Dotaz: Aky novy disk do NASu

[jose17]

V marci 2019 som si zaobstaral dva 6TB HDD do domaceho NAS. Podla odporuceni pre zostavovanie RAIDu od rozdielnych vyrobcov:

• WD 6TB HDD PURPLE / WD60PURZ / SATAIII / Interní 3,5" / 5400RPM /64MB
• Seagate IronWolf 6TB HDD / ST6000VN0033 / Interní 3,5" / 7200 rpm / SATA 6Gb/s /256 MB

Oba disky spojil do BTRFS RAID1, nastavil S.M.A.R.T. notifikacie a raz tyzdenne scrubbing. Dnes mi zo SMART prislo upozornenie na nie velmi dobre vyzerajuci stav Seagate.

=== START OF INFORMATION SECTION ===
Model Family:     Seagate IronWolf
Device Model:     ST6000VN0033-2EE110
Serial Number:    ZAD73DPL
LU WWN Device Id: 5 000c50 0b422f7a6
Firmware Version: SC60
User Capacity:    6,001,175,126,016 bytes [6.00 TB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Rotation Rate:    7200 rpm
Form Factor:      3.5 inches
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   ACS-3 T13/2161-D revision 5
SATA Version is:  SATA 3.1, 6.0 Gb/s (current: 3.0 Gb/s)
Local Time is:    Sat Oct  2 17:40:59 2021 CEST
SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART Status not supported: Incomplete response, ATA output registers missing
SMART overall-health self-assessment test result: PASSED
Warning: This result is based on an Attribute check.
See vendor-specific Attribute list for marginal Attributes.

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: 		(  575) 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: 	 ( 612) minutes.
Conveyance self-test routine
recommended polling time: 	 (   2) minutes.
SCT capabilities: 	       (0x50bd)	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   100   033   044    Pre-fail  Always   In_the_past 1295152
  3 Spin_Up_Time            0x0003   087   086   000    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0032   097   097   020    Old_age   Always       -       3776
  5 Reallocated_Sector_Ct   0x0033   090   090   010    Pre-fail  Always       -       40872
  7 Seek_Error_Rate         0x000f   093   060   045    Pre-fail  Always       -       12426530330
  9 Power_On_Hours          0x0032   076   076   000    Old_age   Always       -       21549
 10 Spin_Retry_Count        0x0013   100   100   097    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   100   100   020    Old_age   Always       -       22
184 End-to-End_Error        0x0032   100   100   099    Old_age   Always       -       0
187 Reported_Uncorrect      0x0032   001   001   000    Old_age   Always       -       281
188 Command_Timeout         0x0032   100   099   000    Old_age   Always       -       1
189 High_Fly_Writes         0x003a   100   100   000    Old_age   Always       -       0
190 Airflow_Temperature_Cel 0x0022   040   030   040    Old_age   Always   FAILING_NOW 60 (Min/Max 28/64 #13530)
191 G-Sense_Error_Rate      0x0032   083   083   000    Old_age   Always       -       34029
192 Power-Off_Retract_Count 0x0032   100   100   000    Old_age   Always       -       25
193 Load_Cycle_Count        0x0032   062   062   000    Old_age   Always       -       77210
194 Temperature_Celsius     0x0022   060   070   000    Old_age   Always       -       60 (0 23 0 0 0)
195 Hardware_ECC_Recovered  0x001a   100   001   000    Old_age   Always       -       1295152
197 Current_Pending_Sector  0x0012   100   100   000    Old_age   Always       -       56
198 Offline_Uncorrectable   0x0010   100   100   000    Old_age   Offline      -       56
199 UDMA_CRC_Error_Count    0x003e   200   200   000    Old_age   Always       -       0
240 Head_Flying_Hours       0x0000   100   253   000    Old_age   Offline      -       14177 (2 167 0)
241 Total_LBAs_Written      0x0000   100   253   000    Old_age   Offline      -       32443615224
242 Total_LBAs_Read         0x0000   100   253   000    Old_age   Offline      -       351179443551

SMART Error Log Version: 1
ATA Error Count: 274 (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 274 occurred at disk power-on lifetime: 21545 hours (897 days + 17 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 f8 0f cb 00  Error: UNC at LBA = 0x00cb0ff8 = 13307896

