¿Cómo soluciono los problemas de mi matriz RAID?

8

Acabo de registrarme en mi matriz RAID esta mañana y lo que obtuve es:

$ cat /proc/mdstat
Personalities : [raid1] [linear] [multipath] [raid0] [raid6] [raid5] [raid4] [raid10] 
md1 : active raid1 sdc7[0]
      238340224 blocks [2/1] [U_]

md0 : active raid1 sdc6[0]
      244139648 blocks [2/1] [U_]

md127 : active raid1 sdc3[0]
      390628416 blocks [2/1] [U_]

unused devices: <none>
$

Lo cual, creo, significa que un disco de mi (s) matriz (s) está muerto, ¿es esto cierto?

¿Cómo hago la solución de problemas adecuada en el futuro? Mi se /etc/mdadm/mdadm.confparece a:

$ cat /etc/mdadm/mdadm.conf
# mdadm.conf
#
# Please refer to mdadm.conf(5) for information about this file.
#

# by default (built-in), scan all partitions (/proc/partitions) and all
# containers for MD superblocks. alternatively, specify devices to scan, using
# wildcards if desired.
#DEVICE partitions containers

# auto-create devices with Debian standard permissions
CREATE owner=root group=disk mode=0660 auto=yes

# automatically tag new arrays as belonging to the local system
HOMEHOST <system>

# instruct the monitoring daemon where to send mail alerts
MAILADDR root

# definitions of existing MD arrays
ARRAY /dev/md127 UUID=124cd4a5:2965955f:cd707cc0:bc3f8165
ARRAY /dev/md0 UUID=91e560f1:4e51d8eb:cd707cc0:bc3f8165
ARRAY /dev/md1 UUID=0abe503f:401d8d09:cd707cc0:bc3f8165

¿Cómo averiguo qué unidad física está rota y necesita ser reemplazada?

Gracias

EDITAR1

# mdadm --detail /dev/md0
/dev/md0:
        Version : 0.90
  Creation Time : Tue Sep  1 19:15:33 2009
     Raid Level : raid1
     Array Size : 244139648 (232.83 GiB 250.00 GB)
  Used Dev Size : 244139648 (232.83 GiB 250.00 GB)
   Raid Devices : 2
  Total Devices : 1
Preferred Minor : 0
    Persistence : Superblock is persistent

    Update Time : Mon Sep 21 07:11:24 2015
          State : clean, degraded 
 Active Devices : 1
Working Devices : 1
 Failed Devices : 0
  Spare Devices : 0

           UUID : 91e560f1:4e51d8eb:cd707cc0:bc3f8165
         Events : 0.76017

    Number   Major   Minor   RaidDevice State
       0       8       38        0      active sync   /dev/sdc6
       1       0        0        1      removed
root@regDesktopHome:~#

¿Por qué diría eso Failed Devices : 0?

EDIT2
Abriendo Gparted, puedo ver ambos, /dev/sdby /dev/sdccuáles fueron mis dos RAIDunidades. Sin embargo, mdadm cree que /dev.sdbse ha eliminado por alguna razón ... eso es extraño. Traté de montar una partición en `` / dev / sdb` y obtuve lo siguiente

$sudo mount /dev/sdb7 test
[sudo] password for ron: 
mount: unknown filesystem type 'linux_raid_member'

que se ve todo corregido. ¿Cómo vuelvo a ordenar mi matriz RAID?

EDITAR 3

Corrí smartctl -a /dev/sdcy smartctl -a /dev/sdb, también lo hice badblocks /dev/sdcy, badblocks /dev/sdbaunque sdcparece 100% limpio, sdbdevolví algunos bloques malos:

# badblocks /dev/sdb
16130668
16130669
16130670
16130671

¿Sería potencialmente la causa de la falla que estoy viendo? ¿Hay alguna forma de reparar / ignorar estos bloques defectuosos o debería reemplazar la unidad?

EDITAR 4

# smartctl --all /dev/sdb
smartctl 6.2 2013-07-26 r3841 [x86_64-linux-3.13.0-62-generic] (local build)
Copyright (C) 2002-13, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family:     Seagate Barracuda 7200.12
Device Model:     ST31000528AS
Serial Number:    6VP0308B
LU WWN Device Id: 5 000c50 013d3ae45
Firmware Version: CC34
User Capacity:    1,000,204,886,016 bytes [1.00 TB]
Sector Size:      512 bytes logical/physical
Rotation Rate:    7200 rpm
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   ATA8-ACS T13/1699-D revision 4
SATA Version is:  SATA 2.6, 3.0 Gb/s
Local Time is:    Sat Sep 26 11:35:02 2015 PDT

==> WARNING: A firmware update for this drive may be available,
see the following Seagate web pages:
http://knowledge.seagate.com/articles/en_US/FAQ/207931en
http://knowledge.seagate.com/articles/en_US/FAQ/213891en

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:  (0x82) Offline data collection activity
                                        was completed without error.
                                        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:                (  600) seconds.
Offline data collection
capabilities:                    (0x7b) SMART execute Offline immediate.
                                        Auto Offline data collection on/off support.
                                        Suspend Offline collection upon new
                                        command.
                                        Offline surface scan supported.
                                        Self-test supported.
                                        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:        ( 195) minutes.
Conveyance self-test routine
recommended polling time:        (   2) minutes.
SCT capabilities:              (0x103f) SCT Status supported.
                                        SCT Error Recovery Control supported.
                                        SCT Feature Control supported.
                                        SCT Data Table supported.

