Primii pași
Discuri și RAID: verificare cu smartctl și înlocuire disc
Două comenzi și cinci minute vă arată dacă discul este sănătos și dacă RAID-ul este întreg. Tot aici: când cereți înlocuirea, ce ne trimiteți și cum reconstruiți matricea după ce discul nou a fost montat.
Pe scurt
- Starea discului o arată
smartctl -a /dev/sdapentru SATA și SAS șismartctl -a /dev/nvme0pentru NVMe. Semne de alarmă:Current_Pending_Sectordiferit de zero șiReallocated_Sector_Ctîn creștere, iar la NVMe —Percentage Usedaproape de 100% șiMedia and Data Integrity Errorsdiferit de zero. - Starea RAID-ului o arată
cat /proc/mdstat:[UU]— ambele discuri funcționează,[U_]— unul a ieșit din matrice, iar matricea funcționează fără rezervă. - Pentru înlocuire trimiteți în tichet numărul de serie al discului defect și rezultatul
smartctl -a. Pe durata înlocuirii serverul, de regulă, este oprit. Apoi matricea o reconstruiți dvs.: copiați tabela de partiții de pe discul bun pe cel nou (nu invers) și adăugați discul nou cu comandamdadm --add. - Înainte de înlocuire faceți o copie de rezervă: conform ofertei, copiile datelor le faceți dvs., iar o matrice cu un singur disc funcțional rezistă doar până la prima defecțiune.
Cuprins
- Instalați smartmontools
- Notați discurile și numerele lor de serie
- SATA și SAS: ce valori SMART urmăriți
- NVMe: uzura și erorile mediului de stocare
- Verificați RAID-ul software: /proc/mdstat și mdadm
- Windows: ce puteți verifica
- Cum comandați înlocuirea discului
- Cum reconstruiți RAID-ul după înlocuirea discului
- Cum verificați că totul a reușit
- Dacă nu a reușit
- Întrebări frecvente
Aveți nevoie de
- Acces la server prin SSH ca root sau ca utilizator cu sudo: cum vă conectați prin SSH.
- O copie de rezervă recentă a datelor importante, dacă urmează să înlocuiți discul.
Comenzile de mai jos sunt pentru Linux. Ce puteți verifica în Windows este descris într-o secțiune separată: acolo posibilitățile sunt mai puține.
Instalați smartmontools
Programul smartctl din pachetul smartmontools citește SMART — jurnalul de autodiagnosticare pe care îl ține fiecare disc. Instalați pachetul cu prima comandă pe Ubuntu și Debian sau cu a doua pe AlmaLinux și Rocky Linux:
sudo apt install smartmontools
sudo dnf install smartmontools
Mai departe comenzile sunt scrise cu sudo. Dacă v-ați autentificat ca root, cum se întâmplă de obicei pe serverele Hetzner, îl puteți omite.
Notați discurile și numerele lor de serie
Comanda afișează discurile fizice fără partiții: numele în sistem, capacitatea, modelul și numărul de serie.
lsblk -d -o NAME,SIZE,TYPE,MODEL,SERIAL
NAME SIZE TYPE MODEL SERIAL
nvme0n1 953.9G disk SAMSUNG MZVL21T0HCLR-00B00 S6EXAMPLE00001
nvme1n1 953.9G disk SAMSUNG MZVL21T0HCLR-00B00 S6EXAMPLE00002
lsblk arată un singur disc, deși serverul are mai multe, iar /proc/mdstat este gol
Cel mai probabil, serverul are un controler RAID hardware: sistemul vede matricea construită de el ca pe un singur disc. Comanda sudo smartctl --scan arată cum accesați discurile din spatele controlerului. Pentru controlerele MegaRAID aceasta este opțiunea -d cu numărul discului, de exemplu sudo smartctl -a -d megaraid,0 /dev/sda. Starea matricei însăși o arată utilitarul producătorului controlerului.
Păstrați numerele de serie ale tuturor discurilor. Numele precum sda sau nvme1n1 se pot inversa după înlocuire și repornire, iar numărul de serie rămâne același: după el tehnicianul găsește discul potrivit în server.
