Jak rozpoznać, czy prawdziwą przyczyną jest odłączony dysk RAID czy uszkodzona zatoka dysku

Eva Wong

IceWhale author

Eva Wong jest Technicznym pisarzem i stałym majsterkowiczem w ZimaSpace. Całe życie geek z pasją do homelabów i oprogramowania open-source, specjalizuje się w tłumaczeniu skomplikowanych koncepcji technicznych na przystępne, praktyczne przewodniki. Eva wierzy, że samodzielne hostowanie powinno być zabawą, a nie czymś onieśmielającym. Poprzez swoje samouczki umożliwia społeczności rozwiewanie tajemnic konfiguracji sprzętu, od budowy pierwszego NAS po opanowanie kontenerów Docker.

How to Tell Whether a Dropped RAID Disk or a Bad Drive Bay Is the Real Cause

Odłączenie członka RAID nie oznacza automatycznie awarii dysku. Prawdziwą przyczyną jest komponent, za którym podąża błąd po kontrolowanych sprawdzeniach i wymianie przy wyłączonym zasilaniu.

Zacznij od zachowania stanu macierzy, zapisania numeru seryjnego dysku i zatoki, porównania atrybutów SMART nośnika z błędami połączenia oraz odczytania logów kontrolera. Następnie zmieniaj tylko jedną zmienną sprzętową na raz. Ta droga pomaga uniknąć wymiany zdrowego dysku lub odbudowy przez wadliwą zatokę.

Zatrzymaj się, zanim odbudujesz lub wyjmiesz kolejny dysk

Zdegradowana macierz ma mniej miejsca na kolejny błąd lub awarię. Potwierdź, że niezastąpione dane istnieją na czytelnym oddzielnym backupie, zapisz aktualny stan magazynu i ogranicz niepotrzebne zapisy przed zmianą sprzętu.

Zrób zrzuty ekranu lub eksporty stanu RAID, listy dysków fizycznych, raportów SMART i zdarzeń kontrolera. Zapisz czas alertu, dotkniętego logicznego członka, zgłoszoną zatokę, model, numer seryjny oraz wszelkie liczniki mediów, limitów czasu, resetów lub ponownych połączeń. Nie czyść liczników, dopóki dowody nie zostaną zapisane poza macierzą.

Nie rozpoczynaj odbudowy tylko po to, by sprawdzić, czy dysk znowu się odłączy. Odbudowa zwiększa trwały I/O na pozostałych członkach i może ukryć, czy pierwszy problem pochodził z dysku, ścieżki połączenia czy wspólnego elementu kontrolera.

Dopasuj alert do fizycznego dysku, a nie tylko do numeru zatoki

Oprogramowanie RAID może pokazywać nazwę urządzenia systemu operacyjnego, slot kontrolera, adres obudowy lub wirtualny numer członka. Te oznaczenia nie zawsze są stałe, więc najbezpieczniejszą tożsamością jest numer seryjny dysku lub WWN dopasowany do fizycznej tacki.

Praktyczny przewodnik po rozwiązywaniu problemów zaleca zapisanie numeru seryjnego dysku, ponieważ identyfikatory urządzeń mogą się zmieniać. Stwórz małą mapę zawierającą członka RAID, urządzenie systemu operacyjnego, numer seryjny lub WWN, zatokę, port kontrolera oraz znacznik czasu alertu.

Używaj diody LED lokalizującej tylko jako pomoc potwierdzającą. Przed wyjęciem czegokolwiek porównaj wyświetlany numer seryjny z etykietą na tacce lub dysku. Wyjęcie niewłaściwego, zdrowego elementu może zamienić możliwą do odzyskania zdegradowaną macierz w awarię wielu dysków.

Oddziel błędy nośnika dysku od błędów połączenia

Dowody z nośnika dysku wskazują na talerze, pamięć flash, głowice lub elektronikę dysku. Przekierowane sektory, zgłoszone błędy niekorygowalne, bieżące oczekujące sektory oraz offline niekorygowalne sektory to jedne z pięciu wskaźników SMART, które Backblaze wykorzystuje do określenia, które dyski wymagają sprawdzenia.

Szukaj zmian w czasie, zamiast traktować każdą niezerową wartość surową jako wyrok. Rosnąca liczba błędów mediów, powtarzające się błędy odczytu w podobnych lokalizacjach lub nieudany rozszerzony autotest zwiększają podejrzenia wobec samego dysku. Ogólny status SMART „zaliczony” nie wyklucza usterki przerywanej lub rozwijającej się.

Dowody połączenia wskazują na zewnątrz, w kierunku ścieżki między dyskiem a kontrolerem. Błędy UDMA CRC liczą nieudane transfery na łączu SATA; rosnąca liczba może wskazywać na kabel, złącze, backplane, interfejs kontrolera lub ścieżkę PCB dysku, a nie uszkodzone media.

Użyj logów, aby znaleźć warstwę usterki.

