Dotaz: Životnosť NVMe SSD

[Vlado99]

Skončila životnosť disku (GIGABYTE GP-GSM2NE3256GNTD), ktorý som používal ako cache v Synology NAS.

S.M.A.R.T píše

Data Units Written: 209,010,775 [107 TB]

Pritom Alza ho predávala s popisom

SSD disk 256 GB – M.2 (PCIe 3.0 4x NVMe), TLC (Triple-Level Cell), rýchlosť čítania 1700 MB/s, rýchlosť zápisu 1100 MB/s, životnosť 300 TBW, typická spotreba 2,6 W, ...

107 a 300 - to je dosť rozdiel.

To bežne výrobcovia/predajcovia takto kecajú, alebo je problém niekde inde?

SMART test sa na tom disku nedá spustiť*, mám iba info

=== START OF SMART DATA SECTION ===
SMART overall-health self-assessment test result: FAILED!
- NVM subsystem reliability has been degraded

*)

$ sudo smartctl -t long  /dev/sdc
smartctl 7.4 2023-08-01 r5530 [x86_64-linux-6.12.96+deb13-amd64] (local build)
Copyright (C) 2002-23, Bruce Allen, Christian Franke, www.smartmontools.org
Warning: NVMe Get Log truncated to 0x200 bytes, 0x034 bytes zero filled
NVMe Self-test cmd with type=0x2, nsid=0xffffffff failed: NVMe admin command 0x14 not supported

Odpovědi

[Radek]

On je rozdíl, když se neustále přepisují data na 10% ssd nebo když se průběžně přepisuje celý ssd. navíc tam samozřejmě hraje roli stáří - to tvoje se začalo vyrábět 7 let zpátky. Také jestli to byla kombinovaná read/write cache, tak tam to mohlo dostávat pěkně na prdel

[Vlado99]

Wear leveling je záležitosť firmware disku, priestor na to som tam nechal.

[X]

Jeste doplnim, ze podle vyrobce je životnosť 300 TBW, nebo 5 let provozu.

[Max]

Ne, to není životnost, ale záruka.
Zdar Max

[X]

Warranty: Limited 5-year or 300TBW

Ze stranek vyrobce.

[Max]

Warranty = záruka, nikoli životnost !!!
Zdar Max

[X]

Ja ti rozumim ;).

[Max]

Dej sem celý výpis smart, ať vidíme komplet obrázek. S největší pravděpodobností to nebude chyba přepisů, ale chyba firmware, nebo prostě odešela elektronika, nebo něco.
Jinak já mám u 480GB NVMe zapsáno 2.10 PB a dalších pár PB na něj čeká. Nicméně nutno říci, že je to trochu jiný model :)
Zdar Max

[Vlado99]

Příloha:

• gigabyte-smart.tgz (1674 bytů)

U druhého z diskov (mám tam 2 identické ako RAID1) Synology hlásil "Healthy - Estimated endurance 2%", takže aj ten je pred koncom použiteľnosti. Bude to teda opotrebením, nie chybou toho jedného kusu.

Tie disky som používal ako RW cache v konfigurácii RAID1, 210GB určených pre cache a zvyšok priestor pre wear leveling.

V tomto momente sú už oba von, nahradil som ich novými Apacer (jasné, že nie sú schválené Synology).

S.M.A.R.T som zisťoval cez smartctl -x -d sntrealtek /dev/sdc (pripojené cez USB adaptér), prikladám súbory.

[Max]

Disky vypadají v pohodě. V čem je reálně problém? Protože:

• Available Spare: 100% (disk má plnou rezervu náhradních buněk)
• Available Spare Threshold: 5% (disk potřebuje aspoň 5% náhradních buněk, aby zajistil konzistenci dat)
• Percentage Used: 98% (odhad, kdy se chýlí životnost buněk ke konci, což může být jen odhad výrobce a ne reálná hodnota, záleží na kvalitě řadiče nvme, firmware apod.). Reálně při testech žijou disky i se 150% / 200% apod., protože výrobce má značnou rezervu, aby splnil záruku pro definovaný TBW.

SMART test nemůžeš spustit, protože je to obstarožní technologie pro rotačáky. U NVMe nic takového nepotřebuješ.
Takže co se reálně řeší? Že Synology čte hodnotu "Percentage Used" a predikuje tak smrt a uživatel se děsí?

Nebo pokud se ti jen nelíbí těch 300TBW vs 107TB zapsaných dat, tak věz, že 300TBW dle JEDEC normy definuje nějaké normální chování (zápis filmů a běžných dat, OS apod.). V takovém případě je WAF (Write Amplification) 1:1 s hosts writes. Pokud se ale disk používá nestandardně (DB, SWAP apod.), může být WAF třeba 1:1,5, nebo 1:2 a tím pak vidíš zapsáno 107TB, ale Percentage Used je 100%, protože faktory jako nefunkční TRIM, příliš zaplněný disk a tím pádem přesuny na pozadí, operace s velkým počtem malých dat atd. atd. atd.
Zdar Max

[Vlado99]

Reálne je problém v tom, že DSM ten disk odmietol naďalej používať, lebo S.M.A.R.T. hlási

SMART overall-health self-assessment test result: FAILED!
- NVM subsystem reliability has been degraded

Je mi záhadou, čo tam vlastne degradovalo. Bunky pre dáta asi nie, keďže nebolo použité nič z rezervných buniek. Ak by sa mal rozdiel medzi 107 a 300 TB vysvetliť WAF-kom, tiež by som očakával, že sa to prejaví na spotrebe rezervných buniek.

BTW, môj Debian sa nechce baviť ani s tým druhým diskom, na ktorom DSM hlásil ešte 2% životnosť.

Používateľ (ja) sa nedesím, prišla mi notifikácia z DSM, že je problém, tak som ho začal riešiť

[Max]

Chyba "NVM subsystem reliability has been degraded" nemusí navazovat a neměla by navazovat na "Percentage Used". Měl by to být solo ukazatel, kdy interní fw disku vyhodnotí nějakou chybu s opotřebením buněk apod. Osobně bych také očekával, že aspoň ubudou rezervní buňky, ale zase, pokud vše funguje tak, jak má, tak by všechny buńky měly mít plus minus podobné opotřebení.
BTW, co znamená, že se Debian odmítá s diskem bavit?
Zdar Max

[Vlado99]

BTW, pokecal som si s AI:

...To pôsobí tak, akoby firmware nastavil príznak "reliability degraded" výlučne na základe interného počítadla životnosti bez ohľadu na reálny stav NAND buniek.

Ak disk nehlási: media errors, ECC chyby, zníženie Available Spare, I/O chyby v dmesg, tak by som tvrdenie "disk je pokazený" z tohto SMART výpisu nevyvodzoval. Jediné, čo možno spoľahlivo povedať, je, že firmware sa rozhodol vyhlásiť "NVM subsystem reliability degraded". Prečo tak urobil už pri 107 TB zápisov, však z poskytnutých SMART údajov jednoznačne určiť nemožno ...

[A]

Taky jsem kdysi koukal na ty laciné Gigabyte NVMe disky a říkal jsem si too good to be true. A teď koukám, že jsem asi měl pravdu.