Dotaz: čištění konektorů

[lertimir]

Začalo se mi rozpadat btrfs RAID 1 pole ze 4 disků. Nejdříve vypadával jeden disk při scrub, tím myslím odpojil se a nebyl viděl mezi /dev/sdx, přičemž lsscsi ho zase iniciovalo a vidět byl. Vyměnil jsem kabel, na krátko to pomohlo, ale jen asi na dva dny. Později se ho přestal detekovat i BIOS. A za krátko se přestal detekovat i další disk, který je zapojen do přídavné karty s 2xSATA. Takže jsem očekával, že problém může být s disky a pořídil náhradní disky a v externí dvoudiskové dokině jsem provedl ddrescue starý nový. Výsledek: Žádná chyba, vše se zkopírovalo na první průjezd. Takže předpokládám, že disky jsou v pořádku a pokud ne tak data mám stejně dvakrát. A díky výměně kabelu je už jediné místo, kde může být problém konektor na motherboardu nebo následné obvody. Jak se konektor dá vyčistit? Mohu do něj kápnout kontaktol?

---

---

Odpovědi

[NN]

Software pro diagnostiku deski neni k dispozici? Konektor muzes vycistit stlacenym vzduchem. Kontaktol pouzit muzes take, pokud je kontakt zoxidovany, nebo viditelne spinavy.

[Pavel 'TIGER' Růžička]

Kontaktolu bych se vyhnul obloukem a použil isopropylalkohol.

[regine2]

Vždy jsme používali alkohol (kdysi se prodával v běžných potravinářský obchodech v malých placatých lahvičkách, kolem 90%), náhražkou je isopropylalkohol. U dostupných konektrů se ještě užívala tvrdá guma, u špatně dostupných seřezaná tvrdá párátka (dřevěná).

Kontaktol použít možná někde na kontaktech silnoproudých nebo u auta.

[pavele]

Isopropylalkohol

[lertimir]

OK. pujdu vzduchem a alkoholem.

[xxl]

Pokud je problém v kontaktech konektoru a ty je prostříkneš kontaktolem, tak pravděpodobně problém vyřešíš... Ale jenom na krátký čas. Pak ti to zrezne tak, že už to nedáš dohromady.

[frr]

Nebyl by dump smartctl -a /dev/ten-muj-disk ? A co říká ovladač v dmesg, v okamžiku kdy kernel kopne disk do zádi? Takhle kdyby byl řetízek operací, které vedly k chybě, a pak kód chyby... bylo by z toho vidět, zda šlo o čtení či zápis, a zda se jednalo o chybu v kabelu nebo uvnitř disku.

Viděl jsem už pár disků, které šly celé přečíst, ale při pokusu o zápis se okamžitě zasmušily.

[lertimir]

Vypadá to, že problém bude skutečně v disku.

smartctl -a /dev/sdi
smartctl 7.0 2018-12-30 r4883 [x86_64-linux-5.3.13-arch1-1] (local build)
Copyright (C) 2002-18, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family:     Western Digital Red
Device Model:     WDC WD40EFRX-68WT0N0
Serial Number:    WD-WCC4E0699883
LU WWN Device Id: 5 0014ee 2099c84f7
Firmware Version: 80.00A80
User Capacity:    4 000 787 030 016 bytes [4,00 TB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Rotation Rate:    5400 rpm
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   ACS-2 (minor revision not indicated)
SATA Version is:  SATA 3.0, 6.0 Gb/s (current: 6.0 Gb/s)
Local Time is:    Thu Nov 28 20:19:14 2019 CET
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:  (0x00) Offline data collection activity
                                        was never started.
                                        Auto Offline Data Collection: Disabled.
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:                (54780) 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:        ( 548) minutes.
Conveyance self-test routine
recommended polling time:        (   5) minutes.
SCT capabilities:              (0x703d) SCT Status supported.
                                        SCT Error Recovery Control 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   173   173   021    Pre-fail  Always       -       8341
  4 Start_Stop_Count        0x0032   100   100   000    Old_age   Always       -       97
  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   100   100   000    Old_age   Always       -       19
 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       -       97
192 Power-Off_Retract_Count 0x0032   200   200   000    Old_age   Always       -       95
193 Load_Cycle_Count        0x0032   200   200   000    Old_age   Always       -       14
194 Temperature_Celsius     0x0022   122   109   000    Old_age   Always       -       30
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   100   253   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x0032   200   200   000    Old_age   Always       -       0
200 Multi_Zone_Error_Rate   0x0008   100   253   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%        19         -

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.

