SSD Nodes Learn Hosting plans →
मार्गदर्शक Matt Connorद्वारे Matt Connor · अपडेटेड 2026-10-24

VPS वर Disk Health Monitoring कसे करावे?

बहुतेक VPS मध्ये SMART डेटा उपलब्ध नसतो. अशा वेळी I/O errors, वाढलेली latency आणि filesystem read-only होणे यांसारख्या महत्त्वाच्या बाबींवर लक्ष ठेवून डेटा सुरक्षा कशी राखाल.

VPS वर disk health monitoring प्रत्यक्षात काय पाहू शकते

VPS वरील disk health monitoring समजून घेताना बहुतेक मार्गदर्शक टाळतात अशा एका तथ्यापासून सुरुवात करावी लागते: disk तुमच्या मालकीची नसते. तुमच्या guest ला virtual block device दिसते. Physical drive आणि त्यावर साठवलेले सर्व counters host च्या मालकीचे असतात. smartctl /dev/vda अयशस्वी होते कारण तुम्ही command चुकीची टाइप केली आहे असे नाही. त्या device मागे असलेली कोणतीही गोष्ट या प्रश्नाचे उत्तर देऊ शकत नाही म्हणून ते अयशस्वी होते.

SMART (self-monitoring, analysis and reporting technology) ही drive वरच साठवलेली counters ची table आहे: reallocated sectors, pending sectors, power-on hours आणि media errors. ही table वाचण्यासाठी ATA किंवा NVMe (non-volatile memory express) commands प्रत्यक्ष hardware पर्यंत पोहोचवणारा मार्ग आवश्यक असतो. Paravirtual disk असा मार्ग उपलब्ध करून देत नाही. त्यामुळे guest ला telemetry काढून टाकलेले storage मिळते.

Tenant hardware ऐवजी त्याचे परिणाम monitor करतो. Guest च्या आतून चार signals दिसतात: kernel log मधील I/O (input/output) errors, read-only म्हणून पुन्हा mount होणारी filesystem, हळूहळू वाढणारी latency आणि संपणारी space. या चारही बाबींवर आज alerts लावता येतात. वापरकर्ता तक्रार करण्यापूर्वी या चारही बाबी दिसतात. प्रथम त्यांची व्यवस्था करा. जबाबदारीचे विभाजन शेवटी येते, कारण त्यानुसार तुम्ही प्रयत्न कुठे करावेत हे बदलते.

तुमचा सर्व्हर प्रत्यक्षात काय उघड करतो हे सिद्ध करा

तुम्ही कोणत्या परिस्थितीत आहात असे गृहीत धरू नका. प्रथम तपासा आणि त्यानंतर जुळणारा विभाग वाचा.

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

virtio-blk, म्हणजे नेहमीचा KVM (kernel-based virtual machine) डिस्क. डिव्हाइस /dev/vda आहे आणि smartctl कोणतीही विनंती पाठवण्यापूर्वीच थांबते:

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

virtio-blk हा paravirtual transport आहे. त्यामागे ATA किंवा SCSI command set नसतो. त्यामुळे SMART विनंती पाठवण्यासाठी कोणतेही channel उपलब्ध नसते. -d sat आणि -d scsi देखील त्याच कारणामुळे अयशस्वी होतात. समस्या flag मध्ये नसून transport मध्ये आहे.

emulated SATA किंवा SCSI डिस्क. डिव्हाइस /dev/sda आहे आणि smartctl त्याची ओळख पटवण्याइतपत पुढे जाते. Model line मध्ये QEMU HARDDISK दिसते. हा string स्वतःच उत्तर देतो: तुम्ही emulator ने तयार केलेले device वाचत आहात आणि त्यात वापरण्यायोग्य SMART capability उपलब्ध नसल्याचे ते दाखवते.

NVMe namespace. sudo nvme smart-log /dev/nvme0n1 पूर्ण log परत करते. याच ठिकाणी अनेकांची दिशाभूल होते. प्रथम sudo nvme id-ctrl /dev/nvme0 | grep -E '^(mn|sn)' वापरून controller identity तपासा. Network storage product चे नाव असलेला model number दिसत असल्यास controller software-based आहे. त्यामुळे percentage_used आणि media_errors तुमच्या डेटाखालील flash नव्हे, तर त्या emulation चे वर्णन करतात. तुमचे storage प्रत्यक्षात काय आहे हे जाणून घ्यायचे असल्यास plan description वर विश्वास ठेवण्याऐवजी Linux वर NVMe disk पडताळा.

LXC (Linux containers) किंवा OpenVZ सारखा container. तुमच्याकडे स्वतःचे block device नसते. lsblk host ची devices दाखवते किंवा काहीही दाखवत नाही. तसेच container कडे CAP_SYS_RAWIO नसल्यामुळे smartctl नाकारले जाते:

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

ते कार्य करते अशा परिस्थितीबाबत एक इशारा. VPS वर smartctl ने पूर्ण attribute table परत केल्यास, त्यावर कोणतीही कारवाई करण्यापूर्वी serial number वाचा. काही hosts passthrough device node उपलब्ध करून देतात. अशा वेळी हे counters त्या मशीनवरील सर्व tenants वापरत असलेल्या hardware शी संबंधित असतात. तेथील वाढता Reallocated_Sector_Ct हा support ticket चा विषय आहे. तो तुमच्या डेटाबाबतचे विधान नाही.

संकेत 1: कर्नल लॉग मधील I/O त्रुटी

हा भाडेकरूसाठी (tenant) सर्वात महत्त्वाचा संकेत आहे आणि यासाठी कोणत्याही एजंटची आवश्यकता नसते.

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'

कर्नल 5.16 आणि त्यानंतरच्या आवृत्त्यांवर, ज्यामध्ये Ubuntu 24.04 आणि Debian 12 समाविष्ट आहेत, व्हर्च्युअल डिस्ककडून आलेली अयशस्वी विनंती खालीलप्रमाणे दिसते:

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

जुनी कर्नल्स, जसे की Ubuntu 22.04 सोबत येणारे 5.15 कर्नल, तीच ओळ blk_update_request: प्रीफिक्ससह दर्शवतात. वरील grep दोन्ही प्रकारच्या ओळींशी जुळते.

ब्लॉक लेअरने होस्टकडे लेखनासाठी (write) विनंती केली आणि होस्टने ती अयशस्वी असल्याचे कळवले. VPS वर हे क्वचितच खराब होत असलेल्या फ्लॅश सेलमुळे असते. हे सहसा होस्ट स्टोरेज लेअर किंवा नेटवर्क अटॅच्ड स्टोरेजकडे जाणाऱ्या नