SSD Nodes Learn Hosting plans →
নির্দেশিকা Matt Connorদ্বারা Matt Connor · আপডেট করা হয়েছে 2026-10-24

VPS-এ disk health কীভাবে monitor করবেন

VPS-এর guest-এ SMART data সাধারণত পৌঁছায় না। তাই I/O error, read-only filesystem, latency ও space কীভাবে monitor করবেন এবং writes ব্যর্থ হওয়ার আগে alert দেবেন, জানুন।

VPS-এ disk health monitoring বাস্তবে কী দেখতে পারে

VPS-এ disk health monitoring শুরু হয় এমন একটি সত্য দিয়ে, যা অধিকাংশ গাইড এড়িয়ে যায়: disk-টি আপনার নয়। আপনার guest একটি virtual block device দেখতে পায়। physical drive এবং তাতে সংরক্ষিত প্রতিটি counter host-এর মালিকানাধীন। smartctl /dev/vda ব্যর্থ হয় না কারণ আপনি command ভুল লিখেছেন। এটি ব্যর্থ হয় কারণ device-এর পেছনে থাকা কোনো উপাদান প্রশ্নটির উত্তর দিতে পারে না।

SMART (self-monitoring, analysis and reporting technology) হলো drive-এর ভেতরেই সংরক্ষিত counter-এর একটি table: reallocated sectors, pending sectors, power-on hours এবং media errors। এই table পড়তে ATA বা NVMe (non-volatile memory express) command বাস্তব hardware-এ পৌঁছানোর একটি পথ প্রয়োজন। paravirtual disk এমন কোনো পথ সরবরাহ করে না। তাই guest telemetry বাদ দেওয়া storage পায়।

একজন tenant hardware নয়, তার প্রভাব monitor করতে পারে। guest-এর ভেতর থেকে চারটি signal দেখা যায়: kernel log-এ I/O (input/output) error, read-only অবস্থায় remount হওয়া filesystem, ক্রমশ বেড়ে যাওয়া latency এবং শেষ হয়ে আসা space। চারটির জন্যই এখন alert সেট করা যায়। কোনো user অভিযোগ করার আগেই চারটিই দেখা দিতে পারে। প্রথমে এগুলো সেট up করুন। দায়িত্বের বিভাজন শেষে ব্যাখ্যা করা হবে, কারণ এর ওপর নির্ভর করে কোথায় আপনার effort দেওয়া উচিত।

আপনার নিজস্ব সার্ভার কী প্রকাশ করছে তা প্রমাণ করুন

আপনি কোন পরিস্থিতিতে আছেন তা ধরে নেবেন না। আগে পরীক্ষা করুন, তারপর যে অংশটি আপনার পরিস্থিতির সঙ্গে মেলে সেটি পড়ুন।

sudo apt update && sudo apt install -y smartmontools nvme-cli
lsblk -o NAME,TYPE,SIZE,MODEL,TRAN
sudo smartctl -a /dev/vda

virtio-blk, সাধারণ KVM (kernel-based virtual machine) ডিস্ক। ডিভাইসটি হলো /dev/vda এবং কোনো তথ্য পাঠানোর আগেই smartctl থেমে যায়:

/dev/vda: Unable to detect device type
Please specify device type with the -d option.

virtio-blk হলো এমন একটি paravirtual transport, যার পেছনে ATA বা SCSI command set নেই। তাই SMART request বহন করার কোনো channel নেই। -d sat এবং -d scsi একইভাবে ব্যর্থ হয়, কারণ সমস্যা transport-এ, flag-এ নয়।

Emulated SATA বা SCSI ডিস্ক। ডিভাইসটি হলো /dev/sda এবং smartctl ডিভাইসটি শনাক্ত করার মতো দূর পর্যন্ত এগোয়। Model line-এ লেখা থাকে QEMU HARDDISK। এই string-ই প্রশ্নের উত্তর দেয়: আপনি এমন একটি ডিভাইস পড়ছেন, যা emulator তৈরি করেছে, এবং সেটি কোনো ব্যবহারযোগ্য SMART capability প্রকাশ করে না।

