Dotaz: Zacházení s vadným diskem

[mica]

Zdravím, před třemi týdny se mi vyskytly první problémy (sekání videa při přehrávání, občas selhání probuzení z hibernace), ze kterých jsem vyvodil, že jsou nějaké problémy s pevným diskem. Smartctl tehdy u položky "Current Pending Sector" ukazoval hodnotu 8 (tehdejší hodnoty u ostatních položek si nepamatuju). Brzo se začaly přidávat další problémy, zejména neobyčejně zdlouhavé kopírování souborů, rozbalování archivů nebo připojování CD obrazů za současného obrovského vytížení CPU. Nyní Current Pending Sector ukazuje hodnotu 61 (Reallocated Sector Ct je 0, Reallocated Event Count je 3997, Offline Uncorrectable je 0). Asi se už disk blíží konci svého života (je starý 5,5 roku) a měl bych uvažovat o jeho výměně, nicméně mám k tomu několik dotazů.

Mohl jsem první výskyt vadných sektorů nebo jejich nárůst způsobit já svých chováním? Např. tím, že jsem mnoho dnů po sobě hrál hodiny v kuse hry, při nichž teplota CPU stoupala přes 60°C (četl jsem, že pevným diskům nesvědčí vysoké teploty)? Mohl jsem po výskytu prvních problémů zvýšit množství vadných sektorů tím, že jsem prováděl disk a CPU vytěžující kopírování velkých souborů nebo přehrávání sekajících se videí?

Je neúměrně dlouhé trvání diskových operací a nadměrné vytížení CPU příznakem toho, že disk se snaží číst nebo zapisovat do vadných sektorů?

Našel jsem, že použití e2fsck spolu s badblocks (e2fsck -c /dev/...) přiměje souborový systém, aby se napříště vadným sektorům vyhýbal (s tím, že se samozřejmě ztratí nějaká data). Pochopil jsem správně, že (za předpokladu, že se neobjeví nové vadné sektory) pak projevy neúměrného zatížení disku a CPU při diskových operacích zmizí? A je při tom nutná kontrola testem čtení a zápisu (tj. e2fsck -cc)?

Rád bych tento pevný disk ještě aspoň měsíc nebo dva používal. Můžu svým chováním k němu ovlivnit, aby nerostl (nebo aspoň ne příliš rychle) počet vadných sektorů a užívání disku bylo ještě jakž takž bezpečné?

Děkuji za odpovědi.

---

---

Odpovědi

[Petr Šobáň]

Co ti k tomu říct?

Vememe disk do dvou prstů a opatrně se přiblížíme k červené popelnici na elektro odpad druhou rukou ji otevřeme a vložíme disk a zase zavřeme a honem utíkáme od popelnice co nejdál než se HDD pokusí vydolovat bezdomovci.

Bráchovi odešel HDD tak že z něho nevydoloval už žádné data tak jsem se do něj mrknul a chyba byla v tom že upadl šroubek zajišťující osičku hlaviček, tím pádem se hnuly a jak se s tím elektronika snažila hejbat tak hlavičky urvala o plotny.

Jinak používal jsi HDD v souladu s jeho návodem? Tam máš napsané provozní teploty jaké snese, jaké snese vybrace a pod... a samozřejmě vše co tyto meze překračuje tomu HDD škodí.

A můžeš mít HDD který budeš opečovávat a stejně chcípne!

A pokud hodnoty chyb rostou tak to znamená že po mechanické stránce nebude OK a s tím už nic nenaděláš, kdyby hodnoty nerostly mohlo být poškození třeba nárazem a to se pak dá řešit tím že se sektor označí za vadný.

[Jooky (inactive)]

- Prva vec: Teplota CPU != Teplota HDD. Vyssie teploty diskom mozu skodit, ale pokial ja pracovna teplota v rozsahu udavanom vyrobcom, tak ide len o nepatrne zmeny. Skus pozriet v smart "194 Temperature_Celsius". Ak je v stplci "WHEN_FAILED" napisane "in past", alebo "falling now". Tak je nieco zle s hladenim disku.