SATA și SAS: ce valori SMART urmăriți
Comanda afișează tot ce știe discul despre sine: modelul, numărul de serie, verdictul general și tabelul atributelor.
sudo smartctl -a /dev/sda
Mai întâi găsiți rândul cu verdictul:
SMART overall-health self-assessment test result: PASSED
FAILED înseamnă că discul însuși își recunoaște defecțiunea și trebuie înlocuit. PASSED nu garantează nimic: discul trece această verificare și atunci când deja pierde sectoare. De aceea priviți mai departe tabelul atributelor, coloana RAW_VALUE:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
5 Reallocated_Sector_Ct 0x0033 100 100 010 Pre-fail Always - 0
9 Power_On_Hours 0x0032 067 067 000 Old_age Always - 29041
197 Current_Pending_Sector 0x0012 100 100 000 Old_age Always - 0
198 Offline_Uncorrectable 0x0010 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0
| Atribut | Ce numără | Când să vă îngrijorați |
|---|---|---|
5 Reallocated_Sector_Ct | Sectoare defecte pe care discul le-a înlocuit deja cu sectoare de rezervă | Mai mare decât zero și crește de la o verificare la alta |
197 Current_Pending_Sector | Sectoare pe care discul nu le-a putut citi și pe care așteaptă să le realoce | Orice număr mai mare decât zero |
198 Offline_Uncorrectable | Sectoare cu erori care nu au putut fi corectate | Orice număr mai mare decât zero |
199 UDMA_CRC_Error_Count | Erori de transfer între disc și controler, mai des din cauza cablului sau a conectorului | Crește: anunțați în tichet, cablul îl schimbă centrul de date |
La SSD-urile SATA uzura o arată un atribut care se numește diferit la diverși producători: Wear_Leveling_Count, Media_Wearout_Indicator, Percent_Lifetime_Remain. Priviți la el coloana VALUE: de obicei pornește de la 100 și scade pe măsură ce discul se uzează.
La discurile SAS rezultatul arată altfel. Verdictul este în rândul SMART Health Status (normal — OK), sectoarele realocate — în rândul Elements in grown defect list, iar erorile necorectate — în coloana Total uncorrected errors din tabelul Error counter log.
Dacă aveți dubii, rulați un autotest scurt. Discul îl face singur în câteva minute, iar serverul funcționează în acest timp. A doua comandă arată rezultatul: Completed without error — totul este în regulă, Completed: read failure — discul nu a putut citi o parte din suprafață.
sudo smartctl -t short /dev/sda
sudo smartctl -l selftest /dev/sda
Erorile la autotest sunt un motiv să cereți înlocuirea. Păstrați rezultatul: vă va folosi pentru tichet.
NVMe: uzura și erorile mediului de stocare
Discurile NVMe nu au tabel de atribute, în locul lui există blocul SMART/Health Information:
sudo smartctl -a /dev/nvme0
SMART overall-health self-assessment test result: PASSED
SMART/Health Information (NVMe Log 0x02)
Critical Warning: 0x00
Temperature: 41 Celsius
Available Spare: 100%
Available Spare Threshold: 10%
Percentage Used: 7%
Media and Data Integrity Errors: 0
Error Information Log Entries: 0
| Rândul | Ce înseamnă | Când să vă îngrijorați |
|---|---|---|
Critical Warning | Indicatori de probleme grave: s-a terminat rezerva, supraîncălzire, discul a trecut în modul doar citire | Orice valoare în afară de 0x00 |
Percentage Used | Ce parte din resursa de scriere declarată de producător a fost deja consumată. Poate depăși 100% | Cu cât este mai aproape de 100%, cu atât riscul de defectare este mai mare. De la 90% faceți o copie și cereți înlocuirea, fără să așteptați defecțiunea |
Available Spare | Câte blocuri de rezervă au mai rămas pentru înlocuirea celor uzate | A scăzut până la Available Spare Threshold |
Media and Data Integrity Errors | Erori de date pe care discul nu le-a putut corecta | Orice număr mai mare decât zero |
Error Information Log Entries | Înregistrări în jurnalul de erori al controlerului | Nu este un motiv în sine: aici ajung și erori inofensive ale comenzilor |
Dacă aveți dubii privind un disc dintr-o pereche, rulați aceeași comandă pentru al doilea: diferența de uzură și de erori arată care dintre ele este mai slab.
Verificați RAID-ul software: /proc/mdstat și mdadm
Pe serverele Hetzner și OVH cu mai multe discuri, Linux se instalează de obicei pe un RAID 1 software. Starea lui o arată o singură comandă:
cat /proc/mdstat
Personalities : [raid1]
md2 : active raid1 nvme1n1p3[1] nvme0n1p3[0]
966188032 blocks super 1.2 [2/2] [UU]
bitmap: 3/8 pages [12KB], 65536KB chunk
md1 : active raid1 nvme1n1p2[1] nvme0n1p2[0]
1046528 blocks super 1.2 [2/2] [UU]
md0 : active raid1 nvme1n1p1[1] nvme0n1p1[0]
33520640 blocks super 1.2 [2/2] [UU]
unused devices: <none>
Aici sunt trei matrice, iar în fiecare câte două partiții, una pe fiecare disc. [2/2] [UU] înseamnă că matricea are 2 membri din 2 și amândoi funcționează. Așa arată o matrice din care a ieșit un disc:
md2 : active raid1 nvme0n1p3[0] nvme1n1p3[1](F)
966188032 blocks super 1.2 [2/1] [U_]
(F) — partiția este marcată ca defectă, [2/1] [U_] — funcționează un membru din doi. Dacă discul a dispărut complet, partiția lui nu mai apare deloc în rând, iar [U_] rămâne.
