Como solucionar problemas da minha matriz RAID?

8

Acabei de fazer check-in no meu array RAID hoje de manhã e o que recebi é:

$ 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>
$

O que, acredito, significa que um disco do meu array está morto, isso é verdade?

Como faço para solucionar problemas no futuro? Minha /etc/mdadm/mdadm.confaparência é:

$ 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

Como descubro qual unidade física está quebrada e precisa ser substituída?

obrigado

EDIT1

# 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 que isso diria Failed Devices : 0?

EDIT2
Abrindo o Gparted, posso ver os dois, /dev/sdbe /dev/sdcquais foram meus dois RAIDdiscos. No entanto, o mdadm acha /dev.sdbque foi removido por algum motivo ... isso é estranho. Eu tentei montar uma partição em `` / dev / sdb` e consegui o seguinte

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

que parece tudo co-correto. Como recupero meu array RAID?

EDIT 3

Corri smartctl -a /dev/sdce smartctl -a /dev/sdb, eu também fiz badblocks /dev/sdce badblocks /dev/sdbe enquanto sdcparece 100% limpo, sdbvoltou alguns blocos danificados:

# badblocks /dev/sdb
16130668
16130669
16130670
16130671

Isso seria potencialmente a causa da falha que estou vendo? Qualquer maneira de reparar / ignorar esses blocos defeituosos ou devo substituir a unidade?

EDIT 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.

#

EDIT 5

Percebi que depois de desconectar /dev/sdb, o anterior /dev/sdcé agora /dev/sdb. Confirmei smartctl -a /dev/sdbque o número de série mudou após a inicialização com o disco defeituoso desconectado. Não tenho sorte e a unidade está fora da garantia , portanto, adquirirei uma nova unidade de reposição.

raid mdadm stdcerr
fonte
FYI: Você deve ver [UU] como um espelho saudável, não [U_]. Como você pensou, isso significa que um de seus espelhos está faltando. A sugestão de @ Halfgaar é a melhor.
Tim S.
mdadm --manage ... --add ...Reeditando 6, você fez o que Halfgaar sugeriu?
MadHatter
2
Uma das principais coisas dos sites do Stack Exchange é que eles não são fóruns e não existem threads. Você fez uma pergunta, ela foi respondida. Se você tiver mais perguntas (relacionadas), faça-as como novas e, se aplicável, faça referência ao original. Antes de fazer isso, talvez você queira pesquisar no site.
precisa saber é o seguinte

Respostas:

11

Como não vê a unidade quebrada (marcada com F) na saída de cat /proc/mdstat, você inicializou o servidor desde que a matriz foi degradada.

Você pode obter informações com mdadm --detail /dev/md0. Isso provavelmente lhe dirá qual outra unidade deve estar nela.

Para responder à sua edição:

Eu analisaria /dev/sdbprimeiro. Use smartctl -apara verificar (especialmente) a contagem do setor realocado e o log de erros. Faça um autoteste com smartctl -t long /dev/sdb. Uso badblocksetc.

Então:

  • Se você substituir /dev/sdb, copie a tabela de partição de /dev/sdc. Se eles não são GPT, você pode usar sfdisk -d /dev/sdc | sfdisk /dev/sdb. Ou, se forem GPT, você pode usar gdiskpara salvar a tabela de partição em arquivo e carregá-la. Está oculto sob funções avançadas.
  • Algo geral a considerar: se a sua (nova) unidade tiver setores de 4k, verifique se as partições estão alinhadas em 4k .
  • Se você for adicionar novamente o seu existente /dev/sdb, convém executar mdadm --zero-superblockem todas as partições existentes.
  • Então você pode mdadm --manage /dev/md0 --add /dev/sdb6e o mesmo para md1esdb7

Escusado será dizer que alguns comandos apagam seus dados se você misturar suas unidades. Então, tenha certeza do que é sdce sdb...

Edit: about bad blocks: se alguma ferramenta de nível de software vê badblocks, a unidade é interrompida. Normalmente, os discos os ocultam realocando-os de forma transparente após a gravação. Google para 'realocação do setor de disco rígido'. Sua smartctl -asaída deve mostrar setores realocados para sdb. Então, sim, você sdbfoi expulso da matriz e você precisa substituí-la.

Edit: sobre a smartctl -asaída. Existem duas coisas que são de importância primária:

  • Mostra 60 setores realocados. Embora o valor normalizado ainda seja 99 e oficialmente seria "ruim" se atingisse 36 (contagem regressiva), você não deve confiar em discos que iniciem a realocação de setores. Então, especialmente se esse valor começar a mudar, o valor bruto, é importante. Você pode até configurar smartdpara monitorá-lo para você.
  • O log de erros mostra entradas com 42372 horas de idade. Você pode dizer que era recente, por causa do parâmetro 9 (no seu caso) Power on hours,. Existem coisas inofensivas que podem causar entradas de log de erros SMART, como fornecer comandos ATA incorretos, mas nesse caso, porque você tem uma matriz degradada, é provável que estejam relacionadas.

Quanto à determinação de qual disco está no seu sistema; por exemplo, fazer dmesg |grep -i sdbajudará. Você provavelmente possui três discos em seu sistema e sdbé aquele no seu segundo controlador SATA, que pode ser nomeado 1 ou 2, dependendo se é baseado em zero ou baseado em um.

Como você provavelmente inicializa sda, basta substituir sdbe executar as operações descritas acima. Se sua unidade de inicialização estiver danificada, você espera que tenha:

  • Grub instalado nos outros discos também.
  • Tenha um servidor que possa realmente inicializar a partir de outro disco.

No outro dia, com um servidor Dell, ele não queria começar sdbquando havia um espaço sdaem branco nele. Isso levou algum convencimento e improvisação.

Às vezes, você precisa traduzir nomes como nomes ata1.01de dispositivos reais. Por exemplo, discos com falha fornecerão erros do kernel dizendo 'exceção ATA no ata1.01' ou palavras para esse efeito. Leia esta resposta para isso. (Eu configurei nosso sistema de registro central para me avisar sobre esses erros do kernel, porque eles são uma indicação confiável de falha de disco pendente).

Halfgaar
fonte
Também EDIT2 adicionado agora
stdcerr 22/09/15
1
@cerr Eu edito a resposta explicando como analisar a situação.
Halfgaar 22/09/15
1
@cerr Comentei sobre a sua descoberta de bad blocks.
Halfgaar
1
@cerr eu editei para dar algumas dicas sobre a smartctlsaída.
Halfgaar 27/09/15
1
@cerr Isso já está na minha resposta, sobre o--add
Halfgaar