- kopirovanie - uz pocet vadych sektorov okolo 100 poukazuje na nejaky seriozny problem s diskom. Pritom nie je jednoduche odhadnut co je zdroj problemu. V lepsiom pripade moze ist len o znehodnotenie magnetickej vrstvy v par sektoroch. Vtedy spravi disk realokaciu do spare casti (ak sa to da) a pre uzivatela je to takmer transparetne. Na druhu stranu moze ist o mechanicke poskodenie (uvolnena necistota v priestore disku), alebo poskodenie hlavy disku. V tom pripade akakolvek operacia a aj idle rezim postupne posiela disk do kremikoveho neba ... takze ano, kopirovanie to mohlo zhorsit.

- mas data na tom disku rad ? Pri pocte 4k vadnych sektorov uz nema zmysel nieco skusat. Ak je tam nieco dolezite, tak to vykopiruj prec, kym sa to este da. Ked uz samotny system "vidi" vadne sektory, tak je nieco seriozne zle. Badblock moze ext2/3/4 povedat, ktore sektory nema pouzivat, ale aj tak ti ten disk moze z minuty na minut zhasnut.

- pouzivanie toho disku nie je bezpecne a akekolvek pokusy su viacmenej alchymia. Mozes skusit co najmenej nanho zapisovat, co najmenej nechavat pusteny pocitac, ale ci to bude mat ziadany efekt je otazne.

btw. skus postnut cely vystup smartctl -a

[Odin]

Resim to tak, ze cely disk nekolikrat prepisu vystupem z dev urandom. Pak ho vyndam z pc, vezmu kladivo, dam mu par ran a kdyz je mechanicke poskozeni dostatecne zjevne, vezmu jej a vyhodim do odpadkoveho kose. Pri dnesni smesne cene ssd disku, o normalni h hdd nemouve, nema smysl uvazovat o pouzivani nejakych starych vadnych kramu.

[nobody]

zdravim, mam urvane srouby co na aute drzi kolo, je to jenom na jednom a cele se to klepe, muzete mi poradit co udelat abych s tim mohl jeste tak 1-2 mesice jezdit ? a samozrejmne aby se mi nic nestalo :)

[lertimir]

Už na to odpověděli ostatní. Ten disk se žádným způsobem nedá zachránit. Jediná otázka je: Kolik dat se podaří zachránit? Pokud chcete přijít a co nejméně dat, tak ihned koupit nový disk, s ddrescue získat, co se dá, a pracovat na novém. Kdykoliv ten disk může kleknout tak, že se něj nepodaří získat ani byte.

[Peter Golis]

Závisí čo tie chyby spôsobilo. Ak bol v NB a počas cestovania si niekto krátil chvíľu programovaním alebo prehliadaním multimédií, tak môže mať škrknuté platne a chyby sa budú rozliezať. Teoreticky je ho možné ešte chvíľu používať v USB krabičke na prenos málo cenných multimédií, ale prakticky by som z neho odzálohoval dáta na nový disk a vyťažil magnetky na kľúčenku a platne ako podštamprlíky. Motorček môže byť na hranie, a hliníkové púzdro je cenná surovina. Ale plošný spoj s elektronikou patrí jednoznačne do elektroodpadu.

[mica]

Na zmíněné vtípky je moje odpověď, že všechny soubory, na kterých mi záleží (což je prakticky celý domovský oddíl) samozřejmě mám zálohované mimo počítač a od výskytu problémů veškeré změny v nich hned zálohuju ven. Věc se má tak, že ten disk je v notebooku a stejně plánuju výměnu celého stroje (tudíž nemá smysl výměna jen pevného disku); jen to z různých důvodů, z nichž ten finanční není také zanedbatelný, nemůžu udělat hned - proto jsem chtěl vědět, zda jsou v mé moci nějaká opatření, abych selhání disku co nejvíc oddálil.

