2007 m. Google paskelbtas daugiau nei 100 000 kietųjų diskų tyrimas parodė, kad realūs diskų gedimų dažniai gerokai viršija tai, ką žada gamintojų MTBF skaičiai, o S.M.A.R.T. daugelio gedimų iš anksto nenumato. Todėl vienintelė patikima apsauga lieka reguliarios atsarginės kopijos.
Apie tyrimą
Google tyrimą „Failure Trends in a Large Disk Drive Population“ (autoriai Eduardo Pinheiro, Wolf-Dietrich Weber ir Luiz André Barroso) pristatė 2007 m. failų ir duomenų saugojimo technologijų konferencijoje FAST’07. Jame aprašyti daugiau nei 100 000 diskų duomenys.
Svarbu tai, kad Google naudojo vartotojų klasės PATA ir SATA diskus – tokius pačius, kokie stovi daugelio žmonių kompiuteriuose. Taip atsirado geresni duomenys apie įprastų diskų gedimus nei apie brangius verslo klasės FC (fibre channel) ir SCSI diskus, kuriems deklaruojamas daug didesnis MTBF.
Tyrimas pateikė netikėtų išvadų penkiose srityse:
- gamintojų MTBF specifikacijų tikslumas;
- S.M.A.R.T. duomenų naudingumas;
- darbo apkrova ir disko tarnavimo laikas;
- amžius ir gedimai;
- temperatūra ir gedimai.
MTBF ir metinis gedimų dažnis (AFR)
MTBF (Mean Time Between Failures, vidutinis laikas tarp gedimų) yra statistinis dydis, skirtas dideliam įrenginių kiekiui. Vartotojų PATA ir SATA diskams įprastas 300 000 valandų MTBF. Tačiau jis nieko nepasako apie tai, kiek ištarnaus konkretus diskas.
Teoriškai, jei turite 300 000 diskų, kurių MTBF yra 300 000 valandų, turėtumėte tikėtis maždaug vieno gedimo per valandą. Per metus (8 760 valandų) tai būtų apie 8 760 sugedusių diskų, t. y. apie 2,9 % metinis gedimų dažnis (AFR, Annual Failure Rate). Google duomenys parodė, kad realybė nėra tokia graži.
Kodėl gamintojų skaičiai optimistiški
Gamintojai gedimus apibrėžia kitaip nei vartotojai. Jie paprastai remiasi dviem duomenų šaltiniais:
- pagreitinto senėjimo testais – jie tinka tam tikrų aplinkos veiksnių įtakai įvertinti, bet prastai atspindi naudojimą realiame pasaulyje;
- grąžintų diskų duomenimis – čia gamintojai dažnai praneša, kad 20–30 % grąžintų diskų „gedimo nerasta“.
Google tyrėjai pažymi, kad gedimai kartais atsiranda tik dėl kelių dalių derinio (pvz., konkretaus disko su konkrečiu valdikliu ar kabeliu). Jie stebėjo atvejų, kai testavimo įranga diskui nuolat rodė „žalią šviesą“, nors realiai naudojamas jis vis gesdavo.
Išvada: gamintojų MTBF skaičiai realiame gyvenime yra mažai ką pasakantys.
Ar S.M.A.R.T. įspėja apie gedimą?
S.M.A.R.T. (Self-Monitoring, Analysis and Reporting Technology) fiksuoja disko klaidas, kad gedimą būtų galima numatyti iš anksto ir spėti pasidaryti atsargines kopijas. Tačiau S.M.A.R.T. daugiausia orientuota į mechaninius gedimus, o nemaža dalis gedimų yra elektroniniai, todėl daugelio staigių gedimų ji nepastebi.
Google nustatė, kad 36 % sugedusių diskų neparodė nė vienos S.M.A.R.T. stebimos klaidos. Tyrėjų išvada: vieno konkretaus disko gedimui prognozuoti S.M.A.R.T. duomenys beveik nenaudingi.
Vis dėlto keturi S.M.A.R.T. parametrai buvo stipriai susiję su gedimais:
- skenavimo klaidos (scan errors);
- perskirstytų sektorių skaičius (reallocation count);
- perskirstymai atjungus (offline reallocation);
- „bandomųjų“ sektorių skaičius (probational count).
Pavyzdžiui, po pirmos skenavimo klaidos diskas per artimiausias 60 dienų sugesdavo 39 kartus dažniau nei kiti diskai. Kitų trijų parametrų ryšys silpnesnis, bet taip pat reikšmingas.
Esmė: S.M.A.R.T. gali įspėti apie kai kurias problemas, bet kitas praleidžia, todėl ja aklai pasitikėti negalima. Duomenis kopijuokite dažnai, o pasirodžius vienai iš minėtų klaidų – keiskite diską nauju.
