När bör du oroa dig för upprepade ZFS-checksumkorrigeringar?

Eva Wong är teknisk skribent och händig hemmabyggare på ZimaSpace. Som tekniknörd sedan barnsben med ett brinnande intresse för hemlabb och programvara med öppen källkodspecialiserar hon sig på att göra komplexa tekniska koncept begripliga genom praktiska, praktiska guider. Eva tycker att självhosting ska vara roligt, inte avskräckande. Genom sina handledningar hjälper hon communityn att göra hårdvaruinstallationer mindre mystiska, från att bygga sin första NAS till att bemästra Docker-containrar.

Oroa dig när kontrollsummefel återkommer efter att du har registrerat och nollställt den gamla baslinjen, inte bara för att en räknare inte står på noll.

ZFS kan reparera ett felaktigt block när redundansen tillhandahåller en giltig kopia, men reparationen förklarar inte varför felaktiga data kom fram. Spara zpool status -v och relevanta systemloggar, verifiera säkerhetskopiorna och använd sedan återkommande fel, mönstret för berörda enheter och en felfri scrub för att avgöra om händelsen var isolerad eller om felet fortfarande är aktivt.

Registrera vad ZFS korrigerade innan du nollställer något

Spara hela poolstatusen, tidpunkten för scrubben, felräkningar per enhet och eventuell lista över permanenta fel. Samla också in kärnmeddelanden om länkåterställningar, kommandotidsgränser, styrenhetsfel, maskinkontroller och oväntade strömhändelser från samma tidpunkt.

En detaljerad förklaring från communityn av reparerade ZFS-kontrollsummefel och deras möjliga orsaker skiljer korrigerade block från kabel-, strömförsörjnings-, styrenhets-, minnes- eller diskfel som kan ha orsakat dem. Reparationen intygar inte att hårdvaruvägen är felfri.

Bekräfta att det finns en annan användbar kopia av viktiga data innan du belastar poolen. Det går bra att nollställa räknarna först när underlaget har sparats, eftersom nästa beslut beror på om det uppstår genuint nya fel.

Använd återkommande fel och omfattning som beslutsunderlag

När baslinjen har sparats nollställer du räknarna och kör en scrub under en period med stabil strömförsörjning och temperatur. Om scrubben slutförs utan fel och normal användning inte ger några nya fel ska du övervaka i stället för att byta hårdvara på grund av en enstaka historisk händelse.

Om samma disk får nya kontrollsummefel granskar du dess data- och strömförsörjningsväg, SMART-historik, länkstatistik och styrenhetsport. Om flera diskar får fel samtidigt prioriterar du gemensamma komponenter som HBA, bakplan, nätaggregat, kablage, minne eller systemstabilitet.

Varje permanent datafel, upprepat I/O-fel, poolavstängning eller snabbt ökande antal höjer angelägenhetsgraden. Stoppa onödiga skrivningar, uppdatera säkerhetskopian och isolera det misstänkta lagret innan ytterligare en scrub ökar belastningen.

Byt ett lager och bevisa resultatet

Stäng av systemet och sätt tillbaka eller byt ut den misstänkta data- eller strömkabeln, eller flytta enheten till en känd fungerande port. Byt inte flera lager samtidigt, annars visar det rena resultatet inte vilken komponent som förändrade utfallet.

Om felet verkar vara knutet till en viss enhet kör du tillverkarens test av enheten eller utför en kontrollerad läsning efter att ha granskat SMART-historiken. Om flera enheter är berörda testar du minnet och strömförsörjningens stabilitet och granskar styrenhetens anslutning innan du antar att flera enheter har gått sönder samtidigt.

Guiden för operativsystem till hemmaservrar hjälper dig att hitta var poolhälsa, kärnloggar och hantering av styrenheter finns på vanliga NAS- och Linux-plattformar.

Single board computer zimaboard2

Verifiera återställningen under den ursprungliga arbetsbelastningen

Kör en fullständig scrub efter den isolerade reparationen och upprepa sedan arbetsbelastningen som tidigare framkallade problemet. Återställning innebär att scrubben slutförs utan nya kontrollsumme-, läs- eller skrivfel och att räknarna förblir oförändrade genom en omstart och ytterligare en representativ arbetsbelastningsperiod.

Byt ut en enhet när felet följer med den via en känd fungerande anslutning, SMART eller självtester också försämras eller den ger upphov till nya fel efter att kabel- och strömproblem har uteslutits. Byt ut eller serva det gemensamma lagret när felen är knutna till en port, kapsling, styrenhet eller strömhändelse.

Eskaler omedelbart vid permanenta fel, en degraderad pool utan tillräcklig redundans eller osäkerhet om vilken kopia som är den auktoritativa. En korrigerad händelse är en varning som bör utredas; en upprepningsbar ny korrigering är ett tecken på att utredningen inte kan vänta.

Vanliga frågor

Åtgärdar zpool clear orsaken? Nej. Det nollställer registrerade räknare efter att du har sparat underlaget; bara en felfri scrub och en stabil uppföljande arbetsbelastning visar att den underliggande sökvägen inte längre producerar felaktiga data.

Kan man ignorera ett enda korrigerat kontrollsummefel? Betrakta det som en registrerad varning. Om det inte återkommer efter en återställd baslinje och en felfri scrub kan övervakning vara rimlig; återkommande fel eller relaterade I/O-fel kräver isolering.

Friar en SMART-rapport utan anmärkningar disken? Nej. SMART kan missa fel på kablar, styrenheter, strömförsörjning och vissa enheter, så kombinera det med ZFS-omfattning, systemloggar, kontrollerade byten och scrubbar efter reparation.

Support och tips

Mer att läsa

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.