LINUX.ORG.RU
Форум — Admin  

Помирает ШДД?

 , ,


0

2

Есть рейд на btrfs.

Вот уже второй раз подряд в конце месяца btrfs scrub находит ошибки.

root-> btrfs scrub status /mnt/data/
UUID:             b708d227-94b9-4284-8c91-f72b844e5c01
Scrub started:    Wed Mar  1 00:00:02 2023
Status:           finished
Duration:         26:04:26
Total to scrub:   1.30TiB
Rate:             18.57MiB/s
Error summary:    read=82 csum=328
  Corrected:      318
  Uncorrectable:  92
  Unverified:     0

Часть лога с исправлениями ошибок с dmesg выглядит так:

мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279647932416 on dev /dev/sdb1
мар 01 11:48:53 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279648849920 on dev /dev/sdb1, physical 287078023168, root 259, inode 40947, offset 1125027840, length 4096, links 1 (path: DELETED)
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1924, gen 0
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279648849920 on dev /dev/sdb1
мар 01 11:48:53 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279649243136 on dev /dev/sdb1, physical 287078154240, root 259, inode 40947, offset 1125421056, length 4096, links 1 (path: DELETED)
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1925, gen 0
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279646228480 on dev /dev/sdb1
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279646621696 on dev /dev/sdb1
мар 01 11:48:53 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279651471360 on dev /dev/sdb1, physical 287078678528, root 259, inode 40947, offset 1127649280, length 4096, links 1 (path: DELETED)
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1926, gen 0
мар 01 11:48:53 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279651864576 on dev /dev/sdb1, physical 287078809600, root 259, inode 40947, offset 1128042496, length 4096, links 1 (path: DELETED)
мар 01 11:48:53 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1927, gen 0
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279644000256 on dev /dev/sdb1
мар 01 11:48:56 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279653175296 on dev /dev/sdb1, physical 287079137280, root 259, inode 40947, offset 1129353216, length 4096, links 1 (path: DELETED)
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1928, gen 0
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279649243136 on dev /dev/sdb1
мар 01 11:48:56 Nout-arch kernel: BTRFS warning (device sdd1): checksum error at logical 3279655403520 on dev /dev/sdb1, physical 287079661568, root 259, inode 40947, offset 1131581440, length 4096, links 1 (path: DELETED)
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): bdev /dev/sdb1 errs: wr 954, rd 2, flush 10, corrupt 1929, gen 0
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279651471360 on dev /dev/sdb1
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279651864576 on dev /dev/sdb1
мар 01 11:48:56 Nout-arch kernel: BTRFS error (device sdd1): fixed up error at logical 3279643607040 on dev /dev/sdb1

Это сморт жесткого на котором как я понмаю ошибки как раз и устраняются.

root-> smartctl -a /dev/sdb
smartctl 7.3 2022-02-28 r5338 [x86_64-linux-6.1.7-arch1-1] (local build)
Copyright (C) 2002-22, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family:     Seagate Laptop SSHD
Device Model:     ST500LM000-1EJ162-SSHD
Serial Number:    W767QNQ1
LU WWN Device Id: 5 000c50 0a8105542
Firmware Version: HPRE
User Capacity:    500 107 862 016 bytes [500 GB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Rotation Rate:    5400 rpm
Form Factor:      2.5 inches
Device is:        In smartctl database 7.3/5319
ATA Version is:   ACS-2, ACS-3 T13/2161-D revision 3b
SATA Version is:  SATA 3.1, 6.0 Gb/s (current: 1.5 Gb/s)
Local Time is:    Thu Mar  2 09:35:17 2023 +04
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
See vendor-specific Attribute list for marginal Attributes.

