Como posso diagnosticar e corrigir um problema de conexão de disco intermitente?

Question

Eu tenho um notebook Lenovo X250 executando o teste Debian. Tem um 512 GB Crucial MX100 2.5 "SATA SSD.

Ocasionalmente, o computador será bloqueado e eu precisarei reiniciar. Se eu puder mudar para um console, vejo muitas mensagens sobre ATA COM RESET e erros de leitura / gravação do btrfs. Às vezes, ele se tornará responsivo, mas com o sistema de arquivos raiz montado como somente leitura, e não na verdade legível. Arquivos no cache podem ser lidos, mas não outros arquivos.

Coisas estranhas:

• pode durar muitos dias sem agir
• é strongmente correlacionado com a movimentação do computador enquanto ele está ligado; Eu tomei para sempre fechar a tampa quando se deslocam
• o problema exige poder de ciclo para resolver - uma reinicialização suave por meio do magic sysreq terminará com o BIOS não encontrando um dispositivo inicializável

Minha crença vaga é que há algum tipo de contato afetado pelo flex do chassi. Coisas que eu tentei:

• verificar o status SMART (tudo limpo)
• resetando a unidade

Não tenho um SSD de 2,5 "SATA sobressalente para testar. Posso certamente adquirir um novo, mas prefiro não o fazer, a menos que espere que conserte as coisas.

Qualquer ideia seria muito apreciada!

Saída de smartctl -A :

smartctl 6.6 2016-05-31 r4324 [x86_64-linux-4.14.0-2-amd64] (local build)
Copyright (C) 2002-16, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF READ SMART DATA SECTION ===
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     0x002f   100   100   000    Pre-fail  Always       -       0
  5 Reallocate_NAND_Blk_Cnt 0x0033   100   100   000    Pre-fail  Always       -       0
  9 Power_On_Hours          0x0032   100   100   000    Old_age   Always       -       5888
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       7741
171 Program_Fail_Count      0x0032   100   100   000    Old_age   Always       -       0
172 Erase_Fail_Count        0x0032   100   100   000    Old_age   Always       -       0
173 Ave_Block-Erase_Count   0x0032   086   086   000    Old_age   Always       -       431
174 Unexpect_Power_Loss_Ct  0x0032   100   100   000    Old_age   Always       -       126
180 Unused_Reserve_NAND_Blk 0x0033   000   000   000    Pre-fail  Always       -       4403
183 SATA_Interfac_Downshift 0x0032   100   100   000    Old_age   Always       -       0
184 Error_Correction_Count  0x0032   100   100   000    Old_age   Always       -       0
187 Reported_Uncorrect      0x0032   100   100   000    Old_age   Always       -       0
194 Temperature_Celsius     0x0022   074   040   000    Old_age   Always       -       26 (Min/Max 12/60)
196 Reallocated_Event_Count 0x0032   100   100   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0032   100   100   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0030   100   100   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x0032   100   100   000    Old_age   Always       -       0
202 Percent_Lifetime_Used   0x0031   086   086   000    Pre-fail  Offline      -       14
206 Write_Error_Rate        0x000e   100   100   000    Old_age   Always       -       0
210 Success_RAIN_Recov_Cnt  0x0032   100   100   000    Old_age   Always       -       0
246 Total_Host_Sector_Write 0x0032   100   100   000    Old_age   Always       -       31996614953
247 Host_Program_Page_Count 0x0032   100   100   000    Old_age   Always       -       1008715183
248 Bckgnd_Program_Page_Cnt 0x0032   100   100   000    Old_age   Always       -       258122736

    

Answer 1

Você não mencionou nenhuma dessas coisas, então vou listá-las:

1. Verifique os registros de erros SMART do disco. Se você puder mostrar que há erros e a unidade ainda está coberta pela garantia do fabricante, a Crucial a substituirá.

   smartctl -l error /dev/sda
   

2. Execute um teste de transporte e mova o laptop enquanto executa o teste.

   smartctl -t conveyance /dev/sda
   

   Na página de manual:

   conveyance - [ATA only] runs a SMART Conveyance Self Test (minutes). This self-test routine is intended to identify damage incurred during transporting of the device. This self-test routine should take on the order of minutes to complete. Note that this command can be given during normal system operation (unless run in captive mode - see the '-C' option below).

3. Execute o auto-teste long .

   smartctl -t long /dev/sda
   

   long - [ATA] runs SMART Extended Self Test (tens of minutes to several hours). This is a longer and more thorough version of the Short Self Test described above. Note that this command can be given during normal system operation (unless run in captive mode - see the '-C' option below).

4. Se foi fabricado antes de março de 2015, há uma atualização de firmware para a unidade. Isso poderia ajudar. A última nota no resumo de lançamento sobre a correção de relatórios para o atributo SMART 5, que é a contagem de setor realocada (tecnicamente, blocos de memória flash com falha, já que isso é um SSD), é particularmente suspeita para mim. Você poderia ter um grande número de setores realocados e a SMART não reportaria corretamente.

   Release Date: 03/10/2015

   Firmware for the MX100 (all form factors) is being updated from version MU01 to MU02. The MX100 is updateable to this new firmware starting from previous versions using tools provided by Micron.

   This update will be mandatory cut-in for new product built in Micron factories, and is an OPTIONAL update for any drive in the field. For end users, it is recommended if the user is experiencing or wishes to prevent an issue related to the following items.

   Version MU02 includes the following changes:

   Improved stability, Efficiency, and Performance during power state transitions
   Improved handling of environments with unstable power supplies
   Improved handling of environments with SATA interface signal integrity issues
   Improved response time for SMART read commands
   Corrected error handling NCQ Trim Commands
   Corrected reporting of SMART Attribute 5
   

   link

5. Considere a possibilidade de particionar novamente a unidade e possivelmente tentar um sistema operacional diferente. Particularmente desde que você está usando o sabor testing do Debian.

6. Considere que o seu problema não é a unidade e talvez a placa-mãe.

7. Remova a unidade e inicialize a partir de um ambiente ao vivo do Debian (unidade flash ou CD). Tente replicar o congelamento. Obviamente, se ainda assim o fizer, não poderá ser a unidade.