Což sice vypadá hezky, ale je to lež. Nevím jak to ten disk udělal, ale jednak má najeto něco mezi 7-10 tisici hodin. A také projelo mnoho testů. jak short tak long, všechny úspěšně. Po mém dotazu jsem disk vyřadil a dnes se k problému vrátil. (Mám kompresor a tak jsem na konektory pustil tenký paprsek vzduchu asi o 7 barech, což odstraní i dost pevnou špínu) Po vyčištení vzduchem a isopropyl alkoholem úplně všech konektorů jsem systém složil a začínám testovat. Ten výpis jsem dal na to short test. Ted běží long, ale to je do rána. Uvidíme jak to dopadne. Nicméně plán je disk vyřadím z pole, otestuji, pokud bude trochu použitelný, tak na něm budou jen drobnosti z netu, o které je možné kdykoliv přijít.

[lertimir]

Tak nevím, další vývoj je ten, že spolehlivě prošel long test. A nyní jede btrfs scrub nad 9,6 TB RAID 1 polem. Zatím má 2,11 TB se 6 opravenými chybami a nic více což bych klidně připsal na vrub tomu kabelu/konektoru. I nějaký zápis prošel bez chyb (asi 800 fotek do digikamu) Smart je tohle

smartctl -x /dev/sdi
smartctl 7.0 2018-12-30 r4883 [x86_64-linux-5.3.13-arch1-1] (local build)
Copyright (C) 2002-18, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family:     Western Digital Red
Device Model:     WDC WD40EFRX-68WT0N0
Serial Number:    WD-WCC4E0699883
LU WWN Device Id: 5 0014ee 2099c84f7
Firmware Version: 80.00A80
User Capacity:    4 000 787 030 016 bytes [4,00 TB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Rotation Rate:    5400 rpm
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   ACS-2 (minor revision not indicated)
SATA Version is:  SATA 3.0, 6.0 Gb/s (current: 6.0 Gb/s)
Local Time is:    Fri Nov 29 10:14:08 2019 CET
SMART support is: Available - device has SMART capability.
SMART support is: Enabled
AAM feature is:   Unavailable
APM feature is:   Unavailable
Rd look-ahead is: Enabled
Write cache is:   Enabled
DSN feature is:   Unavailable
ATA Security is:  Disabled, NOT FROZEN [SEC1]
Wt Cache Reorder: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status:  (0x00) Offline data collection activity
                                        was never started.
                                        Auto Offline Data Collection: Disabled.
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:                (54780) 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:        ( 548) minutes.
Conveyance self-test routine
recommended polling time:        (   5) minutes.
SCT capabilities:              (0x703d) SCT Status supported.
                                        SCT Error Recovery Control 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          FLAGS    VALUE WORST THRESH FAIL RAW_VALUE
  1 Raw_Read_Error_Rate     POSR-K   200   200   051    -    0
  3 Spin_Up_Time            POS--K   173   173   021    -    8341
  4 Start_Stop_Count        -O--CK   100   100   000    -    97
  5 Reallocated_Sector_Ct   PO--CK   200   200   140    -    0
  7 Seek_Error_Rate         -OSR-K   100   253   000    -    0
  9 Power_On_Hours          -O--CK   100   100   000    -    33
 10 Spin_Retry_Count        -O--CK   100   253   000    -    0
 11 Calibration_Retry_Count -O--CK   100   253   000    -    0
 12 Power_Cycle_Count       -O--CK   100   100   000    -    97
192 Power-Off_Retract_Count -O--CK   200   200   000    -    95
193 Load_Cycle_Count        -O--CK   200   200   000    -    16
194 Temperature_Celsius     -O---K   107   107   000    -    45
196 Reallocated_Event_Count -O--CK   200   200   000    -    0
197 Current_Pending_Sector  -O--CK   200   200   000    -    0
198 Offline_Uncorrectable   ----CK   100   253   000    -    0
199 UDMA_CRC_Error_Count    -O--CK   200   200   000    -    0
200 Multi_Zone_Error_Rate   ---R--   200   200   000    -    0
                            ||||||_ K auto-keep
                            |||||__ C event count
                            ||||___ R error rate
                            |||____ S speed/performance
                            ||_____ O updated online
                            |______ P prefailure warning

