web-dev-qa-db-ja.com

高可用性ソフトウェアRAID 1サーバーでsmartd（smartmontools）を使用してディスクの状態を監視する

3つの同一のSATA/600 3TBドライブを備えたサーバーがあります：/dev/sda、/dev/sdb、/dev/sdc。ドライブは、それぞれ3つのパーティションを持つGPTを使用してパーティション化されます。

  • 1 MB：ブートローダー用の予約済みパーティション
  • 1 GB：RAID1/dev/md0（ext2（/ boot））
  • 3 TB：RAID1/dev/md1（暗号化されたボリューム（LVM（ボリュームグループ（Swap、/、/ etc、/ home ...））））

3つのドライブの1つはホットスペアで、他の2つはRAIDセットでアクティブです。それは正常に動作し、単一のHDDを取り外した後で起動できます。 smartd（smartmontoolsの一部） を使用してドライブの状態を監視し、syslogにエラーを報告します（ logcheck を使用して監視します）。このサーバーはできるだけ高い可用性を備えている必要がありますが、テスト中にパフォーマンスが低下することは許容されます。

smartctl -a /dev/sdaの出力は次のとおりです。

smartctl 5.41 2011-06-09 r3365 [x86_64-linux-3.2.0-4-AMD64] (local build)
Copyright (C) 2002-11 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF INFORMATION SECTION ===
Device Model:     WDC WD30EZRX-00MMMB0
Serial Number:    WD-WMAWZ0412093
LU WWN Device Id: 5 0014ee 2b19fbdcd
Firmware Version: 80.00A80
User Capacity:    3,000,592,982,016 bytes [3.00 TB]
Sector Sizes:     512 bytes logical, 4096 bytes physical
Device is:        Not in smartctl database [for details use: -P showall]
ATA Version is:   8
ATA Standard is:  Exact ATA specification draft version not indicated
Local Time is:    Fri Sep 27 15:37:25 2013 CEST
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:  (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:        (50280) 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:    ( 255) minutes.
Conveyance self-test routine
recommended polling time:    (   5) minutes.
SCT capabilities:          (0x3035) SCT Status 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   148   148   021    Pre-fail  Always       -       9575
  4 Start_Stop_Count        0x0032   100   100   000    Old_age   Always       -       95
  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   099   099   000    Old_age   Always       -       820
 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       -       93
192 Power-Off_Retract_Count 0x0032   200   200   000    Old_age   Always       -       65
193 Load_Cycle_Count        0x0032   196   196   000    Old_age   Always       -       12824
194 Temperature_Celsius     0x0022   119   116   000    Old_age   Always       -       33
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   200   200   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x0032   200   200   000    Old_age   Always       -       0
200 Multi_Zone_Error_Rate   0x0008   200   200   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%       787         -
# 2  Extended offline    Completed without error       00%       727         -

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.

オフラインテストがサポートされているようです。 smartctl -o onを発行すると、smartctl -cはOffline data collection statusが(0x82)に設定されていることを示します。 smartctl -o offを発行すると、同じ値が(0x02)になります。

start_smartd=yesに/etc/default/smartmontoolsを設定して、サーバーで起動するようにsmartdを設定しました。このサーバーの/etc/smartd.confを編集してsmartdを構成することをどのようにすすめますか？使用する各パラメーターと、その使用方法を説明してください。

現在の設定を回答として追加します。それをベースとして自由に使用し、あなた自身の答えでそれを改善してください。同じ設定を使用したより良い説明も改善になるでしょう！

software-raidmdadmraid1smart
8
user47273
# DEVICESCAN      For all disks with SMART capabilities.
#
# -o off          Turn off automatic running of offline tests. An offline test
#                 is a test which may degrade performance.
#
# -n standby      Do not spin up the disk for the periodic 30 minute (default)
#                 SMART status polling, instead wait until the disk is active
#                 again and poll it then.
#
# -W 2            Report temperature changes of at least 2 degrees celsius since
#                 the last reading. Also report if a new min/max temperature is
#                 detected.
#
# -S on           Auto save attributes such as how long the disk has been powered
#                 on, min and max disk temperature.
#
# -s (L/../.[02468]/1/04|S/../.[13579]/1/04)
#     '-------a--------' '--------b-------'
#
#                 a: Long test on    even monday mornings at 04:00
#                 b: Short test on uneven monday mornings at 04:00