Dane SMART pokazują, co dysk zarejestrował, podczas gdy logi systemowe i kontrolera pokazują, jak stos pamięci masowej utracił kontakt. Oddziel błędy mediów lub odczytu od limitów czasu poleceń, resetów łącza, usunięć urządzeń, ponownych połączeń, zdarzeń zasilania i resetów kontrolera.

Pojedynczy numer seryjny zgłaszający błędy mediów, gdziekolwiek jest podłączony, wskazuje na usterkę dysku. Kilka dysków wypadających z zatok, które dzielą ten sam kabel, złącze backplane, grupę portów HBA lub gałąź zasilania, wskazuje na wspólną ścieżkę. Usterka pojawiająca się tylko podczas intensywnego I/O może ujawnić marginalne połączenie lub problem z zasilaniem, który jest niewykrywalny podczas bezczynności.

Zbuduj oś czasu zamiast czytać pojedyncze komunikaty. Dopasuj każde przerwanie do tego samego numeru seryjnego, zatoki, obciążenia i kanału kontrolera. Istotne pytanie nie brzmi, czy linia logu brzmi poważnie, lecz czy ten sam komponent pozostaje wspólny w powtarzających się incydentach.

Ponownie osadź ścieżkę przed wymianą zatok.

Zatrzymaj macierz i wyłącz zasilanie, chyba że obudowa i platforma RAID wyraźnie obsługują dokładnie tę akcję hot-swap, którą planujesz wykonać. Zatoka obsługująca hot-swap nie gwarantuje automatycznie, że ruchy pozycyjne lub diagnostyczne wymiany są bezpieczne podczas aktywnej pracy macierzy.

Ponownie osadź dysk w jego kieszeni, a następnie sprawdź ścieżkę danych i zasilania obsługującą zatokę. W zależności od systemu ścieżka ta może obejmować złącze SATA lub SAS, kabel rozgałęźny, gniazdo backplane, HBA, kartę RAID, wiązkę zasilającą i połączenie obudowy. Szukaj luźnego osadzenia, uszkodzonych zatrzasków, zanieczyszczeń, wygiętych styków, napięcia kabla lub wspólnego złącza obsługującego kilka dotkniętych zatok.

Po ponownym osadzeniu zanotuj nową bazę odniesienia dla liczników CRC, limitów czasu i mediów. Odwzoruj oryginalne obciążenie za pomocą kontrolowanego odczytu lub normalnego obciążenia serwisowego przed rozpoczęciem odbudowy. Jeśli liczniki połączeń przestaną rosnąć, a dysk pozostanie obecny, pierwotne zdarzenie mogło być przejściowym problemem z kontaktem.

Przeprowadź kontrolowany test izolacji dysku i zatoki

Decydujący test zmienia jedną zmienną, zachowując tożsamość dysku i bezpieczeństwo macierzy. Nie zakładaj, że każda implementacja RAID akceptuje członków w różnych gniazdach. Najpierw sprawdź zachowanie platformy przy wymianie lub imporcie, trzymaj widoczną mapę seryjną i stosuj procedurę przy wyłączonym zasilaniu, gdy nie masz pewności.

Zweryfikuj, czy kopia zapasowa i zapisane dane diagnostyczne są czytelne.
Oznacz podejrzany dysk, jego oryginalną zatokę oraz znaną dobrą ścieżkę, której użyjesz.
Przenieś podejrzany dysk do znanej dobrej zatoki lub ścieżki kablowej albo podłącz go do oddzielnego kontrolera diagnostycznego bez zapisu na nim.
Testuj podejrzaną zatokę z zapasowym lub znanym dobrym dyskiem tylko wtedy, gdy można to zrobić bez dołączania, inicjalizacji, formatowania lub odbudowy macierzy.
Uruchom to samo kontrolowane obciążenie odczytu i porównaj tylko nowe zdarzenia w logu oraz wzrosty liczników.

Niezależna analiza resetu łącza SATA opiera się na tej samej zasadzie: przenieś ten sam dysk do innej zatoki lub ścieżki kablowej i obserwuj, czy usterka podąża za urządzeniem, czy pozostaje przy oryginalnym połączeniu.

Interpretuj, czy błąd podąża za dyskiem, czy pozostaje z zatoką

Używaj obu części testu, gdy to możliwe. Przeniesienie tylko podejrzanego dysku może pokazać, że zawodzi gdzie indziej, ale testowanie oryginalnej zatoki z innym dyskiem potwierdza, czy gniazdo lub wspólna ścieżka mogą odtworzyć problem.

