Re: [vpsFree.cz: community-list] [vpsFree: outage-list] NAS read-only, poskozeny filesystem - Community-list

28 Jul 2016

Podle mne určitě upgrade síťové infrastruktury.

Vždycky bylo deklarováno jak NAS funguje a pokud to někdo ignoruje, no 
co na to říct. Osobně v tomto kroku pozoruji více výhod pro celý projekt 
a jeho rozvoj, zvláště pokud bude mít tenhle krok (kdump,...) vliv na 
vylepšení produkčního prostředí, o to by mělo jít v první řadě.

ETNyx

On 07/28/2016 02:24 PM, Pavel Snajdr wrote:
...
  Prave bezi posledni dosyncnuti dat, odhadem za 2-3
hodiny prepneme
 mounty read-only na backuper, znovu vytvorime pool na nasboxu s
 bezpecnejsi konfiguraci.
 Pouijeme vetsi raidz2, pripadne raidz3 VDEVy, sebehnu si nejake
 benchmarky tech konfiguraci, co mne napadaji jako prijatelne a uvidime,
 co z toho vyleze, stejna konfigurace se potom casem pouzije i pro
 backuper, abychom se vyhnuli stejne situaci v budoucnu na backuperu.

 K tomu, proc jsou v tom poolu disky se slabou redundanci, ie. 3-diskove
 RAID-Z: je to historicky dane tim, ze jak backuper, tak nasbox vznikly s
 malo disky a ZFS neumi reshape poli, pridavanim bezpecnejsich VDEVu
 bychom nic neziskali, protoze ten VDEV, ktery se rozbil, byl hned ten
 druhy v poradi, ktery tam byl uz pri prvnim vyrobeni pole.

 Kdybychom pouzili z fleku bezpecnejsi konfiguraci, to pole by tragicky
 nestihalo na IOPS.

 A jeste k tomu, jak NAS vubec vzniknul - to bylo tak, ze nam prebylo
 zalohovaci pole, ktere ale uz bylo male na to, aby delalo mirror zaloham
 a nechteli jsme ho nechat valet jen tak, proto jsme ho zpristupnili vsem
 a od zacatku rikali, ze neni zalohovane - mysleli jsme si, ze to pole
 vyuzijete na zalohy domacich dat a podobne, coz tedy vetsina udelala, ale...

 Nasli se i taci, kteri pres to vsechno dali na NAS produkcni data a ted
 je cekalo velmi neprijemne prekvapeni.

 Cili ted stojime pred rozhodnutim, jestli investovat do redundance NASu
 (a backuperu s tim), nebo jit podle puvodniho planu a upgradovat sit na
 10Gbit (coz je potreba pro lepsi debugovatelnost clusteru, kvuli kdumpu;
 a taky jsem se chystal nejak vyresit replikaci dat mezi nody).

 Co si o tom myslite? Investovat do storage a nechat to zatim na 2Gbit
 siti (ktera je, nutno rict, sem tam, uz pekne na hrane s propustnosti)?

 Poznamecka: prosim ujistete se, ze v odpovedi je To:
 community-list(a)lists.vpsfree.cz, na outage-list se musi prispevky
 schvalovat a mely by tam jit jenom relevantni informace o vypadcich, ne
 diskuze.

 /snajpa

 On 07/27/2016 04:18 AM, Pavel Snajdr wrote:
  Je odkopirovano 9.5 TB z 22 TB.

 /snajpa

 On 07/26/2016 02:22 PM, Pavel Snajdr wrote:
  Aktualne je odsyncovano 5 TB dat z 22 TB celkem
za cca 11 hodin, odhadem
 to znamena, ze se bude syncovat jeste cca dalsich 30 hodin.

 Behem toho je NAS dostupny jenom jako read-only.

 Potom pole znovu vyrobime a zacneme syncovat data zpatky, coz uz by melo
 jit rychleji (backuper ma vic disku, nez na kolika ma data soucasny
 nasbox, cili zpatky to pojede rychleji).

 Jedinou dalsi variantou, jak zpristupnit NAS rychleji, by bylo vsechna
 data zahodit a vyrobit na nem pool znova - a to, i kdyz vsude piseme, ze
 neni zalohovany, nam prislo jako mnohem horsi varianta, nez ho odstavit
 na par dni jako read-only.

 Odkopirujte si prosim data na VPSky, pokud je aplikace potrebuji, kdo
 kvuli tomu potrebujete docasne zvednout misto na disku, napiste na
 podporu a pokusime se to nejak vyresit.

 Pokud ta data nepotrebuji aplikace k behu, tak na to prosim nesahejte,
 od toho to syncujeme na backuper, abychom zachranili, co se da.

 Zatim dalsi chyby na poolu nenaskocily, poskozenych je, zda se, opravdu
 jenom 58 souboru (a to jeste ne uplne, ale maji poskozenych par bitu,
 coz se napr. u obrazku da jeste prezit - vs. ztratit je uplne).

 /snajpa

 On 07/26/2016 03:41 AM, Pavel Snajdr wrote:
  Ahojte,

 na NASu doslo k poskozeni jednoho z raid-z VDEVu na ZFS poolu s daty.

 Stalo se to pri obnovovani toho vdevu (neco jako sub-raid-pole) po umrti
 jednoho disku, kdy dalsi disk ze stejneho vdevu zacal hlasit chyby pri
 cteni. Evidentne od posledniho scrubu (cca mesic zpatky) na nem vznikly
 neopravitelne oblasti, ktere nejdou precist.

 Zatim vime o 58 neobnovitelnych souborech, je to ve stavu, kdy ten disk
 dava nejaka data, cili to nevypada ze by bylo po datech, ale vic se
 dozvime, jakmile dobehne sync z nasboxu na backuper.

 Prepnul jsem nasbox do readonly rezimu, aby se predeslo dalsimu
 poskozovani dat a mezi tim se data syncuji na backuper (aktualne to jede
 okolo 150MB/s a je to 22TB dat).

 Potom, co se data dosyncuji, znovu vyrobim pool na nasboxu s bezpecnejsi
 konfiguraci, aby se podobne situaci predeslo a pool vydrzel umrti vic
 disku ve vsech pripadech.

 Tem, co se jich poskozena data tykaji, napiseme behem dne mail se
 seznamem poskozenych souboru.

 Budu dal updatovat o prubehu, jakmile bude dalsi progress.

 /snajpa

 _______________________________________________
 Outage-list mailing list
 Outage-list(a)lists.vpsfree.cz
 http://lists.vpsfree.cz/listinfo/outage-list

 _______________________________________________
 Outage-list mailing list
 Outage-list(a)lists.vpsfree.cz
 http://lists.vpsfree.cz/listinfo/outage-list

 _______________________________________________
 Outage-list mailing list
 Outage-list(a)lists.vpsfree.cz
 http://lists.vpsfree.cz/listinfo/outage-list

 _______________________________________________
 Outage-list mailing list
 Outage-list(a)lists.vpsfree.cz
 http://lists.vpsfree.cz/listinfo/outage-list 