年前巡检和SSD寿命

        又到农历新年前，所以一般这个时候做系统维护工程师，往往都需要认真地进行巡检，及时发现问题，因为谁都不希望在快乐的假期中突然接到机房的电话。

        我也是提早开始这轮巡检，大致在1月底就可以完成所有签约客户的巡检；由于我的客户环境部署的质量都比较高，大部分问题都已经得到处理，所以这次发现的一个主要的问题是有个客户的vSAN环境的SSD寿命只剩下17%：

Host : XXX.XXX.XXX.XXX

naa.XXXXXXXXXXX

Health Status                N/A       OK            N/A  

Media Wearout Indicator      100       17            N/A  

Write Error Count            N/A       0             N/A  

Read Error Count             N/A       0             N/A  

Power-on Hours               N/A       N/A           N/A  

Power Cycle Count            N/A       0             N/A  

Reallocated Sector Count     N/A       0             N/A  

Raw Read Error Rate          N/A       N/A           N/A  

Drive Temperature            N/A       29            N/A  

Driver Rated Max Temperature N/A       N/A           N/A  

Write Sectors TOT Count      N/A       7123639923495 N/A  

Read Sectors TOT Count       N/A       4176759295280 N/A  

Initial Bad Block Count      N/A       N/A           N/A  

        自从我开始给客户检查SSD寿命以来，这是我发现的磨损最严重的磁盘，所以我立刻提醒客户考虑准备好备件。

        作为vSAN缓存的SSD如果故障，会导致整个磁盘组故障，虽然系统会自动进行修复，但是容量上要损失掉一个磁盘组，对于空间剩余比较小的环境，这些都可能是个问题；还有就是SSD的故障，并不容易观察到，有些系统如HP会在SSD磨损到一定值的时候，在ILO上发出报警，但并不会从面板上的指示灯上观察到。

        这个客户的系统已经投产了5年多了，根据我的经验，如果使用企业级别的SSD，一般的场景，大约3，4年后需要开始留意缓存SSD的寿命，由于vSAN的设计，每一次写的操作，都是先落到缓存的SSD，所以这些SSD必须有一定的耐写性，这也是为什么不推荐使用消费级别的SSD作为缓存的一个原因；而且更糟糕的是，我发现对于同一个vSAN集群，缓存的SSD的磨损并不平均，比如上述这个客户，有些SSD只磨损了大约50%，平均大概磨损是65%左右，所以需要早些就介入进行检查。

        SSD的磨损度和故障之间也不是必然关系，我这方面也没有找到官方的说法，SSD可能在磨损到80%时候突然失效，也可能在磨损到100%时仍然能正常使用，我看到的一种说法是，磨损到90%以上，就建议主动更换，哪位朋友这方面如果有高见，敬请赐教。

        由于现在微信公众号留言都要通过私信方式，沟通不便，有朋友反映为了找到我的联系方式，把我的文章翻看了一遍，从本篇开始，我都会公开我的联系电话：13503069419，如果要加微信，请注明vExpert。

        如果您觉得有用，请点赞，分享和关注。

原文始发于微信公众号（vExpert）：年前巡检和SSD寿命