Zaobserwowany wynik	Najbardziej prawdopodobna warstwa	Następne działanie
Podejrzany dysk zawodzi w znanej dobrej zatoce, podczas gdy inny dysk pozostaje stabilny w oryginalnej zatoce	Nośnik dysku, elektronika dysku lub oprogramowanie układowe dysku	Zakończ diagnostykę niedestrukcyjną, a następnie wymień dysk, jeśli błędy się powtórzą lub test rozszerzony zakończy się niepowodzeniem
Podejrzany dysk jest stabilny w innym miejscu, podczas gdy inny dysk zawodzi w oryginalnej zatoce	Złącze zatoki, styki kieszeni, kabel, backplane, port kontrolera lub ścieżka zasilania	Przestań używać tej ścieżki, dopóki wspólny sprzęt nie zostanie naprawiony lub wymieniony
Kilka zatok na tym samym złączu lub grupie HBA wykazuje resetowanie	Wspólny kabel, złącze backplane, kontroler, chłodzenie lub rozdział zasilania	Śledź wspólny komponent i przetestuj ponownie po wymianie jednej wspólnej części
Po ponownym osadzeniu nie występują błędy, a wszystkie nowe liczniki pozostają stabilne	Przejściowe lub marginalne połączenie	Kontynuuj monitorowanie pod obciążeniem, które pierwotnie wywołało spadek
Dysk wykazuje błędy nośnika, a zatoka powoduje również błędy połączenia z innym dyskiem	Więcej niż jedna usterka	Nie wymuszaj diagnozy opartej na jednej przyczynie; odizoluj dysk i napraw ścieżkę osobno

Nie traktuj jednego czystego uruchomienia jako dowodu. Powtórz obserwację przy porównywalnym obciążeniu i obserwuj zmiany liczników, nie tylko sumy. Jeśli błędy nośnika podążają za numerem seryjnym, wymień dysk. Jeśli awarie łącza pozostają powiązane z zatoką lub grupą złączy, napraw tę ścieżkę przed przebudową.

Wybierz właściwą naprawę i warunek zatrzymania

Gdy dowody podążają za dyskiem, zweryfikuj pozostałych członków macierzy, wymień uszkodzony element zgodnie z obsługiwanym przez platformę procesem i monitoruj przebudowę. Wybierz kompatybilny dysk zastępczy do NAS na podstawie pojemności, interfejsu, obciążenia i wymagań macierzy, a nie tylko marki.

Gdy dowody wskazują na zatokę, nie umieszczaj nowego dysku w ścieżce, która już powoduje resetowanie. Wyłącz zatokę, jeśli platforma na to pozwala, a następnie napraw lub wymień kieszeń, kabel, płytę tylną, kanał kontrolera, połączenie obudowy lub gałąź zasilania wskazaną przez test izolacji.

Zatrzymaj się i eskaluj, gdy zniknie wielu członków, macierz stanie się nieczytelna, pojawią się błędy podczas przebudowy, tożsamość dysku jest niepewna lub nie ma zweryfikowanej kopii zapasowej. Nie inicjuj, nie formatuj, nie czyść obcej metadanych ani nie wymuszaj wielokrotnie importu członka tylko po to, by ostrzeżenie zniknęło.

FAQ

Czy dysk może przejść test SMART i nadal być przyczyną problemu?

Tak. SMART to przydatny dowód, ale nie pełna gwarancja. Przerywane działanie elektroniki, zachowanie firmware’u, przekroczenia czasu poleceń lub błędy niewidoczne w atrybutach producenta mogą nadal czynić dysk zawodnym. Połącz trendy SMART z logami, testami rozszerzonymi i sprawdź, czy błąd podąża za numerem seryjnym.

Czy niezerowy licznik CRC dowodzi, że zatoka jest uszkodzona?

Nie. Licznik może rejestrować starsze zdarzenie kabla lub połączenia i może pozostać różny od zera po usunięciu przyczyny. Ważne jest, czy wartość wzrasta po ponownym osadzeniu i czy wzrost ten podąża za dyskiem, ścieżką kabla, grupą zatok lub kontrolerem.

Czy mogę wymieniać dyski na gorąco tylko w celu diagnozy zatoki?

Tylko wtedy, gdy obudowa, kontroler, implementacja RAID i dokładne działanie są udokumentowane jako bezpieczne dla hot-swap. Bezpieczniejszą ogólną zasadą jest zatrzymanie macierzy, wyłączenie zasilania, zachowanie mapy numer seryjny–zatoka i unikanie jakichkolwiek ruchów, które mogłyby wywołać inicjalizację lub niezamierzoną przebudowę.

Czy powinienem przebudować przed zakończeniem diagnozy?

Nie wtedy, gdy nadal możliwy jest problem z współdzielonym kablem, płytą tylną, kontrolerem lub zasilaniem. Przebudowa obciąża pozostałą ścieżkę i może spowodować utratę kolejnego członka. Zabezpiecz kopię zapasową, zidentyfikuj warstwę, która zawodzi, potwierdź działanie pozostałych dysków, a następnie przebuduj przez stabilne połączenie.

Prawdziwą przyczyną jest komponent, który odtwarza błąd podczas kontrolowanego testu. Śledź numer seryjny, zatokę, liczniki i logi — nie pierwszy czerwony ikonę — i napraw warstwę, która zawodzi, zanim zaufasz przebudowie.