Как интерпретировать эти данные Smartctl (SmartMon)

У нас есть сервер Linux, который интенсивно использовался в течение 3 лет. Мы запускаем на нем несколько виртуализированных серверов, некоторые из которых плохо себя вели, и в течение значительного времени была превышена емкость сервера ввода-вывода, что привело к плохому iowait. У него есть 4 500-гигабайтных накопителя Barracuda sata, подключенных к рейдовому контроллеру 3com 1 диск имеет ОС, а остальные 3 - это raid-5.

Теперь у нас есть споры о состоянии дисков и о том, активно ли они выходят из строя.

Вот часть вывода для 1 из 4 дисков. Все они имеют сравнительно схожую статистику:

Номер версии структуры данных атрибутов SMART: 10
Специфичные SMART-атрибуты поставщика с пороговыми значениями:
ID # ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE ОБНОВЛЕНО WHEN_FAILED RAW_VALUE
  1 Raw_Read_Error_Rate 0x000f 118 099 006 Пред-сбой Всегда - 169074425
  3 Spin_Up_Time 0x0003 095 092 000 Pre-fail Всегда - 0
  4 Start_Stop_Count 0x0032 100 100 020 Old_age Always - 26
  5 Reallocated_Sector_Ct 0x0033 100 100 036 Пред-сбой Всегда - 0
  7 Seek_Error_Rate 0x000f 077 060 030 Pre-fail Always - 200009354607
  9 Power_On_Hours 0x0032 069 069 000 Old_age Always - 27856
 10 Spin_Retry_Count 0x0013 100 100 097 Пред-сбой Всегда - 1
 12 Power_Cycle_Count 0x0032 100 100 020 Old_age Always - 26
184 Unknown_Attribute 0x0032 100 100 099 Old_age Always - 0
187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0
188 Неизвестный_атрибут 0x0032 100 100 000 Old_age Always - 1
189 High_Fly_Writes 0x003a 100 100 000 Old_age Always - 0
190 Airflow_Tempera__el 0x0022 071 060 045 Old_age Always - 29 (срок службы мин. / Макс. 26/37)
194 Temperature_Celsius 0x0022 029 040 000 Old_age Always - 29 (0 21 0 0)
195 Hardware_ECC_Recovered 0x001a 046 033 000 Old_age Always - 169074425
197 Current_Pending_Sector 0x0012 100 100 000 Old_age Always - 0
198 Offline_Неисправимый 0x0010 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0

Версия журнала ошибок SMART: 1
Ошибки не зарегистрированы

Моя интерпретация этого состоит в том, что у нас не было никаких поврежденных секторов или других признаков того, что какой-либо из дисков активно выходит из строя.

Тем не менее, высокие значения Raw_Read_Error_Rate и Seek_Error_Rate указываются как признаки того, что диски умирают.

По моему опыту, у Seagates есть странные числа для этих двух атрибутов SMART. При диагностике Seagate я склонен игнорировать их и более внимательно смотреть на другие области, такие как Перераспределенный Счетчик Секторов. Конечно, в случае сомнений замените привод, но даже у совершенно новых Seagates будут высокие цифры для этих атрибутов.

Для дисков Seagate (и, возможно, некоторых старых из WD) Seek_Error_Rate и Raw_Read_Error_Rate представляют собой 48-разрядные числа, где наиболее значимые 16-разрядные представляют собой счетчик ошибок, а младшие 32-разрядные представляют собой количество операций.

% python
>>> 200009354607 & 0xFFFFFFFF
2440858991
>>> (200009354607 & 0xFFFF00000000) >> 32
46

Итак, ваш диск выполнил 2440858991 запросов, из которых 46 не удалось. Мой опыт работы с накопителями Seagate заключается в том, что они имеют тенденцию выходить из строя, когда число ошибок превышает 1000. YMMV.

RAW_VALUES «частота ошибок поиска» и «частота необработанных ошибок чтения» практически никому не нужны, кроме поддержки Seagate. Как отмечали другие, необработанные значения параметров, таких как «количество перераспределенных секторов» или записи в журнале ошибок привода, с большей вероятностью указывают на более высокую вероятность отказа.

Но вы можете взглянуть на интерпретированные данные в столбцах VALUE, WORST и THRESH, которые должны читаться как датчики:

ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH
  7 Seek_Error_Rate         0x000f   077   060   030

Это означает, что уровень ошибок при поиске в настоящее время считается "77% хорошим", и SMART сообщает, что он достигает проблемы, когда он достигает "30% хорошего". Когда-то он был всего лишь 60%, но с тех пор он волшебным образом восстанавливается. Обратите внимание, что интерпретированные значения рассчитываются внутренней логикой SMART привода, и точный расчет может или не может быть опубликован производителем и, как правило, не может быть изменен пользователем.

Лично я считаю диск, содержащий записи в журнале ошибок, «неисправным» и призываю к замене, как только они происходят. Но в целом SMART-данные оказались довольно слабым показателем для прогнозирования сбоев, как обнаружил исследовательский документ, опубликованный Google .

Я понял, что это обсуждение немного устарело, но хочу добавить свои 2 цента. Я обнаружил, что умная информация является довольно хорошим показателем пред-неудачи. При срабатывании интеллектуального порога замените диск. Вот для чего эти пороги.

Подавляющее большинство времени вы начнете видеть плохие сектора. Это верный признак того, что диск начинает выходить из строя. СМАРТ спас меня много раз. Я использую программный RAID 1, и это очень полезно, поскольку вы просто заменяете неисправный диск и восстанавливаете массив.

Я также бегаю короткую и длинную самопроверку еженедельно.

smartctl -t short /dev/sda
smartctl -t long /dev/sda 

Или добавьте его /etc/smartd.conf и отправьте его по электронной почте, если есть ошибки

/dev/sda -s L/../../3/22 -I 194 -m someemail@somedomain
/dev/sdb -s L/../../7/22 -I 194 -m someemail@somedomain

Обязательно установите logwatch, перенаправьте root на адрес электронной почты и проверьте ежедневные электронные письма из logwatch. Там будут отображаться отключенные флаги SMARTD, но это не поможет, если никто не следит за этим регулярно.

Да, эти поля выглядят плохо, но я больше не доверяю информации, сообщаемой smart (у моей тестовой машины есть накопитель, который давно должен был быть мертвым, если вы читаете данные с помощью smartctrl). Факт в том, что вы сообщили высокий айоваит и диски 3 года. Этого должно быть достаточно для смены дисков.

Извините, что совершил некромантию в этом посте, но, по моему опыту, поля «Raw Read Error Rate» и «Hardware ECC Recovered» для диска Seagate будут буквально перемещаться повсюду и постоянно увеличиваться в диапазоне триллионов, и в этот момент они вернемся к нулю, чтобы продолжить процесс снова. У меня есть Seagate ST9750420AS, которая сталкивалась с этой проблемой с самого первого дня и до сих пор отлично работает даже после нескольких лет и более 3500 часов использования.

Я думаю, что эти поля можно безопасно игнорировать, если вы используете одно в своем случае. Просто убедитесь, что два поля сообщают об одном и том же номере и постоянно синхронизированы. Если они не ... ну ... это может означать проблему.

Чтобы автоматизировать вычисления этого ответа , используйте онлайн калькулятор javascript:

https://yksi.ml/

Это скажет вам:

• Общее количество операций
• Количество неудачных операций

Калькулятор действителен для Seagate:

• Поиск ошибок
• Необработанная частота чтения
• Аппаратное обеспечение ECC восстановлено

Для дальнейшего чтения о расчете нормализованных (от 0 до 100 значений), см. Эту статью .