وضعیت SMART دیسک سرور Passed است؛ پس چرا خطای دیسک می‌بینیم؟

ابزار بررسی می‌گوید سلامت دیسک PASSED یا OK است، اما سیستم‌عامل یا کنترلر سرور خطای خواندن و نوشتن نشان می‌دهد. آیا باید خیالمان راحت باشد؟ خیر؛ نتیجه کلی SMART فقط بخشی از اطلاعاتی است که خود دیسک و ابزار گزارش کرده‌اند. از طرف دیگر، هر شمارنده غیرصفر هم به‌تنهایی ثابت نمی‌کند دیسک باید همین لحظه تعویض شود.

این راهنما کمک می‌کند هشدار را درست بخوانید، دیسک و مسیر واقعی را تشخیص دهید و پیش از هر کار خطرناک از داده محافظت کنید. برای آرایه RAID، وضعیت همه اعضا و کنترلر نیز مهم است؛ راهنمای تشخیص خرابی دیسک RAID وضعیت degraded و شناسایی عضو را توضیح می‌دهد.

اگر خطای ورودی و خروجی تکرار می‌شود، آرایه degraded است یا پنل Predictive Failure نشان می‌دهد، سلامت آخرین پشتیبان جدا از سرور و امکان بازیابی آن را بررسی کنید. اگر نسخه معتبر ندارید، با توجه به شرایط و ظرفیت دستگاه برای تهیه نسخه موردنیاز با مدیر ذخیره‌سازی و مرکز داده هماهنگ کنید؛ خواندن سنگین و آزمون‌های طولانی روی دیسک مشکل‌دار می‌تواند فشار بیشتری ایجاد کند.

هیچ دیسکی را با حدس از سرور خارج نکنید. نام لینوکسی مثل sda الزاماً شماره جایگاه فیزیکی را مشخص نمی‌کند و ممکن است پس از راه‌اندازی تغییر کند. شناسه سرور، کنترلر، جایگاه و شماره سریال را از روش معتبر همان دستگاه تطبیق دهید. سریال و جزئیات زیرساخت را فقط در مسیر امن در اختیار افراد مسئول قرار دهید.

SMART مجموعه‌ای از گزارش‌ها و شاخص‌های سلامت دیسک است. وضعیت کلی Passed معمولاً یعنی ابزار، شکست آستانه سلامت کلی گزارش‌شده را در آن لحظه ندیده است. این نتیجه تضمین نمی‌کند همه داده‌ها سالم‌اند، همه خطاهای سیستم‌عامل بی‌اهمیت‌اند یا دیسک در آینده خراب نمی‌شود.

برای مثال، ممکن است کنترلر یا نرم‌افزار ذخیره‌سازی خطای I/O ثبت کند اما شاخص کلی دیسک هنوز OK باشد. توضیح Dell درباره تفاوت سلامت گزارش‌شده و خطاهای I/O یک نمونه از چنین وضعیتی را نشان می‌دهد. علت می‌تواند خود دیسک، اتصال، کنترلر یا لایه دیگری باشد و باید با شواهد همان سیستم مشخص شود.

در مقابل، Predictive Failure یا هشدار پیش‌بینی خرابی باید جدی گرفته شود، حتی اگر فایل‌ها هنوز باز می‌شوند. دستورالعمل و زمان تعویض به مدل دیسک، RAID و وضعیت پشتیبان بستگی دارد. پاک کردن هشدار از پنل، دیسک را سالم نمی‌کند.

در سرور اختصاصی با کنترلر RAID، سیستم‌عامل ممکن است فقط یک دیسک منطقی ببیند که پشت آن چند دیسک فیزیکی قرار دارد. در VPS هم دیسکی که داخل لینوکس دیده می‌شود اغلب یک دیسک مجازی است و SMART سخت‌افزار میزبان را مستقیماً نشان نمی‌دهد. خالی بودن خروجی SMART در VPS اثبات سلامت دیسک فیزیکی نیست.

برای دیدن دستگاه‌های ذخیره‌سازی قابل مشاهده در لینوکس می‌توانید از دستور فقط‌خواندنی زیر استفاده کنید:

این خروجی نام دستگاه، نوع، اندازه و در صورت پشتیبانی مدل و نوع اتصال را نشان می‌دهد. برای تشخیص شماره فیزیکی یک عضو RAID کافی نیست. اگر کنترلر سخت‌افزاری دارید، پنل کنترلر یا iDRAC/iLO و مستندات همان مدل را برای فهرست Physical Disks و وضعیت آرایه ببینید. اگر سرور اجاره‌ای است، از مرکز داده بخواهید نام و جایگاه دیسک را با شناسه دستگاه تطبیق دهد.

اگر دیسک فیزیکی مستقیماً در دسترس سیستم است و ابزار smartctl از smartmontools نصب و با آن دستگاه سازگار است، مدیر مجاز می‌تواند گزارش را بخواند. نام /dev/sda در این مثال ساختگی است؛ آن را فقط پس از شناسایی صحیح دستگاه جایگزین کنید:

این دستور اطلاعات و وضعیت گزارش‌شده دستگاه را می‌خواند؛ به‌طور معمول آزمون طولانی جدیدی شروع نمی‌کند. بسته به نوع درایو، کنترلر و نسخه ابزار، خروجی و گزینه مناسب متفاوت است. برای NVMe نام دستگاه و اطلاعات نمایش‌داده‌شده فرق می‌کنند و برای دیسک پشت RAID ممکن است نیاز به روش مشخص سازنده کنترلر باشد. نوع کنترلر یا شماره عضو را با حدس در دستور قرار ندهید.