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  25 00 20 e0 0f cb 40 00  17d+12:19:00.667  READ DMA EXT
  35 00 08 d8 0f cb 40 00  17d+12:19:00.652  WRITE DMA EXT
  35 00 08 d0 0f cb 40 00  17d+12:19:00.641  WRITE DMA EXT
  35 00 08 c8 0f cb 40 00  17d+12:19:00.628  WRITE DMA EXT
  35 00 08 c0 0f cb 40 00  17d+12:19:00.618  WRITE DMA EXT

Error 273 occurred at disk power-on lifetime: 21545 hours (897 days + 17 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 d8 0f cb 00  Error: UNC at LBA = 0x00cb0fd8 = 13307864

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  25 00 20 c0 0f cb 40 00  17d+12:18:54.156  READ DMA EXT
  35 00 a8 00 76 98 47 00  17d+12:18:54.155  WRITE DMA EXT
  35 00 80 80 75 98 47 00  17d+12:18:54.154  WRITE DMA EXT
  35 00 80 00 75 98 47 00  17d+12:18:54.116  WRITE DMA EXT
  35 00 58 a8 74 98 47 00  17d+12:18:54.115  WRITE DMA EXT

Error 272 occurred at disk power-on lifetime: 21545 hours (897 days + 17 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 10 cc 0f 00  Error: UNC at LBA = 0x000fcc10 = 1035280

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  25 00 20 00 cc 0f 40 00  17d+12:18:43.575  READ DMA EXT
  35 00 c0 ff ff ff 4f 00  17d+12:18:43.574  WRITE DMA EXT
  35 00 80 ff ff ff 4f 00  17d+12:18:43.573  WRITE DMA EXT
  35 00 c0 ff ff ff 4f 00  17d+12:18:43.572  WRITE DMA EXT
  35 00 a8 80 7f 85 47 00  17d+12:18:43.571  WRITE DMA EXT

Error 271 occurred at disk power-on lifetime: 21545 hours (897 days + 17 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 f0 24 ca 00  Error: UNC at LBA = 0x00ca24f0 = 13247728

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  25 00 20 e0 24 ca 40 00  17d+12:05:23.116  READ DMA EXT
  25 00 20 c0 24 ca 40 00  17d+12:05:19.192  READ DMA EXT
  35 00 88 ff ff ff 4f 00  17d+12:05:19.192  WRITE DMA EXT
  35 00 80 ff ff ff 4f 00  17d+12:05:19.191  WRITE DMA EXT
  35 00 80 ff ff ff 4f 00  17d+12:05:19.190  WRITE DMA EXT

Error 270 occurred at disk power-on lifetime: 21545 hours (897 days + 17 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 08 22 ca 00  Error: UNC at LBA = 0x00ca2208 = 13246984

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  25 00 20 00 22 ca 40 00  17d+12:04:05.434  READ DMA EXT
  35 00 a8 ff ff ff 4f 00  17d+12:04:05.433  WRITE DMA EXT
  35 00 80 ff ff ff 4f 00  17d+12:04:05.432  WRITE DMA EXT
  35 00 d8 ff ff ff 4f 00  17d+12:04:05.431  WRITE DMA EXT
  35 00 f0 ff ff ff 4f 00  17d+12:04:05.429  WRITE DMA EXT

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%     21541         -
# 2  Extended offline    Completed: read failure       50%     21539         -
# 3  Short offline       Completed without error       00%     21517         -
# 4  Short offline       Completed without error       00%     21493         -
# 5  Short offline       Completed without error       00%     21469         -
# 6  Short offline       Completed without error       00%     21445         -
# 7  Short offline       Completed without error       00%     21421         -
# 8  Short offline       Completed without error       00%     21397         -
# 9  Extended offline    Completed without error       00%     21376         -
#10  Short offline       Completed without error       00%     21349         -
#11  Short offline       Completed without error       00%     21325         -
#12  Short offline       Completed without error       00%     21301         -
#13  Short offline       Completed without error       00%     21277         -
#14  Short offline       Completed without error       00%     21253         -
#15  Short offline       Completed without error       00%     21229         -
#16  Short offline       Completed without error       00%     21205         -
#17  Extended offline    Completed: read failure       90%     21198         1904120560
#18  Short offline       Completed: read failure       90%     21181         1904120392
#19  Short offline       Completed without error       00%     21157         -
#20  Short offline       Completed: read failure       90%     21133         1904120392
#21  Short offline       Completed without error       00%     21109         -
3 of 4 failed self-tests are outdated by newer successful extended offline self-test # 9

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.

