HDD READ WRITE DMA error -- smartmontools deuten

metro

metro

i² = -1
wie das Leben so spielt, hab ich auf einer alten HDD einen schicken Defekt .
Die Symptome sind sogenannte ' arbitrary reboots ' kein crashdump,
nichts in den Logs, einfach Schluss und reboot.
Diese treten eigentlich schon seit langer Zeit, aber selten auf, und
wurden leider immer häufiger.
Da ich das ganze am Anfang auf xorg bezogen habe, sind immer mehr Dinge
neu kompiliert und reinstalliert worden, aber irgendwann kommt dann der
Punkt, an dem eine Applkikation (IMMER aus einem Browser heraus, oder in
Verbindung mit nvidia GL ) anscheinend auf den defekten Sektor zurgeifen
will, und -- pardauz --> reboot mit fsck etc.
Ich kann die nachfolgene Ausgabe von smartctl (smartmontools) leider nicht deuten,
die Fragen sind folgende:

1.a) Überschreiben des defekten Sektors ? oder
1.b) PLatte komplett neuformatieren ?
2. ) Trotzdem die Platte austauschen ?
3. ) Wie alt können eigentlich Samsung HDD's werden ( siehe disk -lifetime)

Code: 
smartctl 5.40 2010-10-16 r3189 [FreeBSD 7.4-PRERELEASE i386] (local build)
Copyright (C) 2002-10 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF INFORMATION SECTION ===
Model Family:     SAMSUNG SpinPoint P120 series
Device Model:     SAMSUNG SP2504C
Serial Number:    S09QJ1LL512091
Firmware Version: VT100-41
User Capacity:    250,059,350,016 bytes
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   7
ATA Standard is:  ATA/ATAPI-7 T13 1532D revision 4a
Local Time is:    Sat Jan  1 15:54:23 2011 CET

==> WARNING: May need -F samsung3 enabled; see manual for details.

SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status:  (0x02) Offline data collection activity
                                        was completed without error.
                                        Auto Offline Data Collection: Disabled.
Self-test execution status:      (   0) The previous self-test routine completed
                                        without error or no self-test has ever 
                                        been run.
Total time to complete Offline 
data collection:                 (4806) seconds.
Offline data collection
capabilities:                    (0x5b) SMART execute Offline immediate.
                                        Auto Offline data collection on/off support.
                                        Suspend Offline collection upon new
                                        command.
                                        Offline surface scan supported.
                                        Self-test supported.
                                        No Conveyance Self-test supported.
                                        Selective Self-test supported.
SMART capabilities:            (0x0003) Saves SMART data before entering
                                        power-saving mode.
                                        Supports SMART auto save timer.
Error logging capability:        (0x01) Error logging supported.
                                        General Purpose Logging supported.
Short self-test routine 
recommended polling time:        (   1) minutes.
Extended self-test routine
recommended polling time:        (  80) minutes.
SCT capabilities:              (0x003f) SCT Status supported.
                                        SCT Error Recovery Control supported.
                                        SCT Feature Control supported.
                                        SCT Data Table supported.

SMART Attributes Data Structure revision number: 16
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE
  1 Raw_Read_Error_Rate     0x000f   100   100   051    Pre-fail  Always       -       4
  3 Spin_Up_Time            0x0007   100   100   025    Pre-fail  Always       -       5952
  4 Start_Stop_Count        0x0032   100   100   000    Old_age   Always       -       617
  5 Reallocated_Sector_Ct   0x0033   253   253   010    Pre-fail  Always       -       0
  7 Seek_Error_Rate         0x000f   253   253   051    Pre-fail  Always       -       0
  8 Seek_Time_Performance   0x0025   253   253   015    Pre-fail  Offline      -       0
  9 Power_On_Hours          0x0032   100   100   000    Old_age   Always       -       36357
 10 Spin_Retry_Count        0x0033   253   253   051    Pre-fail  Always       -       0
 11 Calibration_Retry_Count 0x0012   253   253   000    Old_age   Always       -       0
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       617
187 Reported_Uncorrect      0x0032   100   100   000    Old_age   Always       -       524289
190 Airflow_Temperature_Cel 0x0022   151   100   000    Old_age   Always       -       29
194 Temperature_Celsius     0x0022   151   100   000    Old_age   Always       -       29
195 Hardware_ECC_Recovered  0x001a   100   100   000    Old_age   Always       -       41242250
196 Reallocated_Event_Count 0x0032   253   253   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0012   253   253   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0030   253   253   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x003e   200   200   000    Old_age   Always       -       0
200 Multi_Zone_Error_Rate   0x000a   100   100   000    Old_age   Always       -       0
201 Soft_Read_Error_Rate    0x000a   100   100   000    Old_age   Always       -       0
202 Data_Address_Mark_Errs  0x0032   253   253   000    Old_age   Always       -       0

SMART Error Log Version: 1
ATA Error Count: 1
        CR = Command Register [HEX]
        FR = Features Register [HEX]
        SC = Sector Count Register [HEX]
        SN = Sector Number Register [HEX]
        CL = Cylinder Low Register [HEX]
        CH = Cylinder High Register [HEX]
        DH = Device/Head Register [HEX]
        DC = Device Command Register [HEX]
        ER = Error register [HEX]
        ST = Status register [HEX]
Powered_Up_Time is measured from power on, and printed as
DDd+hh:mm:SS.sss where DD=days, hh=hours, mm=minutes,
SS=sec, and sss=millisec. It "wraps" after 49.710 days.