Detaliile pentru o singură matrice le arată mdadm --detail. Normal este State : clean, un disc ieșit din matrice înseamnă clean, degraded și rândurile faulty sau removed în partea de jos:
sudo mdadm --detail /dev/md2
State : clean, degraded
Active Devices : 1
Working Devices : 1
Failed Devices : 1
Number Major Minor RaidDevice State
0 259 3 0 active sync /dev/nvme0n1p3
- 0 0 1 removed
1 259 7 - faulty /dev/nvme1n1p3
RAID 0 nu vă protejează de defectarea unui disc. În el fiecare fișier este împărțit pe toate discurile, de aceea, dacă unul dintre ele se defectează, datele matricei se pierd în întregime. Dacă aveți RAID 0, copia de rezervă este singura protecție.
Chiar și atunci când matricea este întreagă, un disc cu un SMART îngrijorător e mai bine să fie înlocuit acum, cât timp funcționează ambele discuri.
Windows: ce puteți verifica
Windows nu are propriul smartctl, dar starea generală a discurilor se vede în PowerShell pornit ca administrator. Prima comandă afișează discurile cu numerele de serie și starea lor: la un disc sănătos HealthStatus este Healthy, la unul cu probleme — Warning sau Unhealthy.
Get-PhysicalDisk | Format-Table FriendlyName, SerialNumber, MediaType, HealthStatus, OperationalStatus
A doua arată contoarele de fiabilitate: Wear — uzura în procente, ReadErrorsUncorrected — erorile de citire necorectate. Unele discuri și drivere nu oferă aceste contoare, iar atunci coloanele sunt goale.
Get-PhysicalDisk | Get-StorageReliabilityCounter | Format-Table DeviceId, Wear, ReadErrorsUncorrected, Temperature, PowerOnHours
SMART-ul detaliat în Windows îl arată programele terțe: smartmontools pentru Windows (același smartctl) sau CrystalDiskInfo.
Cum este construit RAID-ul pe un server Windows depinde de instalare. Dacă este Storage Spaces, starea o arată Get-VirtualDisk: la o matrice întreagă HealthStatus este Healthy. Dacă este un volum în oglindă (mirror), deschideți Disk Management (diskmgmt.msc): un volum în stare bună are statusul Healthy. Tot acolo puteți reface oglinda după înlocuirea discului. Dacă nu știți sigur cum este construită matricea dvs., întrebați în tichet înainte de înlocuire.
Cum comandați înlocuirea discului
Mai întâi copia de rezervă. Cât timp matricea funcționează pe un singur disc, pe server nu mai există o a doua copie a datelor: dacă se defectează și acesta, datele se pierd. Reconstruirea după înlocuire solicită discul rămas, de aceea faceți copia înainte de ea. Conform ofertei, copiile de rezervă sunt obligația clientului, iar pentru pierderea datelor nu răspundem, cu excepția cazurilor din p. 7.2, așa cum prevede p. 5.5.
Copiați datele importante de pe server
Fișierele site-urilor, bazele de date, setările — pe alt server sau pe calculatorul dvs. Verificați că copia se deschide.