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:                (  139) 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:        (   2) minutes.
Extended self-test routine
recommended polling time:        (  98) minutes.
SCT capabilities:              (0x10b5) SCT Status 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     0x002f   117   099   006    Pre-fail  Always       -       160178920
  3 Spin_Up_Time            0x0023   099   098   000    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0032   099   099   020    Old_age   Always       -       1635
  5 Reallocated_Sector_Ct   0x0033   100   100   036    Pre-fail  Always       -       0
  7 Seek_Error_Rate         0x002f   085   060   030    Pre-fail  Always       -       4654492186
  9 Power_On_Hours          0x0032   079   079   000    Old_age   Always       -       18526
 10 Spin_Retry_Count        0x0033   100   100   097    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   099   099   020    Old_age   Always       -       1921
180 Unknown_HDD_Attribute   0x002a   100   100   000    Old_age   Always       -       1208530616
183 Runtime_Bad_Block       0x0032   100   100   000    Old_age   Always       -       0
184 End-to-End_Error        0x0033   100   100   097    Pre-fail  Always       -       0
187 Reported_Uncorrect      0x0032   091   091   000    Old_age   Always       -       9
188 Command_Timeout         0x0032   100   099   000    Old_age   Always       -       4
189 High_Fly_Writes         0x003a   100   100   000    Old_age   Always       -       0
190 Airflow_Temperature_Cel 0x0022   073   044   045    Old_age   Always   In_the_past 27 (0 3 30 26 0)
191 G-Sense_Error_Rate      0x0032   100   100   000    Old_age   Always       -       0
192 Power-Off_Retract_Count 0x0032   100   100   000    Old_age   Always       -       238
193 Load_Cycle_Count        0x0032   093   093   000    Old_age   Always       -       15924
194 Temperature_Celsius     0x0022   027   056   000    Old_age   Always       -       27 (0 11 0 0 0)
196 Reallocated_Event_Count 0x0032   100   100   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0032   100   100   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0030   100   100   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x0032   200   200   000    Old_age   Always       -       0
254 Free_Fall_Sensor        0x0032   100   100   000    Old_age   Always       -       0

SMART Error Log Version: 1
ATA Error Count: 9 (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 9 occurred at disk power-on lifetime: 18512 hours (771 days + 8 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 ff ff ff 0f  Error: UNC at LBA = 0x0fffffff = 268435455

  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 ff ff ff 4f 00      04:33:36.332  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:33:36.332  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:33:36.329  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:33:36.328  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:33:36.328  READ FPDMA QUEUED

Error 8 occurred at disk power-on lifetime: 18512 hours (771 days + 8 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 ff ff ff 0f  Error: UNC at LBA = 0x0fffffff = 268435455

  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 ff ff ff 4f 00      04:33:31.584  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:33:31.584  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:33:31.584  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:33:31.584  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:33:31.584  READ FPDMA QUEUED

Error 7 occurred at disk power-on lifetime: 18512 hours (771 days + 8 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 ff ff ff 0f  Error: UNC at LBA = 0x0fffffff = 268435455

  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 ff ff ff 4f 00      04:31:22.647  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:22.549  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:22.545  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:31:22.147  READ FPDMA QUEUED
  60 00 08 ff ff ff 4f 00      04:31:22.147  READ FPDMA QUEUED

Error 6 occurred at disk power-on lifetime: 18512 hours (771 days + 8 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 ff ff ff 0f  Error: UNC at LBA = 0x0fffffff = 268435455

  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 ff ff ff 4f 00      04:31:16.868  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:16.854  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:16.854  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:16.854  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      04:31:16.854  READ FPDMA QUEUED

Error 5 occurred at disk power-on lifetime: 18504 hours (771 days + 0 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 ff ff ff 0f  Error: UNC at LBA = 0x0fffffff = 268435455

  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 ff ff ff 4f 00      03:20:36.268  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      03:20:36.268  READ FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      03:20:36.264  READ FPDMA QUEUED
  61 00 80 ff ff ff 4f 00      03:20:36.247  WRITE FPDMA QUEUED
  60 00 80 ff ff ff 4f 00      03:20:36.238  READ FPDMA QUEUED

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%     17936         -
# 2  Short offline       Completed without error       00%     16098         -
# 3  Extended offline    Completed without error       00%     14048         -
# 4  Extended offline    Completed without error       00%     11898         -
# 5  Extended offline    Completed without error       00%     11068         -
# 6  Short offline       Completed without error       00%         9         -

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.

