Пресловутая путаница с массивами

Пресловутая путаница с массивами (Dreaded Array Confusion, DAC) — термин, обозначающий группу типов сбоев RAID-массивов, которые фактически невозможно диагностировать. Их объединяет то, что они не сопровождаются отказом отдельных дисков, однако приводят к полному отказу массива и полной потере данных. Предполагается, что три ключевые причины обусловливают большинство случаев DAC:

Программные или прошивочные ошибки: Хотя серьёзные баги в поведении RAID сегодня редки, они всегда возможны — особенно в случае более сложных типов массивов, таких как RAID с чётностью, где над массивом должны выполняться расчёты для восстановления данных. Ошибка в программном обеспечении или прошивке RAID (в зависимости от того, идёт ли речь о программном или аппаратном RAID) может проявиться самыми разными способами, включая случайное уничтожение массива. Проблемы с прошивкой могут возникнуть и в самих дисках.

Аппаратный сбой: Отказ таких аппаратных компонентов, как процессоры, память или контроллеры, может иметь серьёзные последствия для RAID-массива. Особенно ошибки памяти могут легко привести к полной потере массива. Считается, что это наименее распространённая причина DAC.

Вибрация дисков: В данном сценарии отдельные диски из-за вибрации отсоединяются от объединительной платы, а затем снова подключаются, что вызывает процесс ресинхронизации. Если это происходит одновременно с несколькими дисками в ходе ресинхронизации или если в процессе ресинхронизации обнаруживается ошибка URE, мы получаем полную потерю массива в случае массивов с чётностью — причём это может произойти даже без каких-либо аппаратных сбоев.

По природе DAC и в связи с тем, что проблема касается не самого RAID, а его вспомогательных компонентов, мы оказываемся в весьма сложном положении при попытке выявить или количественно оценить этот риск. Никто не знает, насколько вероятно возникновение DAC, и хотя известно, что DAC представляет бо́льшую угрозу для систем на основе RAID с чётностью, неизвестно, насколько значительно. Анекдотические данные свидетельствуют о том, что риск в случае зеркального RAID неизмеримо мал, а в случае RAID с чётностью может превышать фоновый уровень при анализе рисков. Из всех режимов отказов программные ошибки и вибрация дисков представляют значительно больший риск для систем на основе RAID с чётностью, поскольку риск URE актуален только для массивов с чётностью, а программное обеспечение для чётности значительно сложнее, чем для зеркалирования. RAID с чётностью просто более хрупок и несёт в себе больше видов рисков, подвергая его воздействию DAC большим числом способов, чем зеркальный RAID.

Поскольку DAC — это совокупность возможностей, и поскольку его фактически невозможно идентифицировать после возникновения, практически нет возможности собирать по нему какие-либо данные. С тех пор как DAC был идентифицирован как риск, многие люди — преимущественно в сообществе Spiceworks — предоставили анекдотические свидетельства очевидцев отказов массивов вследствие DAC. Специфика ИТ у конечных пользователей такова, что статистика — особенно по таким расплывчатым понятиям, как DAC, которые не получили широкого распространения, — не собирается и не может собираться. DAC возникает в организациях по всему миру, где системный администратор возвращается в офис и обнаруживает сервер с полностью утраченными данными и без единого аппаратного сбоя. Данные уже потеряны. Диагностика скорее всего не проводилась, журналы событий отсутствуют, и даже если проблему удастся идентифицировать — кому её сообщить? И даже если сообщить — как измерить, как часто она происходит, а не происходит или могла бы произойти, но не была зарегистрирована? К сожалению, всё, что мне известно: после того как я идентифицировал и в некоторой мере предал огласке этот риск и его симптомы, неожиданно многие люди стали признаваться, что сами наблюдали DAC и понятия не имели, что произошло.

Если мои анекдотические исследования могут служить ориентиром, DAC, по всей видимости, представляет ощутимый риск для массивов с чётностью — сбои встречаются в заметном проценте массивов, — однако точность и репрезентативность этой выборки данных была невелика. Тем не менее изначально предполагалось, что DAC встречается настолько редко, что теоретически вы не смогли бы найти никого, кто когда-либо его наблюдал — однако это, по всей видимости, не так. Мне уже известно о многих людях, столкнувшихся с этим явлением.

В силу специфики отрасли нам приходится принять DAC как потенциальный риск и включить его в оценки рисков как неизвестный «незначительный» риск — быть к нему готовыми, но не рассчитывать количественно. Однако понимание того, что это может быть риском, и осознание причин, по которым он может возникнуть, важны при оценке рисков и выборе мер по их снижению.

[Анекдотические данные свидетельствуют о том, что DAC почти всегда является исключительной особенностью аппаратных реализаций RAID с одиночной чётностью на контроллерах SCSI.]