Nie som ziaden odbornik na citanie tychto reportov, ale ked to porovnam s WD (vsetko completed without error) tak mi pride, ze disk ma svoje dni zratane. Co je po 2.5 roku v prevadzke (ziaden heavy use - pravidelne sa pouziva akurat na zalohy) pri disku urceneho do NAS (takze bezne always-on) celkom smutne :-/

Zacinam sa logicky obzerat po dalsom 6TB (alebo mozno 8TB s tym, ze 2TB vyuzijem na nemirrorovane data) disku. Ale nie som si celkom isty, ci opat chcem ist do SeaGate a nebude trebars lepsie zobrat znova WD - chyba celej serie by mala byt pri takom velkom casovom rozpati snad eliminovana.

Mozte sa prosim podelit s vasimi odporucaniami? Tiez sa vam stalo, ze disk zacal (ako naschval) hlasit chyby pol roka po skonceni zaruky?

Dakujem, jose

Odpovědi

[paul2no]

Hlavně nebrat žádný disk se SMR, ten by z toho btrfs asi zešílel. Jinak bych řekl, že je to skoro jedno - možná je jen zbytečné kupovat disk s 7200 RPM, je žravější, hlučnější a víc topí, ale při použití jako domácí skladiště dat to nemá žádný pozitivní význam.

[R]

Kludne kup druhy WD. Problem moze byt len vtedy, ked kupis dva identicke sucasne. Alebo kup Hitachi ci Toshibu. Hlavne nekupuj znovu Seagate. Aj pri serverovych 15K SAS diskoch mali niekolko serii, ktore sa srali jeden za druhym. Dokonca zvladli rozbit RAID 5 (odisli dva disky tesne po sebe). Takze neodporucam RAID 5 (ten som nepouzival ani predtym, ale jedna firma "potrebovala" viac miesta, tak ho chceli) ani Seagate.

[Pavel 'TIGER' Růžička]

U mne nejvíce drží Toshiby, což pro mne bylo velmi příjemné překvapení, když jsem je začal nasazovat. Seagaty jsem v průběhu let nějak celkově opustil. Asi k tomu byl důvod. Rotačáky kupuji jen jako záložáky SSD a to WD, či Toshiby. S Hitachi jsem jeden čas také zcela nesouzněl.

[bigBRAMBOR]

dneska jednoznacne Toshiba. Nic jineho u točivek nekupuji.

[Heron]

190 Airflow_Temperature_Cel FAILING_NOW 60 (Min/Max 28/64 #13530)

Zkontroluj si teplotu ve skříni. Ten disk se přehřál. 64˚C je docela dost.

[jose17]

skrin vlastne ani nie je. oba disky su pichnute v icybox 4bay docking station a ten je v nabytkovej skrinke s celorocne otvorenymi dvierkami. uznavam, ze to vetranie nic moc, ale napr. ten WD teraz hlasi 51 stupnov.

[Heron]

Ta teplota se tomu disku nelíbila a smart to hlásí. Tedy toto je potřeba si pohlídat a neuvařit další disky. Ten WD má méně otáček, může zrát méně.

[X]

Pouzivas dokovaci stanici jako NAS? Je ti jasne, ze ten hardware k tomu neni urceny ma tudiz jine vlastnosti a parametry? Je to koleda o problemy..

[jose17]

NAS je jedna z funkcii Turris Omnia a kedze sa do neho nevleze viac ako jeden NVM disk, tak to riesim takto. Samozrejme, ze to neni ideal, ale byvam v byte a tak si luxus rackovej skrinky s poriadnym (a na to urcenym) hardverom nemozem dovolit (a napr. aj Synology by bola dalsia krabicka, pre ktoru by bol dost problem najst miesto). Ale ako pisem, skor ako skutocny NAS je to len miesto na backupy a cold-storage par dalsich veci.

[Semo]

51C na 5400 RPM disk je HODNE VELA. Takze si myslim, ze grilujes oba. Jeden z nich ide do riti o nieco skor ako druhy.

