Tengo un servidor en el que reside una aplicación web bastante visitada.
Tiene un raid1 de 2 HDD, 64MB Buffer, 7200 RPM.
Hoy empezó a arrojar errores como:
kernel: ata2.00: exception Emask 0x0 SAct 0x0 SErr 0x0 action 0x6 frozen
kernel: ata2.00: cmd b0/d0:01:00:4f:c2/00:00:00:00:00/00 tag 0 pio 512 in
kernel: res 40/00:00:00:4f:c2/00:00:00:00:00/00 Emask 0x4 (timeout)
kernel: ata2.00: status: { DRDY }
kernel: ata2: hard resetting link
kernel: ata2: SATA link up 3.0 Gbps (SStatus 123 SControl 300)
kernel: ata2.00: max_sectors limited to 256 for NCQ
kernel: ata2.00: max_sectors limited to 256 for NCQ
kernel: ata2.00: configured for UDMA/133
kernel: sd 1:0:0:0: timing out command, waited 7s
kernel: ata2: EH complete
kernel: SCSI device sda: 976773168 512-byte hdwr sectors (500108 MB)
kernel: sda: Write Protect is off
kernel: SCSI device sda: drive cache: write back
Todo el día ha estado con una carga superior a 10-15.
Lo estoy monitoreando desde arriba y da algunas lecturas extrañas:
DSK | sda | busy 100% | read 2 | write 208 | KiB/r 16 | KiB/w 32 | MBr/s 0.00 | MBw/s 0.65 | avq 86.17 | avio 47.6 ms |
DSK | sdb | busy 1% | read 10 | write 117 | KiB/r 17 | KiB/w 5 | MBr/s 0.02 | MBw/s 0.07 | avq 4.86 | avio 1.04 ms |
Francamente, no entiendo por qué sólo sda está sufriendo todo el impacto. Tengo un proceso que escribe constantemente con 1-2 megas, pero ¿qué diablos... 100% iowait?
Actualización:
smartctl -A /dev/sda
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 239 239 021 Pre-fail Always - 8050
4 Start_Stop_Count 0x0032 100 100 000 Old_age Always - 22
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 100 100 000 Old_age Always - 595
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 - 21
192 Power-Off_Retract_Count 0x0032 200 200 000 Old_age Always - 20
193 Load_Cycle_Count 0x0032 200 200 000 Old_age Always - 22
194 Temperature_Celsius 0x0022 118 106 000 Old_age Always - 32
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 100 253 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x0032 200 200 000 Old_age Always - 0
200 Multi_Zone_Error_Rate 0x0008 100 253 000 Old_age Offline - 0
Respuesta1
Parece que la unidad puede estar fallando: el sistema está reiniciando la unidad/la conexión intentando comunicarse con ella. Supongo que como puedes ver el estado de sda y sdb, se trata de una incursión de software, por lo que deberías poder consultar /proc/mdstat para ver qué puede estar pasando con la incursión de software.
La IOWait se debe a que el raid de software está retenido esperando escribir en sda. Esto, a su vez, retrasa los procesos y provoca un número de carga elevado.
Deberías reemplazar tu sda lo antes posible.
Respuesta2
Me parece un disco defectuoso...
Respuesta3
sda no procesa las solicitudes de E/S con prontitud. Si no es la unidad, entonces hay un desequilibrio en la E/S. ¿Tiene una partición de intercambio en sda? Si es así, podría tener problemas de memoria que provoquen que las páginas de memoria entren y salgan del intercambio. Asegúrese de haber asignado espacio de intercambio en ambas unidades con la misma prioridad. El programa sar puede resultar útil.