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE
  1 Raw_Read_Error_Rate     0x000f   114   099   006    Pre-fail  Always       -       78420742
  3 Spin_Up_Time            0x0003   095   095   000    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0032   099   099   020    Old_age   Always       -       1240
  5 Reallocated_Sector_Ct   0x0033   099   099   036    Pre-fail  Always       -       60
  7 Seek_Error_Rate         0x000f   082   060   030    Pre-fail  Always       -       199357441
  9 Power_On_Hours          0x0032   052   052   000    Old_age   Always       -       42401
 10 Spin_Retry_Count        0x0013   100   100   097    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   099   037   020    Old_age   Always       -       1240
183 Runtime_Bad_Block       0x0000   098   098   000    Old_age   Offline      -       2
184 End-to-End_Error        0x0032   100   100   099    Old_age   Always       -       0
187 Reported_Uncorrect      0x0032   094   094   000    Old_age   Always       -       6
188 Command_Timeout         0x0032   100   100   000    Old_age   Always       -       0
189 High_Fly_Writes         0x003a   050   050   000    Old_age   Always       -       50
190 Airflow_Temperature_Cel 0x0022   062   046   045    Old_age   Always       -       38 (Min/Max 30/38)
194 Temperature_Celsius     0x0022   038   054   000    Old_age   Always       -       38 (0 17 0 0 0)
195 Hardware_ECC_Recovered  0x001a   030   012   000    Old_age   Always       -       78420742
197 Current_Pending_Sector  0x0012   100   100   000    Old_age   Always       -       1
198 Offline_Uncorrectable   0x0010   100   100   000    Old_age   Offline      -       1
199 UDMA_CRC_Error_Count    0x003e   200   200   000    Old_age   Always       -       0
240 Head_Flying_Hours       0x0000   100   253   000    Old_age   Offline      -       73332271657814
241 Total_LBAs_Written      0x0000   100   253   000    Old_age   Offline      -       2822963046
242 Total_LBAs_Read         0x0000   100   253   000    Old_age   Offline      -       2361465529

SMART Error Log Version: 1
ATA Error Count: 6 (device log contains only the most recent five errors)
        CR = Command Register [HEX]
        FR = Features Register [HEX]
        SC = Sector Count Register [HEX]
        SN = Sector Number Register [HEX]
        CL = Cylinder Low Register [HEX]
        CH = Cylinder High Register [HEX]
        DH = Device/Head Register [HEX]
        DC = Device Command Register [HEX]
        ER = Error register [HEX]
        ST = Status register [HEX]
Powered_Up_Time is measured from power on, and printed as
DDd+hh:mm:SS.sss where DD=days, hh=hours, mm=minutes,
SS=sec, and sss=millisec. It "wraps" after 49.710 days.

Error 6 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:28.967  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:28.941  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:28.940  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:28.928  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:28.901  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 5 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:26.095  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:26.069  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:26.068  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:26.055  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:26.029  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 4 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:23.222  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:23.195  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:23.194  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:23.182  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:23.137  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 3 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:20.351  READ FPDMA QUEUED
  60 00 80 e8 44 ec 41 00      09:26:20.350  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:20.324  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:20.323  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:20.311  SET FEATURES [Set transfer mode]

Error 2 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 80 e8 44 ec 41 00      09:26:17.478  READ FPDMA QUEUED
  60 00 40 a8 44 ec 41 00      09:26:17.478  READ FPDMA QUEUED
  60 00 20 88 44 ec 41 00      09:26:17.476  READ FPDMA QUEUED
  60 00 08 80 44 ec 41 00      09:26:17.453  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:17.427  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

SMART Self-test log structure revision number 1
No self-tests have been logged.  [To run self-tests, use: smartctl -t]


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.

