Erro de disco de hardware no ESX Guest, em uma unidade suportada por vmfs ... como isso é possível?

8

Como um hóspede do ESX pode encontrar problemas com este tipo de io?

[ 40.601502] end_request: critical target error, dev sdg, sector 430203456
[ 40.601563] sd 2:0:6:0: [sdg] Unhandled sense code
[ 40.601582] sd 2:0:6:0: [sdg] Result: hostbyte=invalid driverbyte=DRIVER_SENSE
[ 40.601622] sd 2:0:6:0: [sdg] Sense Key : Hardware Error Sense Key : Hardware Error [current] [current] 
[ 40.601661] sd 2:0:6:0: [sdg] Add. Sense: Internal target failureAdd. Sense: Internal target failure
[ 40.601695] sd 2:0:6:0: [sdg] CDB: Write(10)Write(10):: 2a 2a 00 00 02 19 64 a4 05 62 c0 80 00 00 00 00 40 40 00 00

fisicamente os dados estão nos vmfs armazenados em uma matriz raid6 (adaptec 5805), o que parece feliz
também o host ESX não registra nenhum problema
o tamanho do disco relatado pelo convidado parece o mesmo que o tamanho do disco provisionado
através do esx, o hóspede tem 9 unidades iguais anexadas e apenas 2 apresentam esse problema

linux vmware-esxi

— Tobi Oetiker
fonte

1

Talvez um bug na camada de emulação de E / S? Você já tentou alterar o tipo de controlador SCSI do convidado para ver se ele altera o comportamento? O acesso ao setor especificado reproduz o erro? Use dd if=/dev/sdg bs=512 skip=430203455 count=1para reler ou apenas badblocks -w -b 512 /dev/sdg 430203457 430203455para executar um ciclo de leitura-teste-gravação-reescrita se você estiver se sentindo corajoso.

— -

Qual versão do kernel você tem aí? Atualize seu kernel e veja se o erro ainda aparece.

— Sacx

1

Eu experimentei algo semelhante no volume de backup do MS SQL no convidado do Win 2008 no ESX 4.0 - é um volume bruto exposto do arquivador NetApp.

O SO convidado está relatando (e ainda informa) setores defeituosos nesse volume.
Acho que isso aconteceu devido a muitas operações de gravação de E / S, tempo limite temporário ou sobrecarga de arquivador.
Não há mais setores ruins relatados. A "limpeza de disco" da NetApp diz que está tudo bem. Nenhum erro de arquivador relatado.

Mas vamos recriar esse volume de qualquer maneira e ver se ele corrige isso.

E os outros volumes deste arquivador? Você pode verificar este volume com o comando "badblocks / dev / sdg"? (cuidado: sobrecarga de leitura enorme)

— TooMeeK
fonte

1

Afinal, era um problema de hardware / firmware. Enquanto o Adaptec 5805 (com o firmware mais recente) relatava que todos os volumes RAID6 estavam no estado ideal, ele também relatou um volume para conter 'Falhas com falha'. O efeito disso parece ser que parte do volume RAID6 se torna ilegível (causando os erros citados na pergunta). O ESX parece não ver isso diretamente, mas a execução dd if=/dev/zero of=file-on-damaged-volumedireta no console do ESXi terminou com um erro de E / S, enquanto ainda havia muito espaço no volume.

Nenhuma quantidade de arcconf verifica / verifica_fix é executada em volumes e os dispositivos físicos foram capazes de detectar ou corrigir qualquer coisa ... Eventualmente, afastei todos os dados do volume e os recriei no nível adaptec. Agora está tudo bem, mas minha confiança na capacidade da adaptec de proteger meus dados está seriamente danificada.

— Tobi Oetiker
fonte

1

Isso é bastante coerente com o procedimento Sun / Oracle para essas situações . Há também este artigo de Perguntas frequentes da Adaptec sobre faixas ruins, que fornece algumas informações básicas sobre como as faixas ruins ocorrem e o que pode ser feito para evitá-las.

— the-wabbit

Sim, o artigo Sun / Oracle me colocou no caminho certo (triste). Tivemos um disco com falha nessa matriz, mas o RAID6, portanto, mesmo assim, houve redundância. Uma das verificações posteriores da mídia revelou erros nos discos restantes ... também o controlador adaptec tem uma BBU, então eu realmente não vejo qualquer desculpa para este comportamento :-( Nunca tive quaisquer problemas com nossos controladores de areca.

— Tobi Oetiker

Quase nunca uso controladores Adaptec e mantenho principalmente o armazenamento LSI, mas essa é a primeira vez que tropeço em "problemas". Gostaria de saber se isso é algo muito específico para a implementação da Adaptec.

— the-wabbit