[Vlado99]

..., ale ked to porovnam s WD (vsetko completed without error) tak mi pride, ze disk ma svoje dni zratane. Co je po 2.5 roku v prevadzke (ziaden heavy use - pravidelne sa pouziva akurat na zalohy) pri disku urceneho do NAS (takze bezne always-on) celkom smutne :-/

Ja si myslím, že zatiaľ čo Seagate svedomite reportuje do SMART-u každú drobnosť, WD "mlží" a nezaťažuje používateľa problémami, ktoré vie firmware vyriešiť bez ďalších následkov.

Ale je to len môj osobný pocit: nie som insider ani jednej značky a ani neviem exaktne vyargumentovať tento môj pocit.

UNC (tj. neopraviteľná chyba) v oblasti disku niekde okolo šiesteho GB (LBA 0x00cb0fd8) samozrejme nie je drobnosť, ale môže to byť následok prehrievania disku. Čiže určite treba vyriešiť teplotu - zabezpečiť nie príliš klísajúcu, najlepšie v dolnej polovici dovoleného rozsahu, potom asi disk preformátovať a potom sa uvidí ;).

[R]

WD "nemlzi". Keby mal problem, tak to v SMARTe vidiet.

A tych 40872 realokovanych sektorov ti nevadi? Threshold to sice este nedosiahlo, ale urcite coskoro dosiahne.

[Vlado99]

Ako interpretovať RAW hodnotu sa líši podľa výrobcu a dosť možno aj podľa modelu disku. V prípade atribútu #5 reallocated sector count je ideálne (empiricky), keď je RAW == 0, lebo to signalizuje (moja interpretácia), že sa nedeje nič také, čo by si firmware potreboval poznamenať.

Som si na 99% istý, že Tvoja interpretácia o 40872 realokovaných sektoroch nie je správna.

[R]

Pri realokovanych sektoroch je RAW hodnota VZDY ich pocet. A to cislo nie je vobec nerealne. Mam jeden 73GB SCSI disk Fujitsu, ktory ukazuje: "Elements in grown defect list: 7819". To je disk 82-krat mensi.

[paul2no]

Mně by zajímalo, kolik ten threshold vlastně u takového běžného disku je. Leží mi tady v šuplíku 3TB disk s asi 600 vadnými sektory, a měl jsem za to že takové číslo už je zatraceně vysoké.

[Heron]

Ten disk sám sebe reportuje jako vadný a to ve dvou parametrech. Rozhodně bych nikomu nedoporučoval jej resuscitovat a používat pro nějaké vážnější důvody.

WD nemusí mlžit. Má pomalejší otáčky a menší příkon a tedy je chladnější. WD má 6.3W, ten Seagate má 8.1W. Seagate může být umístěn v teplotně nevýhodnější pozici. Maximální možná teplota dle datasheetu toho seagate je 70°C, měl 64°C. Proto je to označeno jako failing now. Parametr #1 už dávno selhal. Datasheet pro ten WD udává maximální provozní teplotu 65°C. Tj kdyby byl jen o trochu hůře chlazený, tak už je mrtvý taky.

https://www.seagate.com/www-content/datasheets/pdfs/ironwolf-12tbDS1904-9-1707US-en_US.pdf

https://documents.westerndigital.com/content/dam/doc-library/en_us/assets/public/western-digital/product/internal-drives/wd-purple-hdd/product-brief-wd-purple-hdd.pdf

[jose17]

Vcera zacal disk vydavat dost nepekne zvuky a dnes rano som nasiel v dmesg IO errory a fs sa prepol do read-only. Tak aspon budem mat dalsie 2 silne magnety na chladnicku, no.

[Pavel 'TIGER' Růžička]

Ty magnety zas tak silné nejsou, ale na ledničku stačí.

[Max]

Nejlepší magnety jsou ze starých SCSI disků :)
Zdar Max

[Peter Golis]

Lepšie boli zo starých MFM diskov, ale to sa zle zháňalo už v roku 2000.

[R]

Tie nepoznam, ale zo SAS 15K su tiez dobre. Tych diskov nam odislo dost. V serveroch DELL, HP aj poliach EMC. Takmer vsetky Seagate... Naopak Fujitsu su snad nesmrtelne. Takze nahradne disky sa snazim (na eBay) kupovat Fujitsu alebo Hitachi, pripadne Toshiba, vzdy original DELL/HP/EMC.

[Radek]

Se divíš, že při takové teplotě ti odešel po necelých 3 letech? To je naopak ještě dobrý čas.