General Purpose Log Directory Version 1
SMART           Log Directory Version 1 [multi-sector log support]
Address    Access  R/W   Size  Description
0x00       GPL,SL  R/O      1  Log Directory
0x01           SL  R/O      1  Summary SMART error log
0x02           SL  R/O      5  Comprehensive SMART error log
0x03       GPL     R/O      6  Ext. Comprehensive SMART error log
0x06           SL  R/O      1  SMART self-test log
0x07       GPL     R/O      1  Extended self-test log
0x09           SL  R/W      1  Selective self-test log
0x10       GPL     R/O      1  NCQ Command Error log
0x11       GPL     R/O      1  SATA Phy Event Counters log
0x21       GPL     R/O      1  Write stream error log
0x22       GPL     R/O      1  Read stream error log
0x80-0x9f  GPL,SL  R/W     16  Host vendor specific log
0xa0-0xa7  GPL,SL  VS      16  Device vendor specific log
0xa8-0xb7  GPL,SL  VS       1  Device vendor specific log
0xbd       GPL,SL  VS       1  Device vendor specific log
0xc0       GPL,SL  VS       1  Device vendor specific log
0xc1       GPL     VS      93  Device vendor specific log
0xe0       GPL,SL  R/W      1  SCT Command/Status
0xe1       GPL,SL  R/W      1  SCT Data Transfer

SMART Extended Comprehensive Error Log Version: 1 (6 sectors)
No Errors Logged

SMART Extended Self-test Log Version: 1 (1 sectors)
Num  Test_Description    Status                  Remaining  LifeTime(hours)  LBA_of_first_error
# 1  Extended offline    Completed without error       00%        30         -
# 2  Short offline       Completed without error       00%        19         -

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.

SCT Status Version:                  3
SCT Version (vendor specific):       258 (0x0102)
Device State:                        Active (0)
Current Temperature:                    45 Celsius
Power Cycle Min/Max Temperature:     24/45 Celsius
Lifetime    Min/Max Temperature:     23/45 Celsius
Under/Over Temperature Limit Count:   0/0
Vendor specific:
01 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00
00 00 00 00 00 00 00 00 00 00 00 00 00 00 00 00

SCT Temperature History Version:     2
Temperature Sampling Period:         1 minute
Temperature Logging Interval:        1 minute
Min/Max recommended Temperature:      0/60 Celsius
Min/Max Temperature Limit:           -41/85 Celsius
Temperature History Size (Index):    478 (287)

Index    Estimated Time   Temperature Celsius
 288    2019-11-29 02:17    43  ************************
 ...    ..(134 skipped).    ..  ************************
 423    2019-11-29 04:32    43  ************************
 424    2019-11-29 04:33    42  ***********************
 ...    ..(150 skipped).    ..  ***********************
  97    2019-11-29 07:04    42  ***********************
  98    2019-11-29 07:05    43  ************************
 ...    ..(  4 skipped).    ..  ************************
 103    2019-11-29 07:10    43  ************************
 104    2019-11-29 07:11    42  ***********************
 ...    ..(  3 skipped).    ..  ***********************
 108    2019-11-29 07:15    42  ***********************
 109    2019-11-29 07:16    41  **********************
 ...    ..(  5 skipped).    ..  **********************
 115    2019-11-29 07:22    41  **********************
 116    2019-11-29 07:23    40  *********************
 ...    ..(  8 skipped).    ..  *********************
 125    2019-11-29 07:32    40  *********************
 126    2019-11-29 07:33    39  ********************
 ...    ..( 32 skipped).    ..  ********************
 159    2019-11-29 08:06    39  ********************
 160    2019-11-29 08:07    38  *******************
 ...    ..( 26 skipped).    ..  *******************
 187    2019-11-29 08:34    38  *******************
 188    2019-11-29 08:35    39  ********************
 ...    ..(  4 skipped).    ..  ********************
 193    2019-11-29 08:40    39  ********************
 194    2019-11-29 08:41    40  *********************
 ...    ..(  3 skipped).    ..  *********************
 198    2019-11-29 08:45    40  *********************
 199    2019-11-29 08:46    41  **********************
 ...    ..(  4 skipped).    ..  **********************
 204    2019-11-29 08:51    41  **********************
 205    2019-11-29 08:52    42  ***********************
 ...    ..( 19 skipped).    ..  ***********************
 225    2019-11-29 09:12    42  ***********************
 226    2019-11-29 09:13    43  ************************
 ...    ..( 18 skipped).    ..  ************************
 245    2019-11-29 09:32    43  ************************
 246    2019-11-29 09:33    44  *************************
 ...    ..( 32 skipped).    ..  *************************
 279    2019-11-29 10:06    44  *************************
 280    2019-11-29 10:07    45  **************************
 ...    ..(  6 skipped).    ..  **************************
 287    2019-11-29 10:14    45  **************************

