Ridurre i tempi di tentativi / tentativi di blocco errati in Ubuntu

Come posso ridurre i tempi di attesa e i tentativi di IO in modo che il sistema operativo non tenti continuamente di scrivere su un'unità guasta?

Ho un sistema che uso per fare copie di contenuti demo che vengono prestati ai clienti su normali dischi rigidi desktop SATA. Colleghiamo molte unità contemporaneamente tramite SAS e copiamo il contenuto su di esse utilizzando uno script.

Poiché le unità vengono prestate, a volte alcuni ritorni danneggiati ma non so che sono danneggiati, quindi la volta successiva che l'unità viene riutilizzata in un'operazione di copia, rallenta altre unità mentre il sistema ritenta IO su quell'unità. A volte possono volerci ore prima di notare l'unità difettosa e rimuoverla. Dopo aver rimosso l'unità, le altre unità iniziano a scrivere a velocità normale.

Non mi interessa recuperare i dischi difettosi. Devo solo eliminarli in modo che non rallentino tutto il resto.

Sto anche ricercando badblock e smartmontools e sto pensando di scrivere un controllo preliminare sui drive prima di iniziare a scrivere.

Sistema operativo: Ubuntu Linux (12.04 lts)

Non ho mai usato questo parametro sintonizzabile prima, ma probabilmente vorresti regolare eh_timeout (timeout di gestione degli errori) per l'unità in questione:

[root@localhost device]# cat /sys/block/sda/device/eh_timeout
10
[root@localhost device]# 

Quanto sopra mostra sdaimpostato su 10 secondi. Dalla knowledge base di Red Hat:

In alcune configurazioni di archiviazione (ad esempio configurazioni con molti LUN), il codice di gestione degli errori SCSI può impiegare molto tempo a inviare comandi come TEST UNIT READY a dispositivi di archiviazione che non rispondono. Un nuovo parametro sysfs, eh_timeout, è stato aggiunto all'oggetto dispositivo SCSI, che consente la configurazione del valore di timeout per i comandi TEST UNIT READY e REQUEST SENSE utilizzati dal codice di gestione degli errori SCSI. Ciò riduce la quantità di tempo impiegato a controllare questi dispositivi che non rispondono. Il valore predefinito di eh_timeout è 10 secondi, che era il valore di timeout utilizzato prima di aggiungere questa funzionalità.

Controlla /sys/block/<dev>/stati dispositivi che ti interessano e confronta il decimo parametro (io_ticks).

per esempio, ticks = io_ticks - prev_ticks / seconds_deltatime / 10

Questa è la percentuale di tempo disponibile che il disco ha trascorso in attesa del disco io.

Vale la pena controllare quasi il 100%, altrimenti diventa davvero intelligente e confrontalo con la media di tutti i tuoi dischi e scegli su uno o più dischi sopra la media.

Vedere la documentazione delle statistiche del livello di blocco .

Altrimenti usa qualcosa come Munin e disegnalo graficamente. Puoi far avvisare Munin se supera una soglia, ad es. Il 90% o qualunque cosa mostri il tuo grafico è una buona cifra di allerta.

ad esempio, vedi questi due grafici Munin che mostrano che / dev / sdi deve essere guardato. In questo esempio se / dev / sdi fa parte di un array, l'intero array ne risentirebbe.

Se guardi il grafico settimanale, vedrai che / dev / sdc potrebbe anche essere lento.

Dovrei aggiungere che / dev / sdi sopra non è rotto, è solo un disco lento (in realtà un disco verde che qualcuno ha aggiunto a un array di dischi sata di livello enterprise) che ha rallentato l'array. Un vero disco guasto si sporgerebbe come un pollice dolente.

In sintesi, probabilmente avrei scelto uno script se avessi avuto il tempo, ma Munin se volevo solo una soluzione rapida e collegarmi al server era facile.