[Max]

Jak už tu psali jiní, teplota je potvora. Já se začnu klepat jak ratlík, když mi u nějakého disku stoupne teplota na 51C. Běžně chladím na 42-47C. A to jak ve firmě, tak doma. Disky je třeba mít v průvanu, takže buď mám klec na disky, jejíž součástí je 120x120 větrák, nebo tam nabastlím jiný 120x120 a provozuji na nízké otáčky. Není to slyšet a i malý průvan stačí k tomu, že ty disky mají o 10C(i více) nižší teplotu.
Jinak pokud ti nejde o hlučnost, tak hodně cenově dobře vycházejí disky od Toshiby. Bral jsem MG04 4TB a naposledy kupoval "Toshiba Enterprise Capacity MG04 6TB" v Mironetu za 3565,-Kč bez DPH/ks. Je to levná alternativa k WD Gold / WD Ultrastar HC310, tj. včetně 5 let záruky. Oproti těm WD jsou hlučnější.
Zdar Max

[Peter Golis]

A je už nejaká pohodlná možnosť na monitoring a reporting teploty? Alebo si človek musí vystačiť s vlastným skriptom bežiacim nad napríklad hddtemp, SMART, nvme=cli alebo lm-sensors?

[X]

..vlastným skriptom bežiacim nad napríklad hddtemp, SMART, nvme=cli alebo lm-sensors?

Co muze byt pohodlnejsiho nez vlastni skript?

[Max]

Já teplotu nemonitoruji a ani nepotřebuji monitorovat.
Ze začátku si nastavím takové podmínky (chlazení apod.), že se teplota nedostane přes nějakou mez. Je mi pak k ničemu monitorovat teplotu disků.
Zdar Max

[Heron]

To celkem doporučuju monitorovat, protože takto jsme monitorováním senzorů v serverech a ještě náhodně rozmístěnými teploměry ve studené i horké uličce zjistili několik výpadků klimatizace v serverovně. U disků se zase může dopředu zjistit selhávající ventilátor.

[Pavel 'TIGER' Růžička]

Jo, jo, ventilátor, který místo chlazení spíše topí je skvělou záležitostí. Také už se mi to stalo.

[Max]

Monitoring disků v serveru nic neřeší, tam monitoruji kompletní teploty, větráčky a dalších hafec věcí jedním dotazem do IPMI. Serverovnu pak monitoruji několika čidlama, jak v prostoru, tak přímo u serverů. Samotné disky nikde neřeším, na to jsou lepší mechanismy, než sledování jejich teploty.
Zdar Max

[Peter Golis]

To IPMI nemonitoruje náhodou aj teplotu diskov v rámci monitoringu zdravia servera?

[Max]

Co jsem se zatím setkal, tak ne. Zdraví disku reportuje řadič pouhým stavem "ok".
To, zda se vše chladí dobře, pak říkají sensory větráčků (otáčky v %, většinou 10-30%) a samozřejmě teplot.
Zdar Max

[Max]

Přílohy:

• power.png (61212 bytů)
• fans.png (24748 bytů)
• summary.png (39953 bytů)
• storage.png (101126 bytů)

Jinak příklad viz příloha.
Zdar Max

[Peter Golis]

Čo som mal pred rokmi v rukách (ehm, na diaľku) servery s IPMI, tak tie poskytovali kopec údajov aj cez SNMP. A cez remote web interface to ukazovalo aj 3D mapu teploty v krabici.

[Max]

Ano, snmp je možné, ale nepoužívám, nemám ho rád. Používám komunikaci přes web api a jedním dotazem zjistím stav všech monitorovaných komponent.
Zdar Max

[Peter Golis]

Pokiaľ si človek nastaví bezpečnosť na SNMP v izolovanej sieti, tak sa už dá používať. Ale sú veci ktoré sa dajú vytknúť aj overeniu užívateľov vo SNMP v3.

[j]

Jo, ale nema smysl monitorovat jednotlivy disky. Stejne se k nim velmi casto ani nedostanes, protoze sou schovany za polem.

Kazdej trochu normalni HW ti umi nareportovat ze neco chciplo nebo je to mimo akceptovatelnej rozsah, a netreba aby sis z toho vycital kazdou jednu hodnotu, vzdyt bys jich mel desitky tisic v jedinym racku.