#

EDITAR 5

Me di cuenta de que después de desconectar /dev/sdb, lo anterior /dev/sdces ahora /dev/sdb. Confirmé con smartctl -a /dev/sdbque el número de serie ha cambiado después de arrancar con el disco dañado desconectado. No tengo suerte y la unidad está fuera de garantía , por lo que obtendré una nueva unidad de reemplazo.

raid mdadm stdcerr
fuente
FYI: Debería ver [UU] para un espejo saludable, no [U_]. Como pensaste, significa que falta uno de tus espejos. La sugerencia de @ Halfgaar es la mejor.
Tim S.
Re editar 6, ¿has hecho lo mdadm --manage ... --add ...que sugirió Halfgaar?
MadHatter
2
Una de las cosas clave sobre los sitios de Stack Exchange es que no son foros y no hay hilos. Hiciste una pregunta, ha sido respondida. Si tiene más preguntas (relacionadas), debe hacerlas como preguntas nuevas y, si corresponde, hacer referencia al original. Sin embargo, antes de hacerlo, es posible que desee buscar en el sitio.
user9517

Respuestas:

11

Al ver cómo no ve la unidad rota (marcada con F) en la salida de cat /proc/mdstat, ha arrancado el servidor desde que se degradó la matriz.

Puedes obtener información con mdadm --detail /dev/md0. Eso probablemente le dirá qué otro disco debe estar en él.

Para responder a su edición:

Lo analizaría /dev/sdbprimero. Use smartctl -apara verificar (especialmente) el recuento de sector reasignado y el registro de errores. Haz una autoevaluación con smartctl -t long /dev/sdb. Uso badblocks, etc.

Entonces:

  • Si lo reemplaza /dev/sdb, copie la tabla de particiones de /dev/sdc. Si no son GPT, puede usar sfdisk -d /dev/sdc | sfdisk /dev/sdb. O si son GPT, puede usar gdiskpara guardar la tabla de particiones en un archivo y luego cargarla. Está oculto bajo funciones avanzadas.
  • Algo general a considerar: si su (nueva) unidad tiene 4k sectores, asegúrese de que las particiones estén alineadas 4k .
  • Si va a volver a agregar su existente /dev/sdb, es posible que desee ejecutar mdadm --zero-superblocken todas las particiones existentes.
  • Entonces puedes mdadm --manage /dev/md0 --add /dev/sdb6y lo mismo para md1ysdb7

No hace falta decir que algunos comandos borran sus datos si mezcla sus unidades. Entonces, asegúrese de qué es sdcy sdb...

Editar: sobre bloques defectuosos: si alguna herramienta de nivel de software ve bloques defectuosos, la unidad está rota. Normalmente, los discos los ocultan reasignándolos de forma transparente al escribir. Google para 'reasignación del sector del disco duro'. Su smartctl -asalida debe mostrar sectores reasignados para sdb. Entonces, sí, tu sdbha sido expulsado de la matriz y debes reemplazarlo.

Editar: sobre la smartctl -asalida. Hay dos cosas allí que son de importancia primordial:

  • Muestra 60 sectores reasignados. Aunque el valor normalizado sigue siendo 99 y solo sería oficialmente 'malo' si llegara a 36 (cuenta atrás), no debe confiar en los discos que comienzan a reasignar sectores. Entonces, especialmente si este valor comienza a cambiar, el valor bruto es importante. Incluso puede configurar smartdpara monitorearlo por usted.
  • El registro de errores muestra entradas a la edad de 42372 horas. Puede decir que fue reciente, debido al parámetro 9 (en su caso) Power on hours,. Hay cosas inofensivas que pueden causar entradas de registro de errores SMART, como dar comandos ATA incorrectos, pero en este caso, debido a que tiene una matriz degradada, es probable que estén relacionados.

En cuanto a determinar qué disco está en su sistema; por ejemplo, hacer dmesg |grep -i sdbayudará. Probablemente tenga tres discos en su sistema y sdbes el que está en su segundo controlador SATA, que puede denominarse 1 o 2, dependiendo de si está basado en cero o en uno.

Debido a que probablemente inicie desde sda, puede simplemente reemplazar sdby realizar las operaciones que describí anteriormente. Si su unidad de arranque está rota, espera que tenga:

  • Grub instalado en los otros discos también.
  • Tener un servidor que pueda arrancar desde otro disco.

El otro día con un servidor Dell, no quería comenzar sdbcuando había un espacio sdaen blanco . Eso tomó algo de convincente e improvisación.

A veces necesitas traducir nombres como ata1.01a nombres de dispositivos reales. Por ejemplo, los discos defectuosos darán errores de kernel que dicen 'Excepción ATA en ata1.01' o palabras en ese sentido. Lea esta respuesta para eso. (Configuré nuestro sistema de registro central para advertirme de esos errores del núcleo, porque son una indicación confiable de una falla de disco pendiente).

Halfgaar
fuente
También se agregó EDIT2 ahora
stdcerr
1
@cerr Edito la respuesta explicando cómo analizar la situación.
Halfgaar
1
@cerr Comenté sobre tu descubrimiento de bloques malos.
Halfgaar
1
@cerr edité para dar una idea de la smartctlsalida.
Halfgaar
1
@cerr que ya está en mi respuesta, sobre la--add
Halfgaar