Правильно ли я понимаю что по логу можно предположить что проблема в диске sdb? Ошибки в смарте этого диска и большое значение атрибута 7 Seek_Error_Rate это подтверждают?

Впервые сталкиваюсь стаким отказом жесткого. До этого все случаи были связаны с банальными битыми секторами. Но тут такого не наблюдается.

★★★★★

Последнее исправление: Behem0th (всего исправлений: 1)
Ответ на: комментарий от Black_Shadow

Ты так считаешь из-за атрибута 7 Seek_Error_Rate и ошибок в смарте? Или есть еще какие то признаки? Хочется знать на будущее.

Behem0th ★★★★★
() автор топика

Это же SSHD. Т.е. hdd со встроенной NAND flash memory для кеширования. Интересно, если эта память «протрётся», что будет?

А неприятный атрибут это

187 Reported_Uncorrect      0x0032   091   091   000    Old_age   Always       -       9
greenman ★★★★★
()
Последнее исправление: greenman (всего исправлений: 1)

Оперативную память проверь. У меня как-то было, что на фс возникали ошибки периодически, тоже думал на диск. Оказалось, память. Ичсх, больше ничего не глючило, и даже memtest86+ ошибок не находил, пришлось проприетарный goldmem запускать.

Khnazile ★★★★★
()
Ответ на: комментарий от Khnazile

Сервак подкроватный собранный из всякого хлама и не стоит наверное такую версию отбрасывать. Но почему из 6ти дисков (5 в рейде и один под систему) проблемы каждый раз на одном и том же диске?

Behem0th ★★★★★
() автор топика

7 Seek_Error_Rate ... 4654492186 - 1 ошибка на 359524890 операций.

А ещё Airflow_Temperature_Cel и Temperature_Celsius говорят, что был перегрев серьёзный в 56 градусов.

vvn_black ★★★★★
()
Последнее исправление: vvn_black (всего исправлений: 2)
Ответ на: комментарий от vvn_black

Так-то Old_age говорит, что производители не считают значения это атрибута критическими.

Мало ли, что они считают.

Black_Shadow ★★★★★
()

Помирает ШДД?

Есть рейд на btrfs.

Дальше можно не читать. ☺

mord0d ★★★★★
()
Ответ на: комментарий от vvn_black

vvn_black 7 Seek_Error_Rate ... 4654492186 - 1 ошибка на 359524890 операций.

Black_Shadow И в логах соответствующие записи.

Как я понял ошибки есть но их мало, намного меньше чем ошибок при проверке рейда.

Behem0th ★★★★★
() автор топика
Ответ на: комментарий от Behem0th

Ещё раз. У тебя дохлый диск. Это может быть не единственной проблемой, но диск точно дохлый.

Black_Shadow ★★★★★
()
Ответ на: комментарий от Khnazile

Такая же фигня была на ThinkPad’е - даже писал в гарантию им. Они посмотрели логи и сказали - все отлично с диском, память приедет наш инженер и заменит. Приехал. Заменил. Прошло 6 лет - живы и память и диск.

Suntechnic ★★★★★
()
Ответ на: комментарий от Suntechnic

Скажи, а не скрутил ли ты SATA кабели в красивые спиральки?

А какое отношение имеют кабели к атрибуту 187 Reported_Uncorrect?

Black_Shadow ★★★★★
()
Ответ на: комментарий от Black_Shadow

Шесть лет прошло. И я помню что примерно это было. В данном случае конечно странно что на одном и значит вряд ли это память.

Suntechnic ★★★★★
()
Ответ на: комментарий от Suntechnic

Что примерно? Примерно бэды? Не надо говорить ерунду, это у всех производителей является гарантийным случаем.

Black_Shadow ★★★★★
()
Ответ на: комментарий от Suntechnic

Нет. Кабели свободно висят, даже в пучек особо не собраны.