Aflați numărul de serie al discului defect
Comanda afișează rândul
Serial Number. Pentru SATA și SAS indicați un disc precum/dev/sdb.sudo smartctl -i /dev/nvme1 | grep -i serialSalvați rezultatul SMART într-un fișier
Comanda scrie raportul complet despre disc într-un fișier din folderul curent. Descărcați fișierul pe calculator (de exemplu, prin WinSCP sau
scp) sau copiați rezultatul din terminal direct în tichet.sudo smartctl -a /dev/nvme1 > smart-nvme1.txtScoateți discul defect din matrice
Astfel matricea nu va accesa discul în momentul înlocuirii. Comanda marchează partiția ca defectă și o scoate din matrice. Repetați-o pentru fiecare matrice care conține partiții ale acestui disc: care sunt acestea se vede în
cat /proc/mdstat. Dacă discul a dispărut deja din sistem, săriți acest pas.Scoateți doar partițiile discului defect. Dacă scoateți din greșeală discul bun, matricea va funcționa doar pe discul defect, iar tehnicianul îl va înlocui tocmai pe acesta, și nu va mai rămâne nicio matrice funcțională. Înainte de comandă verificați că numele discului (în exemplu
nvme1n1) corespunde numărului de serie de la pasul anterior.sudo mdadm /dev/md0 --fail /dev/nvme1n1p1 --remove /dev/nvme1n1p1sudo mdadm /dev/md1 --fail /dev/nvme1n1p2 --remove /dev/nvme1n1p2sudo mdadm /dev/md2 --fail /dev/nvme1n1p3 --remove /dev/nvme1n1p3Scrieți în tichet
Copiați șablonul în tichet și atașați fișierul cu rezultatul SMART. Numărul de serie al discului bun vă asigură împotriva unei greșeli: tehnicianul va ști ce disc nu trebuie atins.
Server: #1234567 Înlocuiți discul: număr de serie S6EXAMPLE00002 (acum /dev/nvme1n1) Discul bun, nu-l atingeți: S6EXAMPLE00001 Motiv: Media and Data Integrity Errors cresc, discul a ieșit din RAID Rezultatul smartctl -a: în atașament Copia de rezervă este făcută. Serverul poate fi oprit: oricândAșteptați mesajul despre înlocuire
Pe durata înlocuirii serverul, de regulă, este oprit și nu este accesibil cât lucrează tehnicianul. Cât durează depinde de centrul de date. Dacă vă convine ca întreruperea să fie la o anumită oră, scrieți acest lucru în tichet, iar noi îl transmitem centrului de date. Când discul este înlocuit, vă scriem în același tichet.
Dacă serverul nu a pornit după înlocuire, cereți consola: la Hetzner o conectăm noi (consola KVM Hetzner), la OVH o aveți în panoul dvs. (Rescue și IPMI pe OVH).
Cum reconstruiți RAID-ul după înlocuirea discului
Discul nou vine de obicei fără partiții și nu intră singur în matrice. În exemplu discul bun este nvme0n1, cel nou — nvme1n1. La discurile SATA numele vor fi de tipul sda și sdb, iar partițiile — sdb1 în loc de nvme1n1p1.
Nu încurcați discurile. Tabela de partiții se copiază de pe discul bun pe cel nou. Dacă le inversați, tabela goală a discului nou se scrie peste tabela discului bun, iar datele devin inaccesibile. Înainte de copiere verificați numerele de serie și asigurați-vă că discul nou nu are partiții. Numele discurilor se pot schimba după înlocuire: folosiți în comenzi numele dvs., nu pe cele din exemplu.
Găsiți discul nou
Discul nou are un număr de serie necunoscut și nicio partiție sub el. Discul bun îl recunoașteți după numărul de serie notat înainte de înlocuire și după partițiile lui, sub care se văd matrice
mdde tipraid1.lsblk -o NAME,SIZE,TYPE,SERIALAflați tipul tabelei de partiții a discului bun
Comanda răspunde
gptsaudos. De aceasta depinde cu ce comandă copiați tabela.lsblk -d -o NAME,PTTYPE /dev/nvme0n1Salvați tabela de partiții a discului bun într-un fișier
Este o măsură de siguranță: dacă ceva merge prost, tabela se poate restaura din fișier. Prima comandă este pentru GPT, a doua pentru MBR (
dos). Fișierul apare în folderul curent. Dacă nu aveți comandasgdisk, instalați pachetulgdisk.sudo sgdisk --backup=nvme0n1-table.bak /dev/nvme0n1sudo sfdisk -d /dev/nvme0n1 > nvme0n1-table.txtCopiați tabela de partiții de pe discul bun pe cel nou
GPT. În
sgdiskordinea discurilor este inversă celei obișnuite: imediat după-Rse scrie discul nou (pe care copiați), iar la urmă — discul bun (de pe care copiați). A doua comandă îi dă discului nou identificatori proprii, ca să nu coincidă cu cei ai discului bun.sudo sgdisk -R /dev/nvme1n1 /dev/nvme0n1sudo sgdisk -G /dev/nvme1n1MBR (dos). Aici ordinea este cea obișnuită: în stânga discul bun, de pe care se citește tabela, în dreapta cel nou, pe care se scrie.