Error 1 occurred at disk power-on lifetime: 36278 hours (1511 days + 14 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 20 7f d6 0b e4  Error: UNC 32 sectors at LBA = 0x040bd67f = 67884671

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  c8 00 20 7f d6 0b e4 00      00:03:29.125  READ DMA
  c8 00 20 3f dc 0b e4 00      00:03:27.375  READ DMA
  c8 00 20 1f dc 0b e4 00      00:03:27.375  READ DMA
  c8 00 60 ff e9 0b e4 00      00:03:27.375  READ DMA
  ca 00 40 5f e9 0b e4 00      00:03:27.375  WRITE DMA

SMART Self-test log structure revision number 1
No self-tests have been logged.  [To run self-tests, use: smartctl -t]


Note: selective self-test log revision number (0) not 1 implies that no selective self-test has ever been run
SMART Selective self-test log data structure revision number 0
Note: revision number not 1 implies that no selective self-test has ever been run
 SPAN  MIN_LBA  MAX_LBA  CURRENT_TEST_STATUS
    1        0        0  Not_testing
    2        0        0  Not_testing
    3        0        0  Not_testing
    4        0        0  Not_testing
    5        0        0  Not_testing
Selective self-test flags (0x0):
  After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.

Was ich seltsam finde sind der hohe Hardware_ECC_Recovered und dagegen
Current_Pending_Sector mit 'null'.
Allerdings tu ich mich schwer damit, den Output richtig zu deuten.

Hilfe / Deutung ist willkommen :)
 
Also, zuerst sollte einmal gesagt werden, dass SMART relativ magisch ist und keine wirkliche Aussage über den Zustand der Platte zulässt. Ich habe diverse Platten gesehen, die eindeutig defekt waren und laut SMART noch immer "PASSED" anzeigten. Umgekehrt hatte ich auch Platten, die seit Jahren "FAILED" sagten und dennoch einwandfrei funktionierten... Deine Platte ist eine ganz normale Desktopplatte und sie hat nun 36357 Stunden = 1514 = ~4,5 Jahre gelaufen. Das Ding ist schlicht verbraucht, ich würde sie in jedem Fall ersetzen.

Davon einmal abgesehen:
- Reallocated_Sector_Ct -> Anzahl der verlegten Sektoren. Ist hier 0, es wurde als kein physischer Sektor durch einen neuen ersetzen.
- Current_Pending_Sector -> Anzahl der Sektoren, welche eventuell defekt sind und vielleicht zu einem späteren Zeitpunkt verlegt werden. Auch hier wieder 0, also nichts markiert.
- Hardware_ECC_Recovered -> Anzahl der in Hardware korrigierten Lesefehler. Ein praktisch nichtssagender Wert, da jede moderne Platte ständig hunderte dieser Fehler produziert.

Wichtig ist eigentlich zu verstehen, wie man diese Werte liest. Die Werte teilen sich in zwei Gruppen. "Old_age" gibt an, dass die Platte altert bzw. wie sehr sie gealtert ist. "Pre-fail" sind Indikatoren, dass ein Ausfall der Platte droht. Nur letztere beeinflussen die Ausgabe von "SMART overall-health self-assessment test result" ganz oben. Alle diese Pre-fail Werte haben nun drei Angaben: Threshold, Value, Worst. Value gibt den aktuellen Wert an, Worst den schlechtesten je gemessenen Wert. Dies ist nötig, da sich Value in beide Richtungen verändern kann. Unterschreitet Worst den Threshold, nörgelt die Platte los, dass sie bald ausfallen wird. Bei dir sind alle Worst noch sehr weit von ihrem Threshold entfernt, laut SMART droht dir also noch keine Gefahr...

EDIT: Natürlich können sponate Reboots auch andere Ursachen haben. Schlechter RAM, schlechte Kühlung, defektes Netzteil... Die Liste ist lang. Gerade im Bereich Festplatten sind da noch die Kabel zu erwähnen. S-ATA Stecker haben einen nur geringen Anpressdruck an die Kontakte, was zu Kontaktunterbrechung durch Korrosion oder Dreck führen kann. Evtl. erst einmal das Kabel tauschen oder wenigstens die Stecker auspusten.
 
Das der Threshold, wenn "UNTER"schritten, kritisch ist, war einer der Knackpunkte im Verständnis.
Habe aner mittlerweile wacjhsende Zweifel, daß der angezeigte Fehker (LBA ...) für die willkürlichen Reboots sorgt. Eher hat einer dieser Reboots an der Stelle der Platte einen Lese/Schreibzugriff kalt erwischt.

Also : Grubenlampe auf --> Kärcher in die Hand und ab in die Maschine, Platte wechseln und Kontakte testen. Ich hab das Netzteil irgendwie auch in Verdacht, nicht mehr korrekt zu funktionieren. Mal sehen.
Wie testet man eigentlich ein Netzteil ( und überlebt den Test ?)
Danke für die klare und verständliche Erklärung.
 
Du musst dich einloggen oder registrieren, um hier zu antworten.
Zurück
Oben