Awaria sprzętowa

Awaria sprzętowa to ogólne określenie usterki fizycznych komponentów infrastruktury hostującej bazę danych.

Zakres pojęcia awarii sprzętowej

Awaria sprzętowa oznacza uszkodzenie albo nieprawidłowe działanie fizycznego elementu serwera, macierzy dyskowej lub innego urządzenia, na którym działa infrastruktura bazy danych. Problem może dotyczyć między innymi dysku HDD lub SSD, kontrolera RAID, pamięci RAM, procesora, płyty głównej, zasilacza, wentylatora, karty sieciowej, przewodu, modułu światłowodowego albo elementu zasilania awaryjnego. W odróżnieniu od błędu programu przyczyną jest fizyczna utrata sprawności, niestabilność elektryczna, przegrzewanie, zużycie albo przerwanie połączenia.

Uszkodzenie pojedynczego podzespołu nie zawsze powoduje natychmiastowe zatrzymanie bazy danych. Serwer może nadal odpowiadać, jeżeli korzysta z nadmiarowego zasilania, kilku kontrolerów, pamięci z korekcją błędów lub macierzy RAID. Taka tolerancja nie usuwa jednak problemu: zdegradowany dysk, niesprawny wentylator albo powtarzające się błędy pamięci zmniejszają margines bezpieczeństwa i mogą doprowadzić do kolejnej awarii. Dlatego komunikat o awarii sprzętowej powinien być traktowany jako sygnał do ustalenia konkretnego elementu, a nie jako pełna diagnoza.

Objawy widoczne w pracy infrastruktury

Awaria dysku może objawiać się wydłużeniem operacji wejścia i wyjścia, błędami odczytu, resetowaniem urządzenia blokowego albo przejściem macierzy RAID w tryb zdegradowany. W systemie operacyjnym mogą pojawić się wpisy o błędach kontrolera, zerwanych połączeniach z urządzeniem, błędach medium lub korekcji sektorów. W przypadku dysków z obsługą S.M.A.R.T. istotne są między innymi rosnące wartości błędów niekorygowalnych, sektorów oczekujących na realokację oraz sektorów już realokowanych. Sam status „OK” nie wyklucza problemu, ponieważ nie każdy błąd jest przez ten mechanizm wykrywany lub odpowiednio klasyfikowany.

Uszkodzenie pamięci RAM może powodować nieprzewidywalne zatrzymania systemu, błędy procesów, uszkodzenie danych w pamięci podręcznej albo nieudane ponowne uruchomienia. W serwerach stosuje się często pamięć ECC, która potrafi skorygować pojedyncze błędy bitowe i zarejestrować ich wystąpienie. Powtarzające się korekcje, błędy wielobitowe lub wyłączenie modułu przez firmware wymagają sprawdzenia konkretnej kości i gniazda. Z kolei przegrzewanie procesora, kontrolera lub dysków może powodować obniżenie częstotliwości pracy, awaryjne wyłączenie albo niestabilność ujawniającą się dopiero przy dużym obciążeniu.

Rozdzielenie przyczyny sprzętowej od błędu systemu

Diagnoza powinna łączyć informacje z kilku warstw: dzienników systemu operacyjnego, komunikatów firmware, kontrolera dyskowego, monitoringu temperatur i zasilania oraz logów samej bazy danych. Jeżeli baza zgłasza długi czas oczekiwania na operację dyskową, nie oznacza to automatycznie uszkodzenia dysku. Przyczyną może być również przeciążenie, wadliwy sterownik, problem z kontrolerem, błędna konfiguracja ścieżki dostępu albo niedostępność urządzenia sieciowego. Dopiero zgodność objawów z rejestrowanymi błędami fizycznego urządzenia pozwala uzasadnić wniosek o awarii sprzętowej.

Podczas sprawdzania nie powinno się wielokrotnie uruchamiać uszkodzonego dysku ani wykonywać obciążających testów zapisu na nośniku zawierającym jedyną kopię danych. Najpierw należy ustalić, czy istnieje aktualna kopia zapasowa oraz czy macierz ma sprawny stan nadmiarowy. Wymiana elementu RAID wymaga użycia części zgodnej z kontrolerem i procedurą producenta, a odbudowa macierzy może długo obciążać pozostałe dyski. Jeżeli problem dotyczy zasilania, przed ponownym uruchamianiem trzeba sprawdzić przewody, moduły zasilaczy, listwy zasilające i obciążenie obwodu, ponieważ samo skasowanie alarmu nie przywraca stabilnych warunków pracy.

Postępowanie po wykryciu uszkodzonego podzespołu

Praktyczna naprawa obejmuje identyfikację wadliwej części, zabezpieczenie danych, kontrolowane wyłączenie urządzenia, wymianę podzespołu oraz test po uruchomieniu. Po wymianie dysku należy sprawdzić, czy kontroler rozpoznał nowy nośnik i rozpoczął odbudowę, a następnie monitorować jej postęp oraz liczbę błędów pozostałych dysków. Po wymianie pamięci warto wykonać test diagnostyczny zalecany dla danego serwera i obserwować, czy znikają błędy ECC. W przypadku wentylatora lub zasilacza należy potwierdzić prawidłową temperaturę, przepływ powietrza i pracę wszystkich modułów redundantnych.

Warszawskie Pogotowie Komputerowe zajmuje się profesjonalną naprawą laptopów, komputerów PC oraz ich podzespołów, obejmującą między innymi rozpoznanie objawów uszkodzeń dysków, pamięci, zasilaczy, układów chłodzenia i płyt głównych. Przy sprzęcie używanym lokalnie ważne jest odróżnienie awarii elementu od problemu z przewodem, gniazdem, zasilaczem lub konfiguracją systemu. Wynik diagnostyki powinien wskazywać sprawdzony podzespół, zaobserwowany objaw, wykonane testy oraz czynności potrzebne do bezpiecznego przywrócenia komputera do pracy.