Solución de problemas, administración y supervisión de errores de disco duro en medio

Introducción

Este documento describe diferentes tipos de errores de disco, cómo clasificarlos y las herramientas que puede utilizar para identificarlos.

Prerequisites 

Requirements

No hay requisitos específicos para este documento.

Componentes Utilizados

  

La información de este documento se basa en discos duros de Unified Computing System (UCS).

  

The information in this document was created from the devices in a specific lab environment. All of the devices used in this document started with a cleared (default) configuration. If your network is live, make sure that you understand the potential impact of any command.

Antecedentes

El documento también describe la función del controlador de disco duro (HDD) y matriz redundante de discos independientes (RAID) cuando se identifican errores de medio en las unidades.

Nota: Los errores medios también se denominan errores de medios

Gestión de errores medios de HDD

¿Qué causa los errores de medios HDD?

La causa más común de errores medios es la escasa amplitud de la señal que se traduce en

• Dirección de bus lógico (LBA) no fiable, ubicación de lectura. A veces recuperable con varios reintentos.
• Condiciones transitorias, escrituras altas de mosca causadas por partículas blandas.
• Condiciones transitorias causadas por descargas temporales, vibraciones o eventos acústicos que resultan en escrituras fuera de pista.
• Función de mapa de errores deficiente en la fabricación de HDD que resulta en relleno de las ubicaciones de defecto principales actuales.

 ¿Cómo detecta el disco duro el error medio? 

   Paso 1.El disco duro realiza periódicamente análisis de medios en segundo plano para detectar errores.

   Paso 2. El disco duro intenta leer los medios y, por alguna razón, no puede recuperar los datos escritos.

   Paso 3. Cuando el disco duro no puede recuperar los datos que se escribieron, invoca el código de recuperación del disco duro que intentará varios pasos de recuperación de errores para leer correctamente los datos de los medios.

   Paso 4. Si todos los pasos de recuperación fallan, la unidad generará un error 03/11/0x al host y los LBA se colocarán en la lista de defectos pendientes.

¿Cómo detecta el controlador Raid errores de medios?

• El controlador RAID se enfrentará a errores medios mientras se realizan las reparaciones de Patrulla, las verificaciones de consistencia, las lecturas normales, las recompilaciones y las operaciones de lectura/modificación/escritura.
• Según la configuración RAID, el controlador puede manejar el error medio informado por el disco duro y no se requerirá ninguna acción adicional.
• En algunos casos, el controlador no podrá manejar el error medio y pasará el error al host para manejar el error.

¿Cuándo detecta el sistema operativo (SO) errores medios?

• Si el disco duro informa de un error medio y el controlador RAID no puede manejar la recuperación, se notificará al host del error.
• Esta notificación ya no es sólo un mensaje de advertencia que informaría al sistema de que se ha producido el evento, sino una solicitud para que el SO actúe porque el disco duro y el controlador RAID no pudieron recuperarse del error medio.
• Si el sistema operativo tiene el contexto necesario para resolver correctamente el error medio, debe ser manejado por el sistema operativo
• Si los discos se encuentran en Just a Bunch Of Disk (JBOD) (Sólo un paquete de discos), el sistema operativo verá errores, ya que no los corrige el controlador. Esto es común en entornos HyperFlex (HX)/Virtual Storage Area Network (VSAN).

Función HDD

Nivel de disco duro Grown Dect (G-list)

Mientras una unidad está en funcionamiento, la cabeza puede encontrarse con un sector con un nivel de lectura magnética debilitado. Los datos siguen siendo legibles, pero pueden estar por debajo del umbral preferido para los niveles de lectura de sectores óptimos cualificados. Esta unidad de disco consideraría que se trata de un sector que podría y ahorraría estos datos a una nueva ubicación disponible en la lista de reservas buenas conocidas. Una vez que se mueven los datos, la dirección del sector anterior se agrega a la lista Grown DERect, para no volver a utilizarse nunca. Este proceso es un error de medios recuperable. La unidad dará un disparador SMART una vez que se agote la mayoría de sus sectores de repuesto de bien conocido.

Función de controlador RAID

Patrulla leída

• Patrol Read es una opción definida por el usuario que realiza lecturas de unidad en el fondo y mapea cualquier área defectuosa de la unidad.
• Patrol Read verifica si hay errores físicos en el disco que podrían conducir a una falla en la unidad. Estos controles suelen incluir un intento de tomar medidas correctivas. La lectura de la patrulla se puede activar o desactivar con activación automática o manual.
• Una Lectura de Patrulla verifica periódicamente todos los sectores de discos físicos que están conectados a un controlador, que incluyen el área reservada del sistema en las unidades configuradas RAID. Patrol Read funciona para todos los niveles RAID y todas las unidades de recambio activas.
• Este proceso comienza sólo cuando el controlador RAID está inactivo durante un período de tiempo definido y no hay otras tareas en segundo plano activas, aunque puede seguir ejecutándose al mismo tiempo que los procesos de entrada/salida pesados (E/S).
• No puede realizar lecturas de patrulla en unidades configuradas en JBOD.

Nota: Latent Semantic Indexing (LSI) recomienda que deje la frecuencia de lectura de la patrulla y otras configuraciones de lectura de patrulla en los valores predeterminados para lograr el mejor rendimiento del sistema. Si decide cambiar los valores, registre el valor predeterminado original aquí para que pueda restaurarlos más tarde.

Nota: Patrol Read no informa sobre su progreso a medida que se ejecuta. El estado de lectura de la patrulla se informa sólo en el registro de eventos.

Las opciones de Patrol Read son como se muestra en la imagen:

Ejemplos de MegaCli

Para ver información sobre el estado de lectura de la patrulla y el retraso entre patrullas, lea:
# MegaCli64 -AdpPR -Info -aALL

Para averiguar la tasa de lectura de la patrulla actual, ejecute:
# MegaCli64 -AdpGetProp PatrolReadRate -aALL

Para desactivar la patrulla automática, lea:
# MegaCli64 -AdpPR -Dsbl -aALL

Para habilitar la patrulla automática, lea:
#MegaCli64 -AdpPR -EnblAuto -aALL

Para iniciar una patrulla manual, lea escanear:
# MegaCli64 -AdpPR -Start -aALL

Para detener una patrulla lea escanear:
# MegaCli64 -AdpPR -Stop -aALL

Comprobación de coherencia

• En RAID, la Verificación de consistencia verifica la exactitud de los datos redundantes en una matriz. Por ejemplo, en un sistema con paridad, verificar los medios de consistencia para calcular la paridad de las unidades de datos y comparar los resultados con el contenido de la unidad de paridad.
• JBOD no admite la comprobación de coherencia.
• RAID 0 no admite verificación de consistencia.
• RAID 1 utiliza una comparación de datos, no una paridad.
• RAID 6 calcula la paridad para 2 unidades de paridad y verifica ambas.

Nota: Se recomienda realizar una comprobación de consistencia al menos una vez al mes.

Las opciones de administración de la verificación de coherencia son las que se muestran en la imagen:

Las opciones de programación de la verificación de coherencia son las que se muestran en la imagen:

Ejemplos de MegaCli

Para ver la siguiente hora programada de Comprobación de coherencia:
#MegaCli64 -AdpCcSched -Info -aALL

Para cambiar la hora de verificación de coherencia programada:
#MegaCli64 -AdpCCSched -SetSTartTime 20171028 02 -aALL

Para desactivar la verificación de coherencia:
#MegaCli64 -AdpCcSched -Dsbl -aALL

Condiciones cuando un controlador RAID no puede reparar un error medio

• En JBOD
  • El sistema operativo del host es responsable de los errores de medio.

• En RAID 0
  • No hay redundancia, por lo que el controlador no puede proporcionar al disco duro los datos para escribir en el LBA.
• En RAID 1
  • Cuando el controlador no puede determinar qué copia duplicada contiene los datos correctos. Esto sólo ocurrirá si se pueden leer ambos LBA, pero los datos no coinciden.
• RAID 5
  • Si hay 2 o más errores en la misma cadena. Lo más probable es que ocurra cuando se inicia una reconstrucción de una matriz. La unidad que se reconstruye es un error, y un error medio en cualquier otra reconstrucción de unidad sería el segundo error. El controlador no podría reconstruir los datos necesarios para reconstruir el LBA en la unidad de reemplazo.
• RAID 6 
  • Si hay 3 o más errores en la misma cadena. Lo más probable es que ocurra cuando se reconstruya una matriz. La unidad que se reconstruye es un error, y un error medio en otras dos unidades mientras la reconstrucción está en curso serían errores segundo y tercero, o un error medio y una falla de segunda unidad. El controlador no podría reconstruir los datos necesarios para reconstruir los LBA en las unidades con los errores.

Información Relacionada

• Guía del usuario del software MegaRaid® SAS
• Soporte Técnico y Documentación - Cisco Systems