Monitoree el estado del disco utilizando smartd (en smartmontools) en un servidor RAID 1 de software de alta disponibilidad

8

Tengo un servidor con tres unidades idénticas de 3 TB SATA / 600: /dev/sda, /dev/sdb, /dev/sdc. Las unidades están particionadas, utilizando GPT con tres particiones cada una:

  • 1 MB: partición reservada para el cargador de arranque
  • 1 GB: RAID1 / dev / md0 (ext2 (/ boot))
  • 3 TB: RAID1 / dev / md1 (volumen cifrado (LVM (grupo de volúmenes (Swap, /, / etc, / home ...))))

Una de las tres unidades es un repuesto dinámico y las otras dos están activas en los conjuntos RAID. Funciona bien y puedo arrancar después de desconectar cualquier HDD. Quiero usar smartd (parte de smartmontools) para monitorear el estado de las unidades e informar errores a syslog (que monitorizo ​​usando logcheck ). Este servidor debe tener la mayor disponibilidad posible, pero es aceptable que el rendimiento disminuya durante las pruebas.

Aquí está la salida de smartctl -a /dev/sda:

smartctl 5.41 2011-06-09 r3365 [x86_64-linux-3.2.0-4-amd64] (local build)
Copyright (C) 2002-11 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF INFORMATION SECTION ===
Device Model:     WDC WD30EZRX-00MMMB0
Serial Number:    WD-WMAWZ0412093
LU WWN Device Id: 5 0014ee 2b19fbdcd
Firmware Version: 80.00A80
User Capacity:    3,000,592,982,016 bytes [3.00 TB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Device is:        Not in smartctl database [for details use: -P showall]
ATA Version is:   8
ATA Standard is:  Exact ATA specification draft version not indicated
Local Time is:    Fri Sep 27 15:37:25 2013 CEST
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:        (50280) 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:    (   2) minutes.
Extended self-test routine
recommended polling time:    ( 255) minutes.
Conveyance self-test routine
recommended polling time:    (   5) minutes.
SCT capabilities:          (0x3035) SCT Status 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     0x002f   200   200   051    Pre-fail  Always       -       0
  3 Spin_Up_Time            0x0027   148   148   021    Pre-fail  Always       -       9575
  4 Start_Stop_Count        0x0032   100   100   000    Old_age   Always       -       95
  5 Reallocated_Sector_Ct   0x0033   200   200   140    Pre-fail  Always       -       0
  7 Seek_Error_Rate         0x002e   200   200   000    Old_age   Always       -       0
  9 Power_On_Hours          0x0032   099   099   000    Old_age   Always       -       820
 10 Spin_Retry_Count        0x0032   100   253   000    Old_age   Always       -       0
 11 Calibration_Retry_Count 0x0032   100   253   000    Old_age   Always       -       0
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       93
192 Power-Off_Retract_Count 0x0032   200   200   000    Old_age   Always       -       65
193 Load_Cycle_Count        0x0032   196   196   000    Old_age   Always       -       12824
194 Temperature_Celsius     0x0022   119   116   000    Old_age   Always       -       33
196 Reallocated_Event_Count 0x0032   200   200   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0032   200   200   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0030   200   200   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x0032   200   200   000    Old_age   Always       -       0
200 Multi_Zone_Error_Rate   0x0008   200   200   000    Old_age   Offline      -       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%       787         -
# 2  Extended offline    Completed without error       00%       727         -

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.

Parece que las pruebas fuera de línea son compatibles. Cuando emito smartctl -o on, smartctl -cmuestra que Offline data collection statusse ha establecido en (0x82). Si emito smartctl -o offel mismo valor se convierte (0x02).

He creado smartd para poner en marcha con el servidor mediante el establecimiento start_smartd=yesde /etc/default/smartmontools. ¿Cómo recomendaría que configure smartd editando /etc/smartd.confpara este servidor? Describa cada parámetro que usa y por qué lo usa de la manera que lo hace.

Agregaré mi configuración actual como respuesta. Siéntase libre de usarlo como base y mejorarlo en su propia respuesta. ¡Una mejor descripción usando la misma configuración también sería una mejora!

software-raid mdadm raid1 smart
fuente
Todavía no puedo publicar mi respuesta, debido a mi baja reputación (1).
El repuesto dinámico con RAID 1 es extraño, mdadm puede abarcar fácilmente RAID 1 en tres discos, proporcionando una redundancia real de tres vías y un mayor rendimiento de lectura.
frostschutz
Originalmente pretendía usar RAID 5, que es la razón por la que compré tres unidades. Pero luego aprendí que la compilación en "fakeraid" es una mala opción y también aprendí que RAID 5 para mi caso de uso probablemente también sea una mala idea. No creo que su sugerencia sea una buena opción, ya que creo que el rendimiento de escritura se verá afectado (incluso más) con tres unidades activas. Y un repuesto dinámico no es extraño, si una unidad muere, se activará, lo encuentro útil.
Esperaré una o dos semanas y veré qué respuesta recibe más votos, ya que me gustaría tener eso en cuenta cuando marque mi respuesta.