Nevím, zda to teda někoho bude zajímat, nicméně výpis části smartctl logu je:

Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE
  1 Raw_Read_Error_Rate     0x000b   100   100   062    Pre-fail  Always       -       0
  2 Throughput_Performance  0x0005   100   100   040    Pre-fail  Offline      -       0
  3 Spin_Up_Time            0x0007   253   253   033    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0012   098   098   000    Old_age   Always       -       4008
  5 Reallocated_Sector_Ct   0x0033   020   020   005    Pre-fail  Always       -       0
  7 Seek_Error_Rate         0x000b   100   100   067    Pre-fail  Always       -       0
  8 Seek_Time_Performance   0x0005   100   100   040    Pre-fail  Offline      -       0
  9 Power_On_Hours          0x0012   036   036   000    Old_age   Always       -       28217
 10 Spin_Retry_Count        0x0013   100   100   060    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   098   098   000    Old_age   Always       -       3997
191 G-Sense_Error_Rate      0x000a   100   100   000    Old_age   Always       -       0
192 Power-Off_Retract_Count 0x0032   100   100   000    Old_age   Always       -       27
193 Load_Cycle_Count        0x0012   040   040   000    Old_age   Always       -       605868
194 Temperature_Celsius     0x0002   144   144   000    Old_age   Always       -       38 (Min/Max 16/50)
196 Reallocated_Event_Count 0x0032   020   020   000    Old_age   Always       -       3997
197 Current_Pending_Sector  0x0022   100   100   000    Old_age   Always       -       61
198 Offline_Uncorrectable   0x0008   100   100   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x000a   200   200   000    Old_age   Always       -       0
223 Load_Retry_Count        0x000a   100   100   000    Old_age   Always       -       0

P.S. Že teplota CPU ≠ teplota HDD, je mi jasné, ale vím já, jak se na malém prostoru šíří teplo (tj. nakolik je pevný disk izolován od jiných zdrojů tepla v notebooku)?

[AraxoN]

pridat vsem oddilum toho disku v /etc/fstab parametr noatime (tim zamezis aby pri kazdem cteni se kazdemu souboru aktualizoval zapisem cas posledniho pristupu)

adresar /tmp presmerovat do ram pridanim do /etc/fstab:

tmpfs  /tmp         tmpfs   mode=1777,nosuid,nodev,size=512M  0 0

size nastav podle velikost sve ram (aby zbylo neco pro os+sw:), jedna se o maximum co pouzije, pokud bude /tmp prazdnou nesezere zadnou ram, s 512M pocitam aby jsi mel alespon 1GB ram

stejne tak muzes nastavit cache pro www browser do ram, aby se nezapisovala na disk, pripadne jen cache symlinkovat do /tmp ktere budes mit na tmpfs

jeste vetsi osetreni je ze muzes koupit usb flasku na kterou hodis system, a tenhle vadnej disk pripojit readonly pro data, a remountovat na readwrite jen pri potrebe zapisu (pokud nezvladnes zapis jen na tu usb flash :)
vse jsou to stejne jen ochrany aby se nezapisovalo tolik, jenze disk muze odchazet vic a vic uz jen tim ze se toci, nebo se z nej cte...

[lertimir]

Když by byl úplný výpis se smartu, tak asi bychom mohli říci o něco víc. Z prvního pohledu

193 Load_Cycle_Count        0x0012   040   040   000    Old_age   Always       -       605868

je příčina. Disk se uparkoval. Na druhou stranu upgrade disku za SSD významně práci s notebookem zrychlí, a pokud není jiný závažný důvod na výměnu, tak bych to nechal tak.

[Jooky (inactive)]

samozřejmě mám zálohované mimo počítač a od výskytu problémů veškeré změny v nich hned zálohuju ven.

So zalohami opatrne. Ext2/3/4 nepouziva data checksuming a v tomto stave s velkou pravdepodobnostou disk moze vratit poskodene data pri citani. Ak zaloha znamena "rsync" na iny disk, tak moze byt aj zaloha poskodena.

Presne pre taketo problemy sa oplati mat viac "historickych" kopii dat.

[R]

Naopak, ta pravdepodobnost je mala, takmer nulova. Data na platniach su chranene kontrolnymi a opravnymi kodmi - takze ked disk nevie precitat data ani s pomocou opravneho kodu, vrati chybu.

[Jooky (inactive)]

Toto je len teoria. Bohuzial prax je uplne ina. Vacsina soho diskov ignoruje nejake reportovanie I/O errorov a nema problem vratit poskodene data. Na takom disku okrem ineho moze nastat:

- "write lost" - disk zahlasi, ze je vsetko OK, ale data nezapise
- chybne citanie dat - paradoxne opakovane citanie moze vratit zakazdym ine data

Presne pre toto doporucujem pouzivat FS / riesenie, ktore checkumuje data. Enterprise riesenia, ktore dodavame, pouzivaju checksuming na data aj mentadata. V pravidelnych intervaloch vsetko z disku citame, aby bola istota, ze nedoslo k "tichemu" pozkodeniu dat. Uz som videl hromadu aj enterprise grade diskov, ktore cez SMART nehlasia nic. Pri citani tak isto nic, no data precitane nie su spravne ...

doporucujem vyhladat klucove slovo: "Silent data corruption"

[R]

Mne sa to teda este nestalo a to som uz vadnych diskov videl dost a zachranoval data z nich. Ked sa nejaky subor podarilo precitat, vzdy bol OK.

