Waarom volgen NAS-scrubfouten één controllerpoort bij verschillende schijven?

Eva Wong is de technisch schrijver en vaste knutselaar bij ZimaSpace. Als levenslange geek met een passie voor homelabs en open-sourcesoftwareis ze gespecialiseerd in het vertalen van complexe technische concepten naar toegankelijke, praktische handleidingen. Eva vindt dat self-hosting leuk moet zijn en niet intimiderend. Met haar tutorials helpt ze de community om hardware-installaties te doorgronden, van het bouwen van hun eerste NAS tot het beheersen van Docker-containers.

Scrubfouten die bij verschillende schijven één controllerpoort volgen, wijzen doorgaans op het gedeelde pad in plaats van op de opslagmedia van de schijven.

Een scrub leest een groot aantal blokken en kan fouten aan het licht brengen die bij normaal dagelijks gebruik nooit optreden. Als verschillende schijven waarvan bekend is dat ze goed werken alleen fouten vertonen wanneer ze op dezelfde poort zijn aangesloten, zijn de gedeelde onderdelen onder meer het controllerkanaal, de connector, de kabel, de backplane-lane, de expanderroute, de stroomvoorziening, de firmware en de koeling rond dat pad. Om de diagnose te bevestigen, moet blijken dat de fout de poort volgt, terwijl de schijfidentiteit, tijdstempels en het fouttype behouden blijven.

Controleer of de fout de poort volgt en niet de schijfnaam

Noteer serienummers van schijven, stabiele apparaat-ID's, controllerpoort of HBA PHY, kabel, bay, poollid en de lees-, schrijf- en checksumtellers vóór de volgende scrub. Vertrouw niet alleen op de veranderlijke namen van /dev/sdX.

De probleemoplossingsprocedure voor schijven van TrueNAS benadrukt dat u pool- en SMART-gegevens verzamelt voordat u fouten wist of een apparaat vervangt.

Vraag na het vervangen van een onderdeel terwijl het systeem is uitgeschakeld of de fout de schijf, bay, kabel of controllerpoort volgt. Verander per test slechts één onderdeel, zodat het resultaat interpreteerbaar blijft.

Onderscheid checksumfouten tijdens een scrub van lees- en schrijffouten van de schijf

Sla het volledige scrubresultaat en de tellers per apparaat op. Een checksumverschil, time-out van een opdracht, onleesbare sector en mislukte schrijfactie wijzen op verschillende foutlagen.

Oracle documenteert dat een ZFS-scrub actieve checksums van gegevens verifieert, terwijl de poolstatus afzonderlijk lees-, schrijf- en checksumfouten voor elk apparaat rapporteert.

Als het aantal checksumfouten toeneemt zonder mediafouten en de fouten één fysiek pad volgen, vermoed dan gegevenscorruptie tussen het geheugen en de schijf of een instabiele verbinding. Als leesfouten de schijf over verschillende poorten volgen, is de schijf waarschijnlijker de oorzaak.

Koppel de schijf aan de exacte controller en link

Volg het stabiele schijfpad via de hostcontroller, het PCI-adres, de SAS-expander of SATA-poort, de behuizing, de kabel en de bay. Sla de koppeling op voordat u hardware verplaatst.

De apparaatweergave van lspci identificeert de PCI-opslagcontroller onafhankelijk van bestandssysteem- en poolnamen. Zo kunt u een defect controllerpad onderscheiden van een schijf die alleen een nieuwe apparaatnaam heeft gekregen.

Vermeld bij een HBA ook PHY- en expanderinformatie als die beschikbaar is. Twee bays aan de voorkant kunnen één mini-SAS-kabel of expanderlane delen, ook al geeft de gebruikersinterface ze weer als afzonderlijke sleuven.

Controleer SATA- of SAS-linkresets tijdens de scrub

Houd het kernel-logboek in de gaten vanaf het moment dat de scrub begint. Let op harde resets, mislukte COMRESET-pogingen, verbroken verbindingen, time-outs van opdrachten, protocolfouten en wijzigingen in de onderhandelde snelheid op het getroffen pad.

De Linux libATA-handleiding beschrijft reset en foutherstel van verbindingen per poort, en laat zien waarom herhaalde meldingen die aan één ATA-poort zijn gekoppeld sterker bewijs vormen dan een algemene poolwaarschuwing.

Bewaar het eerste transportbericht. Latere bestandssysteemfouten kunnen slechts het gevolg zijn van communicatieverlies met de controller tijdens een leesbewerking.

Vergelijk tellers voor interface-CRC en time-outs van opdrachten

Leg SMART-attributen en logboeken van elke schijf vast vóór en na één scrub. Houd bij of de tellers voor interface-CRC of time-outs van opdrachten alleen op het getroffen pad toenemen.

Unraid legt uit dat UDMA CRC-fouten tussen de schijf en controller optreden en vaak wijzen op kabels, connectoren, bekabeling of de controllerverbinding, in plaats van schade aan de platters.

Historische CRC-totalen geven niet aan welk onderdeel momenteel het probleem veroorzaakt. Noteer de ruwe waarde, voer één begrensde test uit en controleer alleen of de waarde is toegenomen.

Voer schijftests afzonderlijk uit van de scrubbelasting

Voer ondersteunde korte en uitgebreide SMART-tests uit wanneer de pool verder inactief is en de gegevens beschermd zijn. Plan geen volledige SMART-test tegelijk met een andere scrub of een rebuild.

De Debian-smartctl-referentie maakt onderscheid tussen interne zelftests en foutenlogboeken van de schijf enerzijds en verificatie van het bestandssysteem aan de hostzijde anderzijds.

Een schijf die een interne test doorstaat, maar alleen op één controllerpoort fouten veroorzaakt, versterkt de hypothese dat het probleem in het pad zit. Dit bewijst niet dat de schijf perfect is, dus blijf de schijf controleren nadat de poort is gewijzigd.

Vervang één gedeeld onderdeel en herhaal een begrensde scrub

Zorg dat de back-ups actueel zijn en de server is uitgeschakeld. Verplaats vervolgens een schijf waarvan bekend is dat die goed werkt via het verdachte pad, of vervang één kabel terwijl de overige variabelen gelijk blijven. Verwissel niet alle schijven tegelijk.

De ZimaSpace-handleiding over een losgekoppelde schijf versus een defecte bay beschrijft de aangrenzende methode voor gecontroleerd wisselen; dit artikel past die aanpak specifiek toe op scrubfouten die herhaaldelijk dezelfde controllerpoort volgen.

Stop de scrub en geef gegevensbescherming voorrang als het aantal fouten snel toeneemt, meerdere schijven op dezelfde controller worden gereset, de pool degradeert of toepassingen beschadigde bestanden melden. Het probleem is pas opgelost nadat hetzelfde poortpad herhaaldelijk een scrub en normale I/O heeft voltooid zonder nieuwe fouten.

Ondersteuning en tips

Meer om te lezen

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.