Respuestas:

5

Hemos configurado todos nuestros servidores para ejecutar autocomprobaciones regulares con la siguiente línea en /etc/smartd.conf:

# DEVICESCAN matches all hard disks found in /dev/ and applies the following
# options to them.
#
# Default options from Debian:
# -d removable     don't exit when the device when a device vanishes
# -n standby       don't wake a device up that is sleeping
# -m root          send error reports to root
# -M exec ...      pipe the mail through that script
#
# Our options:
# -s L/../02/./17  run a long selftest on every 2nd of every month
#                  at 17 o'clock
DEVICESCAN -d removable -n standby -m root -M exec /usr/share/smartmontools/smartd-runner -s L/../02/./17

Las pruebas automáticas son IMO, el tipo de verificación de salud más confiable que ofrece SMART.

EDITAR:

¿Podría explicar qué -d removablehace?

De man smartd.conf:

          removable - the device or its media is  removable.   This  indi‐
          cates  to  smartd  that  it should continue (instead of exiting,
          which is the default behavior) if the device does not appear  to
          be  present  when smartd is started.  This Directive may be used
          in conjunction with the other ´-d´ Directives.

¿Supongo que evita smartdmorir cuando uno de los discos monitoreados desaparece ...? No estoy seguro, acabo de agregar la -s L/../02/./17parte a esa línea. La linea original:

DEVICESCAN -d removable -n standby -m root -M exec /usr/share/smartmontools/smartd-runner

es el valor predeterminado de Debian.

Martin von Wittich
fuente
3

Cambié de largos autoexámenes a select,contpruebas. Es como la autocomprobación larga, pero solo una porción de disco a la vez. Por lo tanto, si bien la autocomprobación larga puede llevar más de un día (con un disco de 3 TB de otro modo ocupado), la prueba selectiva puede ejecutarse todas las noches cuando el servidor está menos ocupado y realmente termina, sin dañar el rendimiento en las horas más ocupadas.

Entonces, básicamente, distribuiría una autoevaluación larga mensual de todo el disco, a una prueba selectiva nocturna que todavía cubre todo el disco en el transcurso de un mes.

Sin embargo, requiere algo de preparación.

  • smartddebe ejecutarse con la --savestatesopción ya que los discos en sí mismos generalmente no realizan un seguimiento de la última región probada.
  • Debe iniciar la primera autoevaluación selectiva de forma manual ( -t select,0-$size) para smartdsaber el tamaño de la porción a probar cada día. El tamaño determina cuánto tiempo llevará la prueba y cuántos días abarcará todo el disco.
  • Asegúrese de que el tamaño de $ que elija se alinee con el tamaño del disco. De lo contrario, corre el riesgo de que el último segmento sea muy pequeño (en el peor de los casos, desperdicia un día probando solo un sector del disco).
  • Debe verificar que esta información realmente llegó a los archivos savestates, ya que a veces no lo hace, y luego la prueba no se ejecutará de la manera que desea. (Editar el archivo savestate directamente también es una opción).
  • La sintaxis del smartd.confarchivo es -s c/../.././01(en este ejemplo, se ejecutaría todos los días a la 1 a.m.).

Una vez hecho esto, sin embargo, el proceso es automático y confiable. Una vez que llegue al final del disco, comenzará automáticamente al comienzo del día siguiente. Lea la página de smartctlmanual sobre select,contpruebas.

Si bien las pruebas largas o selectivas son excelentes, probablemente aún debería realizar las pruebas de evaluación cortas o generales. Solo toman muy poco tiempo y pueden ayudar a detectar problemas generales.

Frostschutz
fuente
Me gusta tu idea con las select,contpruebas. Tendré que profundizar un poco en eso. SMART informa que mi autocomprobación larga tomará 14 horas, y eso sin ninguna carga en el disco.
2

Usualmente uso esta simple verificación que se define por unidad y no globalmente por sistema (con DEVICESCANopción): estoy interesado en el estado general de salud SMART y si hay reasignación de sectores pendientes y sectores defectuosos desde la última prueba SMART. Cualquier evento sospechoso se envía por correo a mi dirección general inteligente:

/dev/sda -H -C 0 -U 0 -m [email protected]

En algunos sistemas, he definido ejecutar automáticamente las pruebas automáticas SMART en fechas específicas. Esta especificación define ejecutar una prueba larga en dos unidades cada domingo después de la medianoche (pero no a la misma hora, entre la medianoche y la 1 a.m. y luego a partir de las 2 a.m.):

/dev/sda -a -s L/../../7/00 -m [email protected]
/dev/sdb -a -s L/../../7/02 -m [email protected]
dsmsk80
fuente
2 
# DEVICESCAN      For all disks with SMART capabilities.
#
# -o off          Turn off automatic running of offline tests. An offline test
#                 is a test which may degrade performance.
#
# -n standby      Do not spin up the disk for the periodic 30 minute (default)
#                 SMART status polling, instead wait until the disk is active
#                 again and poll it then.
#
# -W 2            Report temperature changes of at least 2 degrees celsius since
#                 the last reading. Also report if a new min/max temperature is
#                 detected.
#
# -S on           Auto save attributes such as how long the disk has been powered
#                 on, min and max disk temperature.
#
# -s (L/../.[02468]/1/04|S/../.[13579]/1/04)
#     '-------a--------' '--------b-------'
#
#                 a: Long test on    even monday mornings at 04:00
#                 b: Short test on uneven monday mornings at 04:00

DEVICESCAN -o off -n standby -W 2 -S on -s (L/../.[02468]/1/04|S/../.[13579]/1/04)

fuente