NVMe namespace। sudo nvme smart-log /dev/nvme0n1 একটি পূর্ণ log ফেরত দেয়, আর এখানেই অনেকে বিভ্রান্ত হন। প্রথমে sudo nvme id-ctrl /dev/nvme0 | grep -E '^(mn|sn)' দিয়ে controller identity পরীক্ষা করুন। কোনো network storage product-এর নামযুক্ত model number থাকলে বুঝবেন controller-টি software-based। তাই percentage_used এবং media_errors আপনার data থাকা flash-এর পরিবর্তে সেই emulation-এর বর্ণনা দেয়। আপনার storage প্রকৃতপক্ষে কী, তা জানতে plan description-এর ওপর নির্ভর না করে Linux-এ NVMe disk যাচাই করুন।

একটি container, যেমন LXC (Linux containers) বা OpenVZ। আপনার নিজস্ব কোনো block device নেই। lsblk host-এর device দেখায়, অথবা কিছুই দেখায় না। container-এর কাছে CAP_SYS_RAWIO না থাকায় smartctl-এর অনুরোধ প্রত্যাখ্যাত হয়:

Smartctl open device: /dev/sda failed: Permission denied

এটি কাজ করলে যে পরিস্থিতি তৈরি হয়, সে বিষয়ে একটি সতর্কতা আছে। VPS-এ smartctl একটি পূর্ণ attribute table ফেরত দিলে কোনো পদক্ষেপ নেওয়ার আগে serial number পড়ুন। কিছু host passthrough device node প্রকাশ করে, এবং ওই counter-গুলো সেই মেশিনের সব tenant-এর ব্যবহৃত hardware-এর। সেখানে Reallocated_Sector_Ct বাড়লে support ticket খুলতে হবে। এটি আপনার data সম্পর্কে কোনো বক্তব্য নয়।

কার্নেল লগে সংকেত 1: I/O ত্রুটি

এটি কোনো tenant-এর কাছে থাকা সবচেয়ে মূল্যবান সংকেত, এবং এর জন্য কোনো agent প্রয়োজন হয় না।

sudo journalctl -k -p err -b
sudo journalctl -k --since "7 days ago" | grep -iE 'i/o error|remount|ext4-fs error|buffer i/o'

5.16 এবং পরবর্তী kernel-এ, যার মধ্যে Ubuntu 24.04 এবং Debian 12 অন্তর্ভুক্ত, virtual disk থেকে ব্যর্থ request এভাবে দেখা যায়:

I/O error, dev vda, sector 2101248 op 0x1:(WRITE) flags 0x800 phys_seg 1 prio class 0

Ubuntu 22.04-এর সঙ্গে থাকা 5.15 kernel-এর মতো পুরোনো kernel একই লাইন blk_update_request: prefix-সহ লেখে। উপরের grep উভয় ধরনের লাইনই খুঁজে পায়।

block layer host-এর কাছে write-এর অনুরোধ করেছিল, এবং host ব্যর্থতার বার্তা ফেরত দিয়েছে। VPS-এ এর কারণ সচরাচর নষ্ট হয়ে যাওয়া flash cell নয়। সাধারণত host-এর storage layer বা network attached storage-এ যাওয়া network path-এ সমস্যা থাকে। তাই এটি provider-এর দিকের ঘটনা। Timestamp, device name এবং sector আপনার ticket-এ লিখুন। Storage team নিজেদের লগের সঙ্গে এগুলো মিলিয়ে দেখতে পারবে।

সবচেয়ে গুরুত্বপূর্ণ ext4 sequence হলো এই জোড়াটি:

EXT4-fs error (device vda1): ext4_journal_check_start:83: comm cron: Detected aborted journal
EXT4-fs (vda1): Remounting filesystem read-only

দ্বিতীয় লাইনটিই গুরুতর, কারণ machine চালু থাকে। এটি ping-এর উত্তর দেয়, SSH-এর উত্তর দেয়, কিন্তু প্রতিটি write ব্যর্থ হয়। সাধারণ HTTP check চলতেই থাকে, অথচ application প্রতিটি request-এ error দেখায়।

XFS বরং filesystem বন্ধ করে দেয়:

XFS (vda1): metadata I/O error in "xfs_trans_read_buf_map+0x1c0/0x2e0" at daddr 0x2 len 1 error 5
XFS (vda1): I/O Error Detected. Shutting down filesystem

journalctl -k কেবল বর্তমান boot-এর লগ পড়ে, যদি journal disk-এ সংরক্ষিত না থাকে। অনেক image volatile journal ব্যবহার করে, যা RAM-এ থাকে। Persistence চালু করুন। নইলে troubleshooting-এর সময় যে reboot করবেন, ঠিক সেই reboot-এ প্রমাণ মুছে যাবে।

sudo mkdir -p /var/log/journal
sudo systemd-tmpfiles --create --prefix /var/log/journal
sudo systemctl restart systemd-journald
journalctl --list-boots