Ze disk vrati bez problemov chybne data (a vzdy ine), to by som ocakaval tak na nejakom smejdovom USB flash disku.

Otazka je, ci tie dvoje "nespravne precitane" data nahodou nie su spravne precitane, ale nespravne zapisane. Ked mas vadnu RAM alebo pamat na radici, tak to rozoserie kompletne cely filesystem a pritom disky budu OK.

[Jooky (inactive)]

USB flash je kategoria sama o sebe :D

Ten disk mal asi aj vadnu elektroniku. Nejak podrobnejsie som to neskumal. Samotna masina bola 100% v poriadku a aj stale je. Od toho incidentu je uz cca 2-3 roky a masina bez problemov funguje 24x7. Ak by bolo poskodene aj nieco ine, tak by to ukazali testy a masina asi dlho aj tak nevydrzala.

S tou RAM mas pravdu a nielen RAM vie spravit neplechu na disku. Uz som videl aj video driver, ktory poskodzoval disk buffer a sietovku, ktora si pomiesala DMA s diskom. Oba problemy vcelku potichu poskodzovali data na disku ...

[vandrovnik]

Možná se pomocí smartctl -t long podívat, který sektor je první vadný, a když bude "dostatečně vzadu", disk přerozdělit tak, aby používal jen "začátek". Je to ale vyloženě nouzovka do doby, než bude k dispozici nový disk. Samozřejmě začít zazálohováním všeho důležitého, ale to už asi máte.

[nobody]

no "smart -t long" mu ten disk muze dodelat i kdyz jen testuje cteni(ale komplet disku),stejne jako prerozdelovani disku muze byt taky posledni kapka pri resize oddilu, preci jen ma 3997 prealokovanejch a 61 pendlujicich... zajimave ze pocet prealokovanejch je totoznej s power_cycle, mozna ma nejakej vandej fw kterej pri kazdem power_on prealokuje 1 sektor :D

[-nd-]

A z toho plyne: uz to nevypinejte

[vandrovnik]

Reallocated_Sector_Ct má myslím 0. Disk mu může umřít samozřejmě kdykoli, ale jestli s ním chce ještě dva měsíce něco dělat, ten test bych pustil.

[Petr Bravenec]

Je to s podivem, ale vadné sektory "někdy" nemusejí znamenat vadný disk. Mám jeden externí disk, který mi začal vykazovat větší množství vadných sektorů (ke stovce). Zdůrazňuji, že to byl externí disk putující ze šuplíku do stojánku a zpátky.

Disky mají tu vlastnost, že mají několik náhradních stop - když některá používaná stopa nejde přečíst (odejde do pryč), disk ji při zápisu dovede přestěhovat jinam. Ve smart výpisu se přestěhují sektory z "Pending" do "Reallocated". U vadného disku se proto vyplatí zkusit celý disk přepsat:

dd if=/dev/zero of=/dev/disk

Firmware se tímto donutí aktivovat mechanismus realokace a disk se může ještě probrat.

Můj vzpomínaný externí disk byl zřejmě nějak doblbnutý a když jsem se jej před vyhozením přepsal, vadné sektory zmizely. Mám teď na disku 0 realokovaných souborů a smart long testy procházejí na jedničku. Vlastní práci bych na takový disk asi nedával, ale nevidím důvod, proč na něm neskladovat třeba filmy.

[R]

Pending sektor nemusi znamenat, ze je fyzicky vadny. Moze byt len zle zapisany, co je pri prenosnom disku dost mozne. Staci pohyb pocas zapisu alebo odpojit napajanie pocas zapisu. Sektor potom nejde precitat, tak je oznaceny ako pending. Ak je sektor po dalsom prepisani OK, nerobi sa realokacia.