのみ、インターフェースCRCまたはコマンドタイムアウトのカウンターが増加するかを追跡してください。

Unraidの説明によると、UDMA CRCエラーはドライブとコントローラーの間で発生し、プラッターの損傷よりも、ケーブル、コネクター、配線経路、またはコントローラーリンクが原因であることがよくあります。

過去のCRC累計値だけでは、現在問題のあるコンポーネントは特定できません。生のカウント値を記録し、上限を設けたテストを1回実行して、値が増加したかどうかだけを確認してください。

スクラブの負荷とは別にドライブテストを実行する

プールが落ち着いていて、データが保護されているときに、対応する短時間および拡張SMARTテストを実行してください。別のスクラブや再構築と同時に、フルSMARTテストをスケジュールしないでください。

Debianのsmartctlリファレンスでは、ドライブ内部のセルフテストとエラーログが、ホスト側のファイルシステム検証とは区別されています。

内部テストに合格したドライブでも、特定のコントローラーポートでのみエラーが発生するなら、経路に原因があるという仮説が有力になります。ただし、ドライブに問題がないことの証明にはならないため、ポート変更後も監視を続けてください。

共有コンポーネントを1つ交換して、上限を設けたスクラブを再実行する

バックアップが最新で、サーバーの電源が切れていることを確認したうえで、正常なドライブを疑わしい経路に接続するか、ほかの条件を変えずにケーブルを1本交換します。すべてのディスクを同時に入れ替えないでください。

ZimaSpaceガイド「ディスクの脱落とベイの故障の見分け方」では、隣接する管理された交換方法を紹介しています。この記事では、その考え方を、特定のコントローラーポートに繰り返し追従するスクラブエラーに適用します。

エラーが急増する、同じコントローラー上の複数のドライブがリセットされる、プールが劣化する、またはアプリケーションがファイルの破損を報告した場合は、スクラブを停止し、データ保護を優先してください。同じポート経路でスクラブを繰り返し、通常のI/Oでも新たなエラーが発生しなくなって初めて、問題が解決したと判断できます。

サポートとヒント

続きを読む

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.