পরবর্তী reboot-এর পরে journalctl --list-boots-এ একটির বেশি boot দেখা উচিত। Persistence চালু থাকলেও read-only হয়ে যাওয়া filesystem এরপর কী ঘটেছে তা record করতে পারে না। তাই log server-এর বাইরে পাঠানোই সঠিক ব্যবস্থা।

সিগন্যাল 2: read-only remount শনাক্ত করা

শনাক্ত করার চেষ্টা করার আগে ব্যর্থতাকে স্পষ্টভাবে দৃশ্যমান করুন।

findmnt -no SOURCE,FSTYPE,OPTIONS /

অপশনগুলোর মধ্যে errors=remount-ro আছে কি না দেখুন। Ubuntu ও Debian cloud image-গুলোতে এটি /etc/fstab-এ সেট করা থাকে। তাই metadata error হলে ক্ষতিগ্রস্ত অবস্থায় কাজ চালিয়ে যাওয়ার বদলে filesystem read-only হয়ে যায়। এটি না থাকলে /etc/fstab-এ root entry-তে যোগ করুন, অথবা sudo tune2fs -e remount-ro /dev/vda1 দিয়ে superblock-এ সেট করুন। নীরবে corruption চলতে দেওয়ার চেয়ে স্পষ্টভাবে থেমে যাওয়া নিরাপদ।

একটি mount flag প্রমাণ নয়। লিখে পরীক্ষা করুন:

touch /var/tmp/.disk-probe

read-only root-এ এটি ঠিক এই ফলাফল দেখায়:

touch: cannot touch '/var/tmp/.disk-probe': Read-only file system

/tmp নয়, /var/tmp ব্যবহার করুন। অধিকাংশ image-এ /tmp মেমরিতে থাকা একটি tmpfs। তাই সেখানে সফলভাবে লিখতে পারা আপনার disk সম্পর্কে কোনো প্রমাণ দেয় না।

write test-এর সঙ্গে space check-ও একসঙ্গে চালান, এবং সব check সফল হলেই heartbeat পাঠান:

sudo tee /usr/local/sbin/disk-probe >/dev/null <<'EOF'
#!/bin/sh
set -eu
probe=/var/tmp/.disk-probe
echo ok > "$probe"
test "$(cat "$probe")" = ok
rm -f "$probe"
used=$(df --output=pcent / | tail -n1 | tr -dc '0-9')
test "$used" -lt 90
inodes=$(df --output=ipcent / | tail -n1 | tr -dc '0-9')
test "$inodes" -lt 90
curl -fsS --max-time 10 "https://status.example.com/api/push/REPLACE_TOKEN?status=up&msg=OK" >/dev/null
EOF
sudo chmod 755 /usr/local/sbin/disk-probe
sudo /usr/local/sbin/disk-probe && echo probe-ok

শেষ লাইনের probe-ok বোঝায় যে পুরো chain কাজ করছে। set -eu কোনো check ব্যর্থ হলে curl লাইন চালানোর আগেই non-zero exit করায়। ফলে কোনো heartbeat পাঠানো হয় না। এখানেই এই inversion-এর গুরুত্ব: কিছু না পৌঁছানোর কারণে monitor লাল দেখায়, এবং যে server লিখতে পারে না তাকে নিজের সমস্যার নির্ভরযোগ্য বিবরণ দেওয়ার জন্য বিশ্বাস করা যায় না। read-only filesystem-এ read এখনও কাজ করে। তাই script নিজে এখনও start করতে পারে।

এটি একটি systemd timer থেকে চালান।

# /etc/systemd/system/disk-probe.service
[Unit]
Description=Disk writability and space probe

[Service]
Type=oneshot
ExecStart=/usr/local/sbin/disk-probe
# /etc/systemd/system/disk-probe.timer
[Unit]
Description=Run the disk probe every five minutes

[Timer]
OnBootSec=2min
OnUnitActiveSec=5min

[Install]
WantedBy=timers.target
sudo systemctl daemon-reload
sudo systemctl enable --now disk-probe.timer
systemctl list-timers disk-probe.timer
journalctl -u disk-probe.service -n 20 --no-pager

systemctl list-timers-এ NEXT time-সহ unit-টি দেখা যাওয়ার কথা; এই time 5 মিনিটের কম দূরে থাকবে। কোনো run ব্যর্থ হলে journalctl -u disk-probe.service-এ shell-এর নিজস্ব error text দেখা যাবে। তাই login না করেই read-only filesystem এবং full filesystem-এর মধ্যে পার্থক্য বোঝা যায়।