اگر smartctl نصب نیست یا پیام پشتیبانی نشدن دستگاه را می‌دهد، به جای نصب فوری یا اجرای گزینه‌های ناشناس، گزارش پنل سخت‌افزار و مستندات سیستم را ببینید. کاربر VPS معمولاً باید وضعیت فیزیکی را از میزبان درخواست کند. خروجی کامل می‌تواند شماره سریال یا اطلاعات حساس داشته باشد؛ پیش از ارسال آن را از مسیر امن و فقط به فرد مسئول بدهید.

نام و معنی شاخص‌ها برای SATA، SAS و NVMe و حتی مدل‌های مختلف یکسان نیست. به جای تکیه بر یک عدد ثابت، این موارد را کنار زمان خطا و راهنمای سازنده ببینید:

| نشانه | تفسیر محتاطانه و اقدام | | --- | --- | | هشدار کلی Failed یا Predictive Failure | هشدار جدی است. پشتیبان، وضعیت آرایه و برنامه تعویض سازگار با مدل را فوراً با مسئول مربوط بررسی کنید. | | خطاهای خواندن/نوشتن یا بخش‌های نامطمئن در گزارش دیسک | زمان، نوع خطا و روند تغییر را ثبت کنید. همراه با خطای سیستم‌عامل و راهنمای مدل درباره اقدام یا تعویض تصمیم بگیرید. | | شمارنده خطای ارتباطی مانند CRC در بعضی دیسک‌های SATA | ممکن است مسیر ارتباط، کابل یا backplane درگیر باشد. مقدار تاریخی به‌تنهایی خرابی قطعی دیسک یا کابل را ثابت نمی‌کند؛ روند و رویدادهای کنترلر مهم‌اند. | | شاخص مصرف عمر یا خطاهای رسانه در NVMe | معنی و آستانه را در مستندات همان سازنده بخوانید؛ یک عدد ثابت برای همه مدل‌ها تصمیم دقیق نمی‌دهد. | | SMART سبز اما خطای I/O جدید | خطا را نادیده نگیرید. دستگاه، زمان، کنترلر و مسیر را با گزارش سیستم و سخت‌افزار تطبیق دهید. |

مقدار خام برخی شاخص‌ها قالب مخصوص سازنده دارد و مقایسه مستقیم بین دو مدل می‌تواند گمراه‌کننده باشد. برای بررسی روند، گزارش‌های زمان‌های مختلف از همان دستگاه و هشدارهای رسمی کنترلر را نگه دارید.

در لینوکس دارای systemd، مدیر می‌تواند پیام‌های کرنل بوت فعلی را بخواند:

این دستور ۱۵۰ پیام اخیر کرنل در بوت فعلی را نشان می‌دهد. نام دستگاه و زمان خطا را با گزارش کنترلر تطبیق دهید. اگر رخداد در بوت قبلی بوده و گزارش آن نگهداری شده، باید همان بوت را جداگانه بررسی کرد؛ راهنمای بررسی ریستارت ناگهانی سرور شیوه پیدا کردن بوت قبلی را توضیح می‌دهد.

در پنل سخت‌افزار، وضعیت Physical Disk، آرایه، کنترلر و رویدادهای همان ساعت را ببینید. اگر فقط کابل یا backplane مظنون است، تعویض یا جابه‌جایی فیزیکی را طبق دستور سازنده و با هماهنگی مرکز داده انجام دهید. اگر چند عضو آرایه هم‌زمان مشکل دارند، خارج کردن یک عضو بدون شناخت وضعیت بازسازی می‌تواند داده را از دست بدهد.

نه لزوماً. آزمون خودکار ممکن است زمان‌بر باشد و بر کارکرد یا بار ذخیره‌سازی اثر بگذارد. پیش از اجرای آن، مدل دیسک، وضعیت آرایه، حساسیت سرویس و برنامه پشتیبان را با مدیر بررسی کنید. اگر هشدار جدی وجود دارد، آزمون سنگین را بهانه تأخیر در حفاظت از داده و تماس با مرکز داده نکنید.

Firmware یا سیستم کنترلر نیز می‌تواند در گزارش خطا نقش داشته باشد، اما به‌روزرسانی آن ممکن است نیازمند توقف یا راه‌اندازی دوباره باشد. ابتدا مدل، نسخه، یادداشت سازنده و برنامه بازگشت را بررسی کنید؛ به‌روزرسانی کورکورانه درمان تمام خطاها نیست.

پس از اقدام تأییدشده، وضعیت آرایه و دیسک، نبود هشدار تازه و عملکرد خواندن و نوشتن برنامه را در بازه مناسب بررسی کنید. اگر دیسک عضو RAID تعویض شده، تا پایان بازسازی و رسیدن آرایه به وضعیت سالم، عملیات تمام نشده است؛ راهنمای اتمام بازسازی RAID مراحل آن را توضیح می‌دهد. نسخه پشتیبان را نیز جداگانه با روش بازیابی آزمایشی کنترل کنید.

برای بررسی امکانات و مدیریت سخت‌افزار، صفحه سرور اختصاصی ایران نت‌آرام در دسترس است. نتیجه SMART باید در کنار وضعیت واقعی سرویس و دستگاه همان سرور تفسیر شود.