Zrovna vetraky kazdej normalni HW monitoruje primo a to ze je v hazlu ti nareportuje driv, nez se to jakkoli stihne projevit na teplote.

---

Dete s tim guuglem dopice!

[Heron]

Jak jsem psal, takto jsme přišli na to, že v serverovně vypadla klima (resp. že má nižší výkon a teplota už tři dny mírně stoupá) a sdělili jsme to provozovateli. To, že disky mohou být za polem apod. je snad jasné.

Jinak mi spíš přišla podivná ta dvojice komentářů od Maxe. V jednom napíše, že má strach (oprávněný), když teplota disku vyletí nad 51°C a po té napíše, že teplotu disků nemonitoruje.

Ať si to každý admin nastaví jak chce, já k tomu připsal svoje důvody a zkušenosti.

Zrovna vetraky kazdej normalni HW monitoruje primo a to ze je v hazlu ti nareportuje driv, nez se to jakkoli stihne projevit na teplote.

Tys nikdy nezažil situaci, že někdo (hlavně u skládaček) nainstaloval ventilátor naopak? Ten se sice vesele točil, ale posílal teplý vzduch zpět. To, že je ventilátor v monitoringu OK ještě neznamená, že plní tu zamýšlenou funkci. Takto někdo v toweru dal přední ventilátory foukat dopředu ze skříně, zadní dozadu ze skříně a uvnitř se vzduch ani nehnul. (Vlastně by bylo fajn nějak měřit i objem přenášeného vzduchu.)

[Max]

Jak jsem psal, nasizuju chlazení při instalaci a pak už jen monitoruji okolní provoz, na základě kterého vím, že mohu být v pohodě, tj. že za těchto podmínek budou disky pod 51C. Snížený výkon klimy pak poznám pod teplotních čidel v místnosti (dle dobře nastavených rozsahů v centreonu).
Opačně nainstalovaný ventilátor jsem nezažil, ani u skládaček. Každopádně opačně nainstalovaný ventilátor jde poznat právě kvůli vyšším teplotám CPU a kvůli vyšším otáčkám ventilátoru (= když špatně chladí komponenty uvnitř skříně, tak mu server přidá otáčky).
Zdar Max

[Max]

Jinak u home serveru a desktopů to dělám podobně. Správně naddimenzuju chlazení a vím, že při venkovní teplotě 35C to zvládne disky uchladit úplně s přehledem. Diskům stačí fakt jen vánek k tomu, aby byla teplota ok.
Něco jiného je NVMe, ale i tam při zajištění správného průtoku vzduchu skříní a použití pasivů aka Akasa chladič M.2 SSD je to ok.
Zdar Max

[Heron]

Diskům stačí fakt jen vánek k tomu, aby byla teplota ok.

No to jo, ale moc nerozumím tomu, proč se explicitně vyhýbat měření jejich teploty. Je to jen jeden z parametrů smartu. Ještě navíc za situace, kdy to máš dimenzované na 42-47°C což ještě navíc nedává příliš velký prostor pro těch 51°C. Takže stačí malá odchylka v návrhu (nebo prach na přední masce) a je to tam.

Jako já to taky nemám na ploše a nečumím na to nonstop (žádné senzory nemám na ploše), ale v monitoringu to je.

[Max]

U serverů monitoruji veškerý hw nezávisle na tom, co na něm běží za OS a služby. Navíc v 99% mého nasazení se k teplotám disku nedá dost dobře dostat.
Pokud vezmu zbylé %, tak místo nějakého "nice to have" a ceny za odlišnosti jedu jednotně jako u jiných serverů.
Pokud beru home věci, tak tam to řeším jen návrhem, někde ještě ten smartd, ale to výjimečně
Zdar Max

[LarryL]

Pokud beru home věci, tak tam to řeším jen návrhem, někde ještě ten smartd, ale to výjimečně

A jak se dozvíš, že ti odchází disk? Taky jsem smartd nepoužíval, ale teď jsem začal právě proto abych dostal notifikaci když smartd zaznamená podezřelý nebo přemapovaný sektor.

[j]

Tak skladacky* v pozici serveru fakt nepouzivam, a ty vetraky z toho zeleza co pouzivam tam opacne sice das, ale leda s palici v ruce.