ওই push URL একটি Uptime Kuma push monitor-এর। Push type-এর একটি monitor তৈরি করুন, তার token script-এ কপি করুন, এবং monitor-এর heartbeat interval timer interval-এর চেয়ে সামান্য বেশি রাখুন। এতে একটি ধীরগতির run-এর কারণে 03:00-এ page হবে না। এখনও status page না থাকলে self-hosted Uptime Kuma instance এই check রাখার সবচেয়ে কম খরচের জায়গা।

দুটি গুরুত্বপূর্ণ সীমাবদ্ধতা আছে। Probe নিশ্চিত করে যে write গ্রহণ করা হয়েছে, কিন্তু bytes durable storage-এ পৌঁছেছে কি না তা নিশ্চিত করে না। কারণ read back page cache থেকে পরিবেশিত হতে পারে। এটি যে machine পর্যবেক্ষণ করে, সেখানেই চলে। তাই server সম্পূর্ণভাবে wedged হলে diagnosis পাঠানোর বদলে নীরব হয়ে যাবে।

root filesystem ইতিমধ্যে read-only হলে করণীয়
  1. নিশ্চিত করুন। findmnt -no OPTIONS /, ro দিয়ে শুরু হয়।
  2. প্রথমে evidence RAM-এ সংরক্ষণ করুন: journalctl -k -b > /dev/shm/kernel.log। এরপর scp user@server:/dev/shm/kernel.log . ব্যবহার করে laptop থেকে server-এর বাইরে তা নিয়ে আসুন।
  3. শুধু mount -o remount,rw / চালিয়ে কাজ চালিয়ে যাবেন না। ext4 journal abort করে থাকলে remount সঙ্গে সঙ্গে আবার ব্যর্থ হবে। আর remount সফল হলেও, কেউ পরীক্ষা না করা damage-এর ওপর আপনি write করছেন।
  4. provider-এর rescue mode-এ reboot করুন এবং filesystem unmounted থাকা অবস্থায় পরীক্ষা করুন: ext4-এর জন্য e2fsck -fy /dev/vda1, XFS-এর জন্য xfs_repair /dev/vda1।
  5. timestamp ও sector-সহ provider-কে I/O error, dev vda line পাঠান।
  6. backup থেকে restore করুন এবং তুলনা করুন। কারণ যে filesystem repair প্রয়োজন করেছে, সেখানে সাম্প্রতিক write-এর শেষ অংশ নষ্ট হয়ে থাকতে পারে।

লেটেন্সি এবং থ্রুপুটের প্রবণতা

sudo apt install -y sysstat
iostat -xdz 5 3

প্রথমে r_await এবং w_await দেখুন। এগুলো হলো একটি read বা write সম্পন্ন হতে লাগা গড় মিলিসেকেন্ড, যার মধ্যে queue-তে অপেক্ষার সময়ও অন্তর্ভুক্ত। এরপর aqu-sz দেখুন, এটি flight অবস্থায় থাকা অনুরোধের গড় সংখ্যা। virtual disk-এ %util উপেক্ষা করুন: এটি শুধু বোঝায় যে queue খালি ছিল না। অনেক অনুরোধ parallelভাবে সেবা দিতে পারে এমন device তার সীমার কাছাকাছি না গিয়েও 100 percent-এর কাছাকাছি থাকতে পারে। ব্যবহারকারীরা যা অনুভব করেন, তা অনুসরণ করার জন্য await-ই গুরুত্বপূর্ণ সংখ্যা।

আপনার নিজস্ব baseline-এর তুলনায় absolute value কম গুরুত্বপূর্ণ। তাই একটি শান্ত সময়ের মাপ record করে সংরক্ষণ করুন। আপনি নিজে counter সংগ্রহ করতে চাইলে /proc/diskstats হলো raw source।