DEVICESCAN -o off -n standby -W 2 -S on -s (L/../.[02468]/1/04|S/../.[13579]/1/04)
2
user47273

/etc/smartd.confに次の行を追加して、定期的なセルフテストを実行するようにすべてのサーバーを構成しました。

# DEVICESCAN matches all hard disks found in /dev/ and applies the following
# options to them.
#
# Default options from Debian:
# -d removable     don't exit when the device when a device vanishes
# -n standby       don't wake a device up that is sleeping
# -m root          send error reports to root
# -M exec ...      pipe the mail through that script
#
# Our options:
# -s L/../02/./17  run a long selftest on every 2nd of every month
#                  at 17 o'clock
DEVICESCAN -d removable -n standby -m root -M exec /usr/share/smartmontools/smartd-runner -s L/../02/./17

セルフテストはIMOであり、SMARTが提供する最も信頼できる種類のヘルスチェックです。

編集：

-d removableの機能について説明してもらえますか？

man smartd.confから：

          removable - the device or its media is  removable.   This  indi‐
          cates  to  smartd  that  it should continue (instead of exiting,
          which is the default behavior) if the device does not appear  to
          be  present  when smartd is started.  This Directive may be used
          in conjunction with the other ´-d´ Directives.

監視されているディスクの1つが消えたときにsmartdが停止するのを防ぐと思います...？確かではありませんが、その行に-s L/../02/./17の部分を追加しただけです。元の行：

DEVICESCAN -d removable -n standby -m root -M exec /usr/share/smartmontools/smartd-runner

debianのデフォルトです。

5
Martin von Wittich

長いセルフテストからselect,contテストに切り替えました。それは長いセルフテストのようなものですが、一度にディスクの1つのスライスのみです。そのため、長いセルフテストには1日以上かかる場合があります（それ以外はビジーな3TBディスクの場合）、選択的なテストは、サーバーが最もビジーではなく実際に終了する毎晩実行され、よりビジーな時間のパフォーマンスを損なうことはありません。

したがって、基本的には、ディスク全体の毎月の長いセルフテストを、1か月にわたってディスク全体をカバーする夜間の選択テストに配布します。

ただし、準備は必要です。

  • smartdは--savestatesオプションを指定して実行する必要があります。ディスク自体は通常、最後にテストされた領域を追跡しないためです。
  • 最初の選択的セルフテストを手動で開始する必要があります（-t select,0-$size）。これにより、smartdは毎日テストするスライスサイズを認識します。サイズによって、テストにかかる時間とディスク全体に及ぶ日数が決まります。
  • 選択する$ sizeがディスクサイズと一致することを確認してください。そうしないと、最後のスライスが非常に小さくなる危険があります（最悪の場合、ディスクの単一セクターのみをテストして1日を無駄にします）。
  • この情報が実際にsavestatesファイルになったことを確認する必要があります。そうしないと、テストが意図したとおりに実行されません。 （savestateファイルを直接編集することもオプションです）。
  • smartd.confファイルの構文は-s c/../.././01です（この例では、毎日午前1時に実行されます）。

ただし、それが完了すると、プロセスは自動的かつ信頼性の高いものになります。ディスクの終わりに達すると、翌日の初めに自動的に開始されます。 select,contテストに関するsmartctlのマンページをお読みください。

長いテストまたは選択的なテストは優れていますが、おそらく短いテストまたは全体的なテストを実行する必要があります。非常に短時間で済み、一般的な問題の検出に役立ちます。

3
frostschutz

私は通常、システムごとではなくドライブごとに定義されているこの単純なチェックを使用します（DEVICESCANオプションを使用）-全体的なSMARTヘルスステータスと、保留中のセクターの再割り当てと最後のSMARTテスト以降の不良セクター。疑わしいイベントがあれば、私のスマートキャッチオールアドレスにメールで送られます。

/dev/sda -H -C 0 -U 0 -m [email protected]

一部のシステムでは、SMARTセルフテストを特定の日に自動的に実行するように定義しています。この仕様では、2つのドライブで毎週日曜日の午前0時以降（ただし、同時にではなく、真夜中と午前1時、そして午前2時から）：

/dev/sda -a -s L/../../7/00 -m [email protected]
/dev/sdb -a -s L/../../7/02 -m [email protected]
2
dsmsk80