Na to ze potencielne nefunguje klima fakt nepotrebuju sledovat teplotu disku, protoze se to projevi na vsech teplotach, vcetne CPU. A opet plati, ze mi ten server posle report ze nejaka (a v tomhle pripade rozhodne ne jedna) teplota preleze nastavenou hranici, a kdyz se s tim nic neudela, tak dost pravdepodobne po nejaky dobe preleze i tu druhou hranici, ktera znamena shutdow.

A jo, zazil sem to, soudruh majitel nechtel slyset, ze ta klima ma odtoceno svy, a ze je treba ji preventivne vymenit, tak proste samo v nejvetsim vedru posla, a vsechno skapalo (vyplo se to). Kdyz za mnou priletel co se deje, tak sem jen radostne pokrcil rameny a konstatoval, ze presne to, pred cim sem ho varoval.

*Ty si u skladacky pri tom skladani neoveris, ze je vse zapojeno a sestaveno spravne?

---

Dete s tim guuglem dopice!

[Heron]

Ty si u skladacky pri tom skladani neoveris, ze je vse zapojeno a sestaveno spravne?

Já u své skládačky (což není produkční server, tam používám hotové skládačky z továren) si to zkontroluju. Ale u jiných jsem na to přišel právě divnými teplotami. To nebyl můj server - mě se "líbí" jak ve zdejších diskusích musí být všechno personifikované, i když se o tom lze bavit obecně.

a fakt nepotrebuju sledovat teplotu disku

Jasně, nemusí to být konkrétně disk, ale musí to být teplota. Proto je potřeba je monitorovat. A nedává mi smysl prostě jednu sadu senzorů explicitně vyjmout ze sledování.

[R]

Na slusnom poli, napr. MegaRAID (DELL PERC), funguje smartmontools. Takze aj ked (i)DRAC dokaze posielat maily v pripade nejakeho problemu, vzdy monitorujem pole (megaclisas-status) aj samotne disky (smartd).

[Peter Golis]

To by som si pozrel napríklad pri Notebooku, ale tam stačí SMART integrovaný do desktopového prostredia. V prípade domáceho servera v byte by človek uvítal zníženú hlučnosť, a sú vetráky na disk trošku kontraproduktívne. Nie každý má serverovňu v kumbále rodinného domu.

Teda ak disk nereportuje teplotu vo Fahrenheitoch. Mal som, a nebol som 2x nadšený

[Ruža Becelin]

Do NAS jedine helium - jsou vykonnejsi a chladnejsi.

Moje disky (16 kusu ve trech jednotkach) maji okolo 35-37C, v lete byly na 43-45C, chlazeni krome zabudovanych 8cm vetraku obstarava jeden 23cm fukar.

[jose17]

Příloha:

• hdd_top.jpg (118530 bytů)

Dakujem vsetkym za odpovede. Kupil som 6TB WD Purple. Tiez som dal na odporucenie vacsiny, prikupil dlhsi napajaci i datovy kabel a box hodil na vrch kniznice. Najprv som mal snahu pouzit btrfs replace a data prehodit z umierajuceho disku. Blby napad, kopec IO error a nervy drasajuce zvuky.. cele zle. Na Seagate bol aj o niekolko minut po odpojeni horuci tak, ze sa nedal chytit do ruky (magnety uz zdobia dvere od chladnicky). Vyhodil som ho teda z boxu, mountol v degraded mode, konvert do single, cela sranda trvala niekolko dni. Odisiel mi jeden 512MB subor borg backupu (co celkom nechapem pri RAID1, ale nevadi), ten si problem bol schopny vyriesit (check + repair) sam.

Zopar postrehov:

• teplota oboch diskov sa aktualne pohybuje medzi 47-48 stupnami
• modre diody, ktore sa v noci krasne odrazaju na strope, som nateraz "vyriesil" kusom kartonu
• zvuk, ktorym sa obsah disky pripomenu nejak zasadne nevadi a vidiet po rokoch zavretu skrinku potesi
• zistil som, ze hddtemp vyuziva smart a preto si na Omnii v pohode vystacim s parsovanim smartctl
• premyslal som, ze si vyrobim do luci prirobim dalsi graf s teplotami diskov. ale ked som zistil, ake je to komplikovane, tak ma chut presla

[colek]

Jen pro info Seagate IronWolf 6TB HDD ma 3roky zaruku. zkusil bych reklamaci. ;)