Ar didelė apkrova sutrumpina disko gyvenimą?
Google nustatė labai silpną ryšį tarp disko darbo apkrovos ir gedimų dažnio. Apkrova tyrime apibrėžta kaip savaitinis vidutinis skaitymo ir rašymo srautas per diską, atsižvelgiant į tai, kad naujesni diskai turi didesnį pralaidumą nei senesni.
Išimtis – nauji diskai: tarp intensyviai naudojamų naujų diskų mirtingumas buvo gerokai didesnis. Taigi naujus diskus verta „išbandyti“ intensyviu darbu, kol jie dar garantiniai. O dėl kasdienių atsarginių kopijų ir kitų intensyvių įvesties ir išvesties darbų nerimauti nereikia – kopijas darykite ir toliau.
Amžius ir gedimai
Tyrėjai turėjo duomenų, kurie gamintojai gamina geresnius diskus, o kurie – prastesnius, tačiau jų neatskleidė dėl komercinio konfidencialumo.
Be to, Google tam tikro modelio diskus perka dideliais kiekiais, bet tik kelis mėnesius, kol atsiranda naujas geras pasiūlymas. Todėl, kaip pripažįsta patys autoriai, šie duomenys nėra tiesiogiai tinkami disko amžiaus įtakai gedimams įvertinti, nors jie gerai apibūdina gedimus visoje diskų populiacijoje.
Pagrindinė išvada: vidutinis metinis gedimų dažnis nėra nei toks tolygus, nei toks mažas, kokį leidžia tikėtis gamintojų MTBF.
Ar diskus žudo karštis?
Vienas įdomiausių rezultatų – ryšys tarp disko temperatūros ir gedimų. Google devynis mėnesius kas kelias minutes rinko temperatūros duomenis iš S.M.A.R.T. įrašų.
Paaiškėjo, kad kylant vidutinei temperatūrai gedimų dažnis nedidėja. Atvirkščiai, žemesnės temperatūros buvo susijusios su didesniu gedimų dažniu, ir tik esant labai aukštoms temperatūroms ši tendencija šiek tiek apsiverčia. Senesniems diskams aukšta temperatūra turėjo daugiau įtakos.
Tyrėjų išvada: žemose ir vidutinėse temperatūrose aukštesnė temperatūra nesusijusi su didesniu gedimų dažniu. Tai reiškia, kad duomenų centrų ir serverių projektuotojai, nustatydami įrangos su kietaisiais diskais darbo temperatūrą, turi daugiau laisvės, nei manyta anksčiau.
Ką tai reiškia praktiškai
- MTBF gerokai nuvertina gedimų dažnį. Jei planuosite, kad realus metinis gedimų dažnis bus maždaug 50 % didesnis, nei rodo MTBF, būsite geriau pasiruošę.
- Maži biurai turėtų apsvarstyti 3 metų senumo diskų keitimą arba bent jau rimtai pasirūpinti senesnių nei 3 metų diskų duomenų kopijomis.
- Verslo klasės diskų pirkėjai turėtų reikalauti realių duomenų, patvirtinančių deklaruojamą MTBF (paprastai 1 mln. valandų ir daugiau) – šie diskai tuo metu buvo ištirti gerokai mažiau.
- S.M.A.R.T. įspėja apie dalį gedimų, bet ne apie visus, todėl pramonei reikia naudingesnių sprendimų.
- Apkrovos duomenys kelia klausimų apie architektūras, kurios diskus išjunginėja jų tarnavimo laikui pratęsti (pvz., MAID). Google to atskirai nenagrinėjo.
- Aušinimas ne visada būtinas, o jis kainuoja gerokai daugiau nei kiti sprendimai.
- Tyrimas pagrindžia vartotojų klasės diskų naudojimą duomenų centruose: tai buvo pirmasis tokios apimties tyrimas, panašaus verslo klasės diskams nebuvo atlikta.
Tuo pačiu metu tame pačiame FAST’07 renginyje savo diskų gedimų tyrimą pristatė ir Carnegie Mellon universiteto (CMU) mokslininkai.
Ką daryti
- Nepasikliaukite vien MTBF skaičiais ar S.M.A.R.T. įspėjimais – reguliariai darykite atsargines kopijas.
- Atsiradus skenavimo klaidoms ar perskirstytiems sektoriams, nedelsdami nukopijuokite duomenis ir pakeiskite diską.
- Senesnius nei 3 metų diskus apsvarstykite pakeisti arba bent užtikrinkite jų duomenų kopijas.
- Jei diskas jau sugedo ir kopijos nėra, kreipkitės į duomenų atkūrimo specialistus.