「ゆうちょ銀行のATM障害、原因はIBM製ストレージシステムのバグ」記事へのコメント

意外と単純なミスかも

[Anonymous Coward]

ストレージ内に収めるHDD。
コントローラのソフトウェアは上から順番に1・2・3…と認識するが、ハードウェアが認識するのは下から順番に1・2・3…。
でもって、コントローラが「No2のHDDに異常発生！No2緊急停止！！」との命令を実行したところ実際に機能停止したのは別のHDDのだった…とか。

Re:

[Anonymous Coward]

説明読みましょうよ。

1と2のHDDがあって1で断続的なエラーがあった。
けれどエラー判定で応答速度だけを基準としていたことと、1でエラーがおさまっている時にその判断が行われたため
応答速度の遅かった2の方でエラーが発生していると判断して2を遮断、その後1がダウン、ってことらしい。

Re:

[Anonymous Coward]

外野だが、

応答速度が速い壊れたHDDと
応答速度が遅いが正確なHDD

どちらも故障の範囲では？

Re:

[saitoh (10803)]

故障判定って難しいですね。 もう撤退したから実名出していいだろうけど、ソニーがつくってたRAIDサーバーの故障判断アルゴリズムがまずくて、HDDとある特殊な故障モードになったときにはエラーと判断して切り離すのに何時間もかかる、っていうトラブルに出くわしたことがある。 このときは故障したHDDを手でスロットから引っこ抜いて仮復旧させたけど。その後東京から新幹線で代替ドライブを輸送。

Re:意外と単純なミスかも

[Anonymous Coward]

最近のHDDのファームは内部でリトライを相当繰り返す仕様になってるみたいで
I/Oエラーを持って異常とみなすシステムでは故障検知に時間がかかる事例は増えているようです。

Re:意外と単純なミスかも

[Anonymous Coward]

昔はSCSIが当たり前だったので、エラー時の挙動をホスト側からMODE SELECTで設定できたんです。
リトライ回数の上限とか、自動代替する/しないとか。

今はSATAの、しかもデスクトップPC向けHDDを積んだインチキなシロモノがありますので注意。
デスクトップPC向けだと、延々とリトライするのが適切な動作ですから。
RAID向けHDDだとリトライ回数を抑制して一定時間以内にエラー応答を返すようになってます。

ていうか、SAS使ってください。

Re:

[Anonymous Coward]

> リトライ回数の上限とか、自動代替する/しないとか。
でも、HDD上の制御LSIが故障すると、バスをつかんだまま止まったり。

Re:

[Anonymous Coward]

ふっ、その程度ならまだ良い方よ…。

Re:

[Anonymous Coward]

SMARTの返す情報が粉飾気味で検査プログラムがドライブの異常を発見できなかったんですかね。