Porque é que os erros de verificação do NAS acompanham uma porta do controlador em diferentes unidades?

Eva Wong é a redatora técnica e entusiasta residente na ZimaSpace. Uma geek desde sempre, apaixonada por homelabs e software de código aberto, dedica-se a traduzir conceitos técnicos complexos em guias práticos. A Eva acredita que a auto-hospedagem deve ser divertida, não intimidante. Através dos seus tutoriais, ajuda a comunidade a desmistificar configurações de hardware, desde montar o primeiro NAS até dominar os contentores Docker.

Os erros de verificação que acompanham uma porta do controlador em diferentes unidades costumam apontar para o percurso partilhado, e não para os suportes de gravação dos discos.

Uma verificação lê um vasto conjunto de blocos e pode revelar falhas que o acesso diário normal nunca alcança. Se diferentes unidades comprovadamente funcionais apresentarem erros apenas quando ligadas à mesma porta, os componentes comuns incluem o canal do controlador, o conector, o cabo, a ligação do painel traseiro, o percurso do expansor, a alimentação, o firmware e a refrigeração nessa zona. O diagnóstico tem de comprovar que o erro acompanha a porta, preservando a identidade da unidade, os registos de data e hora e o tipo de erro.

Confirme que o erro acompanha a porta, não o nome do disco

Registe os números de série das unidades, os IDs de dispositivo estáveis, a porta do controlador ou o PHY do HBA, o cabo, a baia, o membro do conjunto e os contadores de leitura, escrita e soma de verificação antes da próxima verificação. Não confie apenas nos nomes variáveis /dev/sdX.

O procedimento de resolução de problemas de unidades do TrueNAS salienta a importância de recolher dados do conjunto e SMART antes de limpar os erros ou substituir um dispositivo.

Depois de uma troca com o equipamento desligado, verifique se o erro acompanha a unidade, a baia, o cabo ou a porta do controlador. Altere apenas um componente por teste para que o resultado continue a ser interpretável.

Distinga os erros de soma de verificação da verificação dos erros de leitura e escrita da unidade

Guarde o resultado completo da verificação e os contadores de cada dispositivo. Uma discrepância na soma de verificação, um tempo limite de comando, um setor ilegível e uma falha de escrita correspondem a diferentes camadas de falha.

A Oracle documenta que uma verificação ZFS valida as somas de verificação dos dados ativos, enquanto o estado do conjunto indica separadamente os erros de leitura, escrita e soma de verificação de cada dispositivo.

Se os erros de soma de verificação aumentarem sem erros de suporte e seguirem um percurso físico, suspeite de corrupção de dados entre a memória e a unidade ou de transporte instável. Se os erros de leitura acompanharem a unidade entre portas, é mais provável que o problema esteja no disco.

Associe o disco ao controlador e à ligação exatos

Siga o percurso estável do disco através do controlador anfitrião, endereço PCI, expansor SAS ou porta SATA, caixa, cabo e baia. Guarde o mapeamento antes de mover o hardware.

A vista dos dispositivos lspci identifica o controlador de armazenamento PCI independentemente dos nomes do sistema de ficheiros e do conjunto, o que ajuda a distinguir o percurso de um controlador com falhas de um disco que simplesmente recebeu um novo nome de dispositivo.

Para um HBA, inclua informações sobre PHY e expansor, se disponíveis. Duas baias frontais podem partilhar um cabo mini-SAS ou uma ligação de expansor, embora a interface as apresente como ranhuras separadas.

Inspecione as reinicializações da ligação SATA ou SAS durante a verificação

Monitorize o registo do kernel desde o início do scrub. Procure reposições forçadas, falhas de COMRESET, eventos de ligação interrompida, tempos limite dos comandos, erros de protocolo e alterações na velocidade negociada no percurso afetado.

O guia libATA do Linux descreve a reposição da ligação e a recuperação de erros por porta, mostrando por que motivo as mensagens repetidas associadas a uma única porta ATA são uma evidência mais forte do que um aviso genérico do pool.

Preserve a primeira mensagem de transporte. Os erros posteriores do sistema de ficheiros podem ser apenas consequência da perda de comunicação com o controlador durante uma leitura.

Compare os contadores de CRC da interface e de tempo limite dos comandos

Recolha os atributos e registos SMART de cada unidade antes e depois de um scrub. Acompanhe se os contadores de CRC da interface ou de tempo limite dos comandos aumentam apenas no percurso afetado.

A Unraid explica que os erros CRC UDMA ocorrem entre a unidade e o controlador, apontando frequentemente para cabos, conectores, encaminhamento ou para a ligação do controlador, e não para danos nos pratos do disco.

Os totais históricos de erros CRC não identificam o componente atual. Registe o valor bruto, execute um teste limitado e verifique apenas se o valor aumentou.

Execute os testes das unidades separadamente da carga de trabalho do scrub

Execute os testes SMART curtos e alargados suportados quando o pool estiver relativamente inativo e os dados estiverem protegidos. Evite agendar um teste SMART completo ao mesmo tempo que outro scrub ou reconstrução.

A referência do smartctl do Debian distingue os autotestes internos da unidade e os respetivos registos de erros da verificação do sistema de ficheiros no lado do anfitrião.

Uma unidade que passe num teste interno, mas produza erros apenas numa porta do controlador, reforça a hipótese de um problema no percurso. Isso não prova que o disco esteja perfeito, por isso continue a monitorizar depois de mudar de porta.

Troque um componente partilhado e repita um scrub limitado

Com as cópias de segurança atualizadas e o servidor desligado, passe uma unidade em bom estado pelo percurso suspeito ou substitua um cabo, mantendo estáveis as restantes variáveis. Não troque todas as unidades ao mesmo tempo.

O guia da ZimaSpace sobre um disco desligado versus uma baía avariada apresenta o método de troca controlada correspondente; este artigo aplica essa lógica especificamente aos erros de scrub que se repetem numa única porta do controlador.

Pare o scrub e dê prioridade à proteção dos dados se os erros aumentarem rapidamente, várias unidades no mesmo controlador forem reiniciadas, o pool se degradar ou as aplicações indicarem ficheiros corrompidos. O problema só está resolvido quando o mesmo percurso da porta concluir vários scrubs e operações de E/S normais sem novos erros.

Assistência e dicas

Mais para ler

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.