sudo sfdisk -d /dev/nvme0n1 | sudo sfdisk /dev/nvme1n1Verificați rezultatul cu comanda
lsblk: ambele discuri trebuie să aibă aceleași partiții.Adăugați partițiile discului nou în matrice
Numărul partiției coincide cu cel al discului bun din aceeași matrice: dacă în
md0estenvme0n1p1, adăugaținvme1n1p1. Parcurgeți toate matricele dincat /proc/mdstat: este posibil să aveți mai multe sau mai puține decât trei.sudo mdadm /dev/md0 --add /dev/nvme1n1p1sudo mdadm /dev/md1 --add /dev/nvme1n1p2sudo mdadm /dev/md2 --add /dev/nvme1n1p3Așteptați sincronizarea
Matricea copiază datele pe discul nou în fundal; serverul funcționează în tot acest timp, doar mai lent decât de obicei. Comanda actualizează starea la fiecare 10 secunde, ieșirea —
Ctrl+C. HDD-urile de mai mulți terabytes se sincronizează multe ore.watch -n 10 cat /proc/mdstatmd2 : active raid1 nvme1n1p3[2] nvme0n1p3[0] 966188032 blocks super 1.2 [2/1] [U_] [==>..................] recovery = 12.6% (121780224/966188032) finish=68.2min speed=206342K/secInstalați bootloaderul pe discul nou
Altfel serverul nu va porni de pe discul nou dacă mai târziu se defectează cel vechi. Mai întâi aflați modul de pornire:
[ -d /sys/firmware/efi ] && echo UEFI || echo BIOSDacă răspunsul este
BIOS, instalați bootloaderul pe discul nou. Comanda este pentru Ubuntu și Debian, pe AlmaLinux și Rocky Linux ea se numeștegrub2-install:sudo grub-install /dev/nvme1n1Dacă răspunsul este
UEFI, bootloaderul se află pe o partiție EFI separată, iar cum îl reproduceți pe discul nou depinde de modul în care a fost instalat sistemul. Comandafindmnt /boot/efiarată unde se află: dacă în răspuns apare o matrice/dev/md…, partiția se sincronizează deja împreună cu celelalte. Dacă în răspuns apare partiția unui singur disc, scrieți în tichet înainte de a reporni serverul și atașați rezultatulfindmnt /boot/efișilsblk.
Când sincronizarea s-a terminat și bootloaderul este pe ambele discuri, matricea va supraviețui din nou defectării unuia dintre ele.
Cum verificați că totul a reușit
În cat /proc/mdstat fiecare matrice are din nou [2/2] [UU] și nu mai există rândul recovery, iar sudo mdadm --detail /dev/md2 arată State : clean. Verificați SMART-ul discului nou cu aceeași comandă smartctl -a: nu trebuie să aibă erori.
Dacă nu a reușit
| Ce vedeți | De ce | Ce faceți |
|---|---|---|
mdadm: /dev/nvme1n1p3 not large enough to join array | Partiția de pe discul nou este mai mică decât cea din matrice: tabela s-a copiat greșit sau discul nou este mai mic decât cel vechi | Comparați partițiile în lsblk. Dacă discul însuși este mai mic, scrieți în tichet |
mdadm: Cannot open /dev/nvme1n1p1: Device or resource busy | Partiția este deja ocupată: deseori sistemul a asamblat singur, din tabela veche a discului nou, o matrice în plus, de tipul md127 | Priviți cat /proc/mdstat. Dacă în matricea în plus sunt doar partițiile discului nou, opriți-o cu comanda sudo mdadm --stop /dev/md127 și repetați --add |
Discul nou nu se vede în lsblk | Discul nu a fost detectat sau a fost înlocuit alt disc | Comparați numerele de serie cu cele notate înainte de înlocuire și scrieți în tichet |
| Serverul nu pornește după înlocuire | Bootloaderul era doar pe discul scos sau BIOS-ul caută pornirea pe cel nou | În consolă alegeți pornirea de pe discul bun sau porniți în Rescue și instalați bootloaderul: Rescue System Hetzner, Rescue pe OVH |
Dacă matricea nu se reconstruiește, opriți-vă și scrieți în tichet, atașând rezultatul cat /proc/mdstat și lsblk: încercările în plus pe o matrice cu un singur disc sunt mai periculoase decât o pauză.
Întrebări frecvente
SMART arată PASSED. Înseamnă că discul este în regulă?
Media and Data Integrity Errors și Percentage Used.La NVMe Percentage Used este 93%. Discul se va defecta curând?
Pot salva datele de pe un RAID 0 după defectarea unui disc?
Se poate înlocui discul fără oprirea serverului?
V-a ajutat ghidul?
Mulțumim! Așa aflăm care ghiduri funcționează.
Ce nu a mers?
Scrieți la suport la ce pas v-ați oprit și atașați linkul acestui ghid, ca să nu explicați de la început.