SCT Error Recovery Control:
           Read:     70 (7,0 seconds)
          Write:     70 (7,0 seconds)

Device Statistics (GP/SMART Log 0x04) not supported

Pending Defects log (GP Log 0x0c) not supported

SATA Phy Event Counters (GP Log 0x11)
ID      Size     Value  Description
0x0001  2            0  Command failed due to ICRC error
0x0002  2            0  R_ERR response for data FIS
0x0003  2            0  R_ERR response for device-to-host data FIS
0x0004  2            0  R_ERR response for host-to-device data FIS
0x0005  2            0  R_ERR response for non-data FIS
0x0006  2            0  R_ERR response for device-to-host non-data FIS
0x0007  2            0  R_ERR response for host-to-device non-data FIS
0x0008  2            0  Device-to-host non-data FIS retries
0x0009  2            3  Transition from drive PhyRdy to drive PhyNRdy
0x000a  2            2  Device-to-host register FISes sent due to a COMRESET
0x000b  2            0  CRC errors within host-to-device FIS
0x000f  2            0  R_ERR response for host-to-device data FIS, CRC
0x0012  2            0  R_ERR response for host-to-device non-data FIS, CRC
0x8000  4        51103  Vendor specific

Hodnota Power On = 33 a Spin Up = 8341 je divná. Pravda je to spin up. Výkonové testy na write na poli zkusím jak dojede scrub.

[Josef Kufner]

Pusť na to badblocks, ať ho trochu potrápí. Kdo ví, co ten SMART test vlastně dělá.

[Atom321]

Zbývá ještě jedno místo, kde by mohl být problém: napájení. Vyčistit/vyměnit napájecí kabely, případně zkusit i jiný zdroj.

[lertimir]

Zdroji celkem věřím. Je to Enermax Platimax. Napajecí konektory kabelů jsem vyčistil.

[vencour]

Já bych tu víru radši něčím podložil. Seasonic mi vydržel "jen" cca 9 let a pak začal kravit. Čili kdyby to šlo, otestovat s jiným zdrojem.

[lertimir]

No jak píšu nahoře. Teď vypadá vše ok. Scrub přečetl 3,33 TB a pořád jen těch 6 opravitelných chyb, které našel na začátku. (Všechny disky s nich se to pole skládá jsou na LUKSu). Scrub jede cca 400 MB/s stabilně. Žádné jiné disky problém neměly a tyto měly i když se na nich prohodily napájecí konektory. Sice nějaký jiný zdroj bych měl, ale nejsem si vůbec jist jestli bych s ním spolehlivě roztočil tech 7 HDD a jedno SSD které mám ve stanici, smysl by mělo asi jedině naměřit jaké napěti je na větvi a spíše osciloskopem než voltmetrem.

[lertimir]

Vše vypadá skutečně jako problém konektorů. Na FS projel dvakrát už scrub. Jednou nový po celkovém čistění, našel jen opravitelné chyby a opravil je a pak jeden pravidelný, který se pouští o půlnoci z neděle na pondělí a ten byl zcela OK.