Behem0th ★★★★★
() автор топика

Ну так RAID же… У меня диски в таком массиве не раз помирали с такими же логами. Дерни его, загрузись в degraded и посмотри. Ошибка ушла, значит он. Заменишь, сделаешь балансировку массива и живи дальше, пока следующий не сдохнет. Причем один раз была ситуация, когда SMART на неисправном диске утверждал, что вообще все хорошо. Только империческим путем удалось понять он пиз.., врет.

torm7 ★
()
Последнее исправление: torm7 (всего исправлений: 1)
Ответ на: комментарий от Black_Shadow

Слишком далеко идущие выводы для такого малого значения. 9 событий неуспешного чтения сектора за все время жизни диска это ни о чем. Даже current pending по нулям.

Khnazile ★★★★★
()
Ответ на: комментарий от Black_Shadow

Это займет какое то время. Пару суток.

Behem0th ★★★★★
() автор топика
Ответ на: комментарий от Black_Shadow

Да, хочу. Я их не вижу в smart. Ошибка ecc != неустранимое повреждение сектора. Мало ли из-за данные могли оказаться записаны неправильно, пропадание питания, например. Атрибуты 196-198 по нулям.

Khnazile ★★★★★
()
Ответ на: комментарий от Khnazile

Я нигде не говорил про ошибки в ecc. На атрибуты 196-198 можно будет смотреть только после прохождения теста, сейчас они не отражают действительность.

Black_Shadow ★★★★★
()
Ответ на: комментарий от vvn_black

Это любая ошибка, приводящая к невозможности чтения информации с поверхности. Например, повреждение головки тоже будет выглядеть как ошибки UNC.

Black_Shadow ★★★★★
()
Последнее исправление: Black_Shadow (всего исправлений: 2)

Не слушай идиотов, smart анализировать не умеют а выводы делают, с диском наверняка всё в поряде. Для надёжности можно вику погонять или смарттест запустить.

erfea ★★★★★
()
Ответ на: комментарий от Black_Shadow

На атрибуты 196-198 можно будет смотреть только после прохождения теста, сейчас они не отражают действительность.

Враньё. Они появляются после обращения к косячным блокам. Что должно было произойти после btrfs scrub.

erfea ★★★★★
()
Ответ на: комментарий от erfea

smart анализировать не умеют

Смарт анализировать такое себе, тем более делать окончательные выводы о здоровье диска, по смарту можно только гадать.

vvn_black ★★★★★
()
Ответ на: комментарий от erfea

Есть претензия. На диске 9 неуспешных ошибок чтения. Их не должно быть на исправном диске. И ты кого-то тут называешь идиотом.

Black_Shadow ★★★★★
()
Ответ на: комментарий от erfea

Враньё. Они появляются после обращения к косячным блокам. Что должно было произойти после btrfs scrub.

Нет. Например 196 вообще никогда не инкрементируется при операциях чтения. И если бы ты хоть немного разбирался в вопросе, ты бы это знал.

Black_Shadow ★★★★★
()
Последнее исправление: Black_Shadow (всего исправлений: 1)
Ответ на: комментарий от Black_Shadow

«Неуспешные ошибки чтения» это что-то что ты придумал. 🤦‍♂️

А ошибки чтения бывают по разным причинам, не зависящим от того считаешь ты их «успешными» или нет.

erfea ★★★★★
()
Ответ на: комментарий от erfea

Я этого и не утверждал. Не позорься боями с соломенными чучелами.

Я предлагаю тебе дождаться результата теста, а не изображать соломенное чучело.

Black_Shadow ★★★★★
()
Ответ на: комментарий от erfea

Попытки чтения конечно, я оговорился. Слабый аргумент.

Black_Shadow ★★★★★
()
Ответ на: комментарий от Black_Shadow

А я тебе предлагаю логику формальную хотя бы учить.

erfea ★★★★★
()
Вы не можете добавлять комментарии в эту тему: топик перемещен в архив.