পরিকল্পিতভাবে মাপ নিতে:

sudo apt install -y fio
fio --name=readlat --filename=/var/tmp/fio.probe --size=512M --rw=randread --bs=4k --iodepth=1 --direct=1 --runtime=30 --time_based --group_reporting
rm -f /var/tmp/fio.probe

clat percentiles block পড়ুন, বিশেষ করে 99th percentile। --direct=1 আপনার page cache এড়িয়ে যায়। এটি host-এর cache এড়ায় না। তাই ফলাফলটি আপনার process থেকে platform-এর storage পর্যন্ত পুরো পথের চিত্র দেয়। server idle থাকা অবস্থায় এটি চালান, কারণ এটি আপনার নিজের workload-এর সঙ্গে প্রতিযোগিতা করে।

kernel log-এ কোনো error না থাকলেও await বেড়ে গেলে সাধারণত drive নষ্ট হচ্ছে না। এটি host-এ contention। storage-এর ক্ষেত্রে এটি noisy neighbour-এর CPU steal time-এর সমতুল্য। প্রতিদিন একই সময়ে এটি ফিরে আসে এবং আপনার ticket-এর ফলাফল স্বাভাবিক থাকে, তাহলে এমন একটি plan নেওয়াই সমাধান যার I/O একইভাবে shared নয়। disk-bound workload-এর ক্ষেত্রে regular VPS-এর পরিবর্তে storage VPS-এ এটাই ঘটে।

মাউন্ট করা অবস্থায় চালানো যায় এমন ফাইলসিস্টেম পরীক্ষা

ext4 superblock-এ একটি error counter সংরক্ষণ করে। লগ না থাকলেও reboot-এর পরেও এই counter-এর মান থাকে।

sudo dumpe2fs -h /dev/vda1 2>/dev/null | grep -iE 'filesystem state|error count|first error|last error'

সুস্থ ফাইলসিস্টেমে শুধু Filesystem state: clean প্রদর্শিত হয়। কারণ dumpe2fs কেবল কোনো error রেকর্ড করা থাকলেই FS Error count line এবং প্রথম ও শেষ error line দেখায়। clean with errors বা যেকোনো FS Error count line থাকলে বুঝতে হবে kernel কোনো সময় metadata error শনাক্ত করেছে, এমনকি কেউ তা লক্ষ্য না করলেও এবং log পুরোনো হয়ে মুছে গেলেও। এই command-টি weekly check-এর অংশ হওয়া উচিত।

মাউন্ট করা root filesystem-এ fsck চালানো যায় না। চলমান filesystem-এ e2fsck -n চালালে এমন সমস্যাও দেখাতে পারে, যেগুলো আসলে filesystem-এর data পরিবর্তিত হওয়ার কারণে তৈরি হয়েছে। প্রকৃত check চালাতে provider-এর console ব্যবহার করে একটি boot-এর জন্য kernel command line-এ fsck.mode=force fsck.repair=yes যোগ করুন। এরপর root read-write হিসেবে mount করার আগে systemd-fsck check চালাবে।

XFS-এর offline checker xfs_repair -n /dev/vda1 মাউন্ট করা filesystem-এ চলতে অস্বীকার করে। তাই এটি rescue mode-এ চালাতে হবে। xfsprogs-এর xfs_scrub mounted XFS filesystem পরীক্ষা করতে পারে, যদি kernel online scrub support নিয়ে build করা হয়ে থাকে। তবে এর নিজস্ব man page-এও এটিকে এখনও অপরিণত utility বলা হয়েছে। XFS-এর একটি সুবিধা হলো, এটি স্পষ্টভাবে error জানায়: metadata error হলে কাজ চালিয়ে না গিয়ে filesystem বন্ধ করে দেয়।

Btrfs-এ counter-গুলো built-in এবং persistent।

sudo btrfs device stats /
sudo btrfs scrub start -B /

write_io_errs বা corruption_errs শূন্যের বেশি হলে সেটি প্রকৃত ঘটনা। reset না করা পর্যন্ত reboot-এর পরেও counter-গুলোর মান বজায় থাকে। scrub প্রতিটি block আবার পড়ে এবং তার checksum যাচাই করে। virtual disk-এ media test-এর সবচেয়ে কাছাকাছি পরীক্ষা এটিই। এতে I/O load বেশি হয়, তাই এটি কম ব্যস্ত সময়ের জন্য schedule করুন।

