У меня есть программный массив RAID 1 на RHEL. Я получаю сообщение об ошибке по электронной почте каждое утро: Устройство: / dev / sda [SAT], 1 Текущие нечитаемые (ожидающие) сектора
Когда я запускаю тест на sda (или sdb), кажется, что все проходит. Я что-то упускаю?
mdstat показывает, что с массивом RAID все в порядке:
# cat /proc/mdstat
Personalities : [raid1]
md5 : active raid1 sdb5[1] sda5[0]
108026816 blocks [2/2] [UU]
md1 : active raid1 sdb1[1] sda1[0]
511936 blocks [2/2] [UU]
md2 : active raid1 sda2[0] sdb2[1]
805306304 blocks [2/2] [UU]
md3 : active raid1 sda3[0] sdb3[1]
62914496 blocks [2/2] [UU]
unused devices: <none>
Вот результат: # smartctl -q noserial -a / dev / sda
Я также пробовал запустить: # smartctl -t long / dev / sda
smartctl 5.43 2012-06-30 r3573 [x86_64-linux-2.6.32-279.9.1.el6.x86_64] (local build)
Copyright (C) 2002-12 by Bruce Allen, http://smartmontools.sourceforge.net
=== START OF INFORMATION SECTION ===
Model Family: Hitachi Ultrastar A7K1000
Device Model: Hitachi HUA721010KLA330
Firmware Version: GKAOAB0A
User Capacity: 1,000,204,886,016 bytes [1.00 TB]
Sector Size: 512 bytes logical/physical
Device is: In smartctl database [for details use: -P show]
ATA Version is: 7
ATA Standard is: ATA/ATAPI-7 T13 1532D revision 1
Local Time is: Sun May 21 17:51:42 2017 CDT
SMART support is: Available - device has SMART capability.
SMART support is: Enabled
=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED
General SMART Values:
Offline data collection status: (0x84) Offline data collection activity
was suspended by an interrupting command from host.
Auto Offline Data Collection: Enabled.
Self-test execution status: ( 0) The previous self-test routine completed
without error or no self-test has ever
been run.
Total time to complete Offline
data collection: (15354) seconds.
Offline data collection
capabilities: (0x5b) SMART execute Offline immediate.
Auto Offline data collection on/off support.
Suspend Offline collection upon new
command.
Offline surface scan supported.
Self-test supported.
No Conveyance Self-test supported.
Selective Self-test supported.
SMART capabilities: (0x0003) Saves SMART data before entering
power-saving mode.
Supports SMART auto save timer.
Error logging capability: (0x01) Error logging supported.
General Purpose Logging supported.
Short self-test routine
recommended polling time: ( 1) minutes.
Extended self-test routine
recommended polling time: ( 255) minutes.
SCT capabilities: (0x003f) SCT Status supported.
SCT Error Recovery Control supported.
SCT Feature Control supported.
SCT Data Table supported.
SMART Attributes Data Structure revision number: 16
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000b 098 098 016 Pre-fail Always - 4
2 Throughput_Performance 0x0005 100 100 054 Pre-fail Offline - 0
3 Spin_Up_Time 0x0007 122 122 024 Pre-fail Always - 550 (Average 591)
4 Start_Stop_Count 0x0012 100 100 000 Old_age Always - 68
5 Reallocated_Sector_Ct 0x0033 100 100 005 Pre-fail Always - 0
7 Seek_Error_Rate 0x000b 100 100 067 Pre-fail Always - 0
8 Seek_Time_Performance 0x0005 100 100 020 Pre-fail Offline - 0
9 Power_On_Hours 0x0012 094 094 000 Old_age Always - 43202
10 Spin_Retry_Count 0x0013 100 100 060 Pre-fail Always - 0
12 Power_Cycle_Count 0x0032 100 100 000 Old_age Always - 68
192 Power-Off_Retract_Count 0x0032 100 100 000 Old_age Always - 751
193 Load_Cycle_Count 0x0012 100 100 000 Old_age Always - 751
194 Temperature_Celsius 0x0002 090 090 000 Old_age Always - 66 (Min/Max 17/72)
196 Reallocated_Event_Count 0x0032 100 100 000 Old_age Always - 0
197 Current_Pending_Sector 0x0022 100 100 000 Old_age Always - 1
198 Offline_Uncorrectable 0x0008 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x000a 200 200 000 Old_age Always - 0
SMART Error Log Version: 1
No Errors Logged
SMART Self-test log structure revision number 1
Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error
# 1 Short offline Completed without error 00% 43186 -
# 2 Extended offline Completed without error 00% 43170 -
# 3 Short offline Completed without error 00% 43162 -
# 4 Short offline Completed without error 00% 43138 -
# 5 Short offline Completed without error 00% 43114 -
# 6 Short offline Completed without error 00% 43090 -
# 7 Short offline Completed without error 00% 43066 -
# 8 Short offline Completed without error 00% 43042 -
# 9 Extended offline Completed without error 00% 43031 -
#10 Short offline Completed without error 00% 43024 -
#11 Short offline Completed without error 00% 43018 -
#12 Extended offline Completed without error 00% 43002 -
#13 Short offline Completed without error 00% 42994 -
#14 Short offline Completed without error 00% 42970 -
#15 Short offline Completed without error 00% 42946 -
#16 Short offline Completed without error 00% 42922 -
#17 Short offline Completed without error 00% 42898 -
#18 Short offline Completed without error 00% 42874 -
#19 Short offline Completed without error 00% 42850 -
#20 Extended offline Completed without error 00% 42833 -
#21 Short offline Completed without error 00% 42826 -
SMART Selective self-test log data structure revision number 1
SPAN MIN_LBA MAX_LBA CURRENT_TEST_STATUS
1 0 0 Not_testing
2 0 0 Not_testing
3 0 0 Not_testing
4 0 0 Not_testing
5 0 0 Not_testing
Selective self-test flags (0x0):
After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.
Текущий ожидающий сектор SMART имеет значение 1. Это означает, что на диске есть сбойный сектор, и микропрограмма накопителя не может его перераспределить, но у вас по-прежнему нулевое количество перераспределенных секторов, поэтому его, вероятно, можно восстановить, даже если ваш накопитель работал в течение 5 лет в не очень здоровой среде - температура до 72 ° C.
Вы можете попробовать найти этот плохой сектор с помощью dd if=/dev/sda of=/dev/null
а затем вам нужно будет переназначить этот сектор, перезаписав его.
Я считаю, что счетчик «197 Current_Pending_Sector» - это количество секторов, которые не удалось прочитать. Это означает, что диск начинает выходить из строя, но это не обязательно означает, что диск неисправен. Если эти сектора перезаписаны, микропрограмма накопителя может переназначить их, и с накопителем все будет в порядке.
Поиск также обнаруживает обсуждения, в которых предлагается, чтобы некоторые модели SSD-дисков регулярно переключали это значение на 1 и обратно, и это может быть в основном безобидная ошибка прошивки в отчетах SMART.
Таким образом, вы можете просто проигнорировать это, и при условии, что ваша файловая система может обрабатывать случайное чтение плохих блоков (то есть выполняет какой-то надежный рейд / избыточность под капотом), она может медленно очищаться, поскольку файловая система перезаписывает эти блоки. Если ваша файловая система не может обрабатывать чтение плохих блоков, вы можете получать ошибки ввода-вывода каждый раз, когда что-то пытается прочитать то, что находится в этом блоке. Вы все еще можете восстановить, найдя и удалив этот файл, и файловая система в конечном итоге перезапишет этот сектор.
Вы также можете очистить счетчик Current_Pending_Sector, явно перезаписав эти сектора. ЭТО УНИЧТОЖИТ ДАННЫЕ НА ДИСКЕ! Это может привести к повреждению файловой системы таким образом, что могут быть потеряны все данные на диске, а не только то, что потеряно в плохом секторе. Так что делайте это только в том случае, если вы можете позволить себе потерять все данные на диске.
Вы можете найти плохой сектор, запустив умный длинный тест;
# smartctl -t long /dev/sda
Затем вы можете проверить статус длинного теста, чтобы узнать, завершен ли он, и LBA первой обнаруженной ошибки;
# smartctl -l selftest /dev/sda
smartctl 7.1 2019-12-30 r5022 [x86_64-linux-5.7.0-1-amd64] (local build)
Copyright (C) 2002-19, Bruce Allen, Christian Franke, www.smartmontools.org
=== START OF READ SMART DATA SECTION ===
SMART Self-test log structure revision number 1
Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error
# 1 Extended offline Completed without error 00% 17711 12345
# 2 Short offline Completed without error 00% 17709 -
# 3 Short captive Interrupted (host reset) 10% 450 -
# 4 Short captive Interrupted (host reset) 10% 228 -
Затем вы можете перезаписать поврежденный сектор с помощью dd;
# dd if=/dev/zero of=/dev/sda seek=12345 count=1
Однако обратите внимание, что размер блока по умолчанию bs = 512 может быть меньше, чем размер физического сектора на диске, поэтому вам может потребоваться записать до count = 8, чтобы полностью стереть его. Затем вы можете промыть и повторить цикл тестирования / перезаписи до тех пор, пока все поврежденные сектора не будут перезаписаны. Наконец, вы можете проверить, что счетчик обнулен;
$ sudo smartctl -A /dev/sdc | grep Current_Pending_Sector
197 Current_Pending_Sector 0x0012 200 200 000 Old_age Always - 0
Я испытал это на старом жестком диске WD 200G, у которого был какой-то сбой, который мог быть вызван плохим подключением к горячему подключению, что привело к счету Current_Pending_Sector, равному 26. Когда я провел длинный тест, он прошел, не обнаружив никаких плохих секторов, но count по-прежнему был на 26. Я смог обнулить счетчик, обнулив весь диск с помощью dd;
dd if=/dev/zero of=/dev/sda bs=1M status=progress
Обратите внимание, что bs = 1M делает его намного быстрее, но это не размер сектора 512, поэтому в конце будет частичный блок. Последующие длинные и короткие тесты smartctl показали, что диск исправен.
Теперь у вас есть Текущий ожидающий сектор на sda
жесткий диск. Этот диск используется в программном RAID. Это начало смерти. Вам необходимо заменить этот диск.
Этот диск предназначен для настольного ПК. Он пытается восстановить себя (не через RAID). Он считывает сбойный сектор каждые несколько секунд до тех пор, пока контрольная сумма сбойного сектора не станет хорошей (производительность диска резко упадет), затем диск будет записывать считанные данные в новый зарезервированный сектор. Но данные чтения из спасенного сектора часто могут быть неправильными. Контрольная сумма CRC32 может указывать только на первую ошибку и не может использоваться для восстановления данных (например, XOR на RAID-5 может использоваться для восстановления данных). Когда RAID прочитает эти данные с неисправного диска, он выдаст другие данные, которые будут считаны нормально. Эта ситуация вызовет панику ядра в системе, если плохой блок содержит важные системные данные. Поэтому неисправный диск необходимо заменить.