Signal 5: free space, including the parts df hides

ডিস্কে জায়গা শেষ হয়ে গেলে খারাপ ডিস্কের মতোই সার্ভার অচল হয়ে পড়ে। এটি খারাপ ডিস্কের সমস্যার তুলনায় অনেক বেশি ঘটে।

df -h /
df -i /
sudo du -xh --max-depth=1 / | sort -h | tail -n 20

No space left on device-এ IUse% 100 শতাংশ হলেও df -h-এ ফাঁকা জায়গা দেখা গেলে বুঝতে হবে byte নয়, inode শেষ হয়ে গেছে। df -i 100 শতাংশে পৌঁছালে IUse% এই অবস্থা দেখায়। Cache directory বা mail spool-এ লক্ষ লক্ষ ছোট file থাকলে এমন হয়। বড় file মুছে ফেললেও এতে সমাধান হয় না।

কোনো file মুছে ফেলার পরও space ফিরে না এলে সাধারণত সেটি কোনো চলমান process-এর কাছে open অবস্থায় থাকে। sudo lsof +L1 এমন file-এর তালিকা দেখায়, যেগুলোর link count শূন্যে নেমেছে। যে process file-টি ধরে রেখেছে সেটি restart করলে space মুক্ত হয়।

Journal প্রায়ই নীরবে disk space ব্যবহার করে। journalctl --disk-usage এটি কতটা space ধরে রেখেছে তা দেখায়। /etc/systemd/journald.conf-এ SystemMaxUse=200M ব্যবহার করে সীমা নির্ধারণ করুন, তারপর sudo systemctl restart systemd-journald চালিয়ে এখনই space পুনরুদ্ধার করুন। sudo journalctl --vacuum-size=200M

একটি পরিস্থিতি bug-এর মতো দেখায়, কিন্তু আসলে তা নয়। Thin-provisioned host storage-এ আপনার df-এ এখনও gigabytes পরিমাণ free space দেখা গেলেও host-এর pool পূর্ণ হয়ে যেতে পারে। এরপর আপনার write operation ব্যর্থ হয় এবং kernel log-এ I/O error দেখা যায়, কিন্তু guest-এর ভেতরে কোথাও space শেষ হওয়ার warning থাকে না। Filesystem পূর্ণ না থাকা অবস্থায় error দেখা দিলে একই ঘণ্টায় ticket খোলা উচিত।

signals-গুলো metrics agent-এ সংযুক্ত করা

একটি push probe শুধু yes অথবা no ফল দেয়। Trend পর্যবেক্ষণের জন্য metrics agent দরকার, এবং Prometheus node_exporter অতিরিক্ত configuration ছাড়াই উপরের সব তথ্য export করে। যে metric name-গুলোর ওপর ভিত্তি করে কাজ করবেন:

  • node_filesystem_readonly কোনো mount read-only হলে 1 হয়। এটিই remount alarm হিসেবে ব্যবহার করবেন।
  • node_filesystem_avail_bytes এবং node_filesystem_files_free যথাক্রমে bytes ও inodes-এর তথ্য দেয়।
  • node_disk_io_time_seconds_total এবং node_disk_read_time_seconds_total busy time ও latency counter হিসেবে দেয়, যেগুলো graph-এ দেখাতে পারেন।

যে ঘটনাগুলোতে বাস্তবে page পাঠানো দরকার, সেগুলো ধরতে দুটি rule যথেষ্ট:

- alert: FilesystemReadOnly
  expr: node_filesystem_readonly{fstype!~"tmpfs|overlay"} == 1
  for: 2m
- alert: FilesystemFillingUp
  expr: predict_linear(node_filesystem_avail_bytes{mountpoint="/"}[6h], 4*24*3600) < 0
  for: 30m

দ্বিতীয় rule-টি তখন fire করে, যখন বর্তমান trend চার দিনের মধ্যে শূন্যে পৌঁছানোর পূর্বাভাস দেয়। ফলে filesystem 95 percent পূর্ণ হওয়ার সময়, যখন হাতে মাত্র কয়েক মিনিট থাকে, তার বদলে কয়েক দিন আগেই সতর্কতা পাবেন।

কোন কাজের দায়িত্ব কার

আপনার provider physical drive-এর মালিক। তারা SMART পড়ে, array পরিচালনা করে এবং reallocated sector বাড়তে থাকা drive প্রতিস্থাপন করে। সাধারণত তারা আপনাকে জানায় না, কারণ array failure সামলে নেয়। এটাই আপনার VPS-এর অধীনে RAID 10 ব্যবহারের উদ্দেশ্য: drive নষ্ট হলে outage-এর পরিবর্তে rebuild হয়। এর কোনো কিছুই আপনি দেখতে পান না। একটি virtual server ভাড়া নেওয়ার খরচের বড় অংশই এই abstraction-এর জন্য।

আপনার data-এর দায়িত্ব আপনার। Drive telemetry আপনার data সুরক্ষিত করত না। Tenant data ধ্বংসের প্রকৃত কারণ হলো ভুল rm, ত্রুটিপূর্ণ deploy, আপনার SSH key ব্যবহারকারী intruder এবং এমন platform incident যা array-সহ সবকিছু অচল করে দেয়। SMART attribute এসবের কোনোটি পূর্বাভাস দিতে পারে না।

তাই tenant-এর প্রকৃত সুরক্ষা হলো server-এর বাইরে থাকা একটি backup এবং আপনার নিজে সম্পন্ন করা একটি restore। Provider snapshot সুবিধাজনক। তবে এটি যে জিনিসটিকে সুরক্ষিত করে, সেই একই platform-এ থাকে। এ কারণেই snapshot এবং backup আলাদা সুরক্ষা ব্যবস্থা। Calendar-এ একটি drill নির্ধারণ করুন: প্রতি quarter-এ সর্বশেষ backup একটি নতুন VPS-এ restore করুন, application চালু করুন এবং কত সময় লেগেছে তা লিখে রাখুন। ওই সময়ই আপনার প্রকৃত recovery time। প্রথম drill সবসময় অনুমানের চেয়ে বেশি সময় নেয়।

SMART আপনার ক্ষেত্রে কখন প্রযোজ্য

smartctl শেখানো গাইডগুলো সঠিক, এবং হার্ডওয়্যারটি সত্যিই আপনার নিয়ন্ত্রণে থাকলেই সেগুলো প্রযোজ্য:

  • একটি dedicated বা bare metal server, যেখানে sudo smartctl -a /dev/sda সম্পূর্ণ attribute table দেখায় এবং কোনো attribute পরিবর্তিত হলে smartd আপনাকে email করতে পারে।
  • এমন storage plan, যা physical disk-টি guest-এর কাছে pass through করে। Provider-রা এটি স্পষ্টভাবে উল্লেখ করে, কারণ এটি তাদের বিক্রয়যোগ্য সুবিধা।
  • আপনার মালিকানাধীন hardware, সেটি বাড়িতে থাকুক বা আপনার ভাড়া করা rack space-এ থাকুক।
  • RAID controller-এর পেছনে থাকা disk, যা sudo smartctl -a -d megaraid,0 /dev/sda দিয়ে অ্যাক্সেসযোগ্য, অথবা -d sat-সহ একটি USB enclosure।

বাস্তব NVMe-তে sudo smartctl -a -d nvme /dev/nvme0 এবং sudo nvme smart-log /dev/nvme0n1 drive নিজে থেকে critical_warning ও percentage_used report করে। বাস্তব SATA-তে failure পূর্বাভাস দেয় এমন attribute হলো Reallocated_Sector_Ct (5), Current_Pending_Sector (197), Offline_Uncorrectable (198) এবং Reported_Uncorrect (187)। এগুলোর যেকোনো একটি zero থেকে পরিবর্তিত হলে replacement-এর পরিকল্পনা করুন। বড় পরিসরের drive study-গুলো বারবার একই সংক্ষিপ্ত তালিকায় পৌঁছেছে, এবং অধিকাংশ অন্যান্য attribute কেবল noise।

হাতে হাতে পরীক্ষা না করে daemon চালান।

sudo systemctl enable --now smartd
sudo smartctl -t short /dev/sda
sudo smartctl -l selftest /dev/sda

আপনি যে run শুরু করেছেন, self-test log-এ সেটির জন্য Completed without error দেখা উচিত। Ubuntu এবং Debian-এ October 2026 পর্যন্ত বর্তমান DEVICESCAN line-সহ /etc/smartd.conf দেওয়া থাকে। তাই daemon দৃশ্যমান প্রতিটি disk শনাক্ত করে এবং কোনো পরিবর্তন হলে root-কে email করে। Virtual disk-এ এর কোনোটিই কাজ করে না। এই কারণেই এই গাইডের বাকি অংশ প্রয়োজন।

FAQ

কেন আমার VPS-এ smartctl কাজ করে না?

কারণ ডিস্কটি virtual। virtio-blk ব্যবহার করা KVM guest-এ smartctl -a /dev/vda, /dev/vda: Unable to detect device type প্রদর্শন করে, কারণ paravirtual disk-এ SMART request পাঠানোর মতো কোনো ATA বা SCSI command channel থাকে না। emulated disk-এ এমন একটি device পাওয়া যায়, যার model হিসেবে QEMU HARDDISK দেখা যায়; এর পেছনে ব্যবহারযোগ্য SMART data থাকে না। container-এর ভেতরে CAP_SYS_RAWIO না থাকায় smartctl সরাসরি প্রত্যাখ্যাত হয়। এগুলোর কোনোটিই misconfiguration নয়, এবং কোনো -d flag দিয়ে এগুলো ঠিক করা যায় না।

আমার VPS-এর disk নষ্ট হচ্ছে কি না কীভাবে বুঝব?

hardware-এর বদলে তার প্রভাব পর্যবেক্ষণ করুন। I/O error, dev vda line-এর জন্য sudo journalctl -k -p err -b পরীক্ষা করুন; 5.16-এর আগের kernel-এ এগুলোর শুরুতে blk_update_request: থাকে। পাশাপাশি Remounting filesystem read-only-ও খুঁজুন। লগে ইতিমধ্যে হারিয়ে যাওয়া error খুঁজতে sudo dumpe2fs -h /dev/vda1 | grep -i 'error count' চালান। কোনো output না থাকলে কোনো error record করা হয়নি। সুস্থ অবস্থায় সংরক্ষণ করা baseline-এর সঙ্গে iostat -xdz 5 থেকে পাওয়া r_await তুলনা করুন। VPS-এ I/O error সাধারণত নষ্ট হয়ে যাওয়া drive নয়, বরং host storage-এর সমস্যা বোঝায়। তাই timestamp এবং sector উল্লেখ করে এটি support ticket-এ জানান।

VPS disk health-এর জন্য কোন বিষয়গুলোর alert তৈরি করব?

চারটি alert যথেষ্ট। read-only mount, যা node_filesystem_readonly == 1 থেকে দেখা যায়, অথবা ব্যর্থ write probe। Free space এবং free inode-এর পরিমাণ শূন্যের দিকে নামা। শেষ interval-এ যেকোনো kernel I/O error। Server থেকে heartbeat, যাতে server উত্তর দেওয়া বন্ধ করলে silence আপনাকে page করে। SMART থেকে তৈরি কোনো বিষয় ব্যবহার করবেন না, কারণ virtual disk-এ ওই value হয় অনুপস্থিত, নয়তো hypervisor-এর emulation বর্ণনা করে।

আমার filesystem read-only হিসেবে remount হলো কেন?

errors=remount-ro দিয়ে mount করা ext4 metadata error পেলে ইচ্ছাকৃতভাবে এমন করে। ক্ষতির ওপর লিখে যাওয়ার বদলে এটি writing বন্ধ করে। Remount line-এর ঠিক আগের kernel log-এ trigger থাকে। সাধারণত underlying device I/O error ফেরত দেওয়ার পর aborted journal সম্পর্কিত একটি EXT4-fs error দেখা যায়। Filesystem পরীক্ষা না করে read-write হিসেবে remount করলে শুধু লক্ষণটি আড়াল হয় এবং কারণটি থেকে যায়। আগে log সংগ্রহ করুন। তারপর rescue mode থেকে filesystem unmounted অবস্থায় e2fsck -fy /dev/vda1 দিয়ে পরীক্ষা করুন।

Virtual server-এ কি কখনো SMART data পড়া যায়?

নির্দিষ্ট ক্ষেত্রে যায়। Dedicated এবং bare metal server-এ প্রকৃত attribute পাওয়া যায়। যে storage plan physical disk guest-এর কাছে pass through করে, সেখানেও পাওয়া যায়। আপনি নিজে পরিচালনা করেন এমন host-এও পাওয়া যায়। কিছু platform guest-এর কাছে NVMe controller উপস্থাপন করে এবং nvme smart-log একটি log ফেরত দেয়। তাই আগে sudo nvme id-ctrl /dev/nvme0 চালান। কোনো model number যদি network storage service-এর নাম নির্দেশ করে, তাহলে ওই counter-গুলো software controller থেকে এসেছে। আর shared machine-এ passthrough node প্রকৃত counter প্রকাশ করলেও সেগুলো অন্য tenant-এর সঙ্গে ভাগ করা hardware বর্ণনা করে। তাই কার্যকর পদক্ষেপ হলো support ticket করা।

এই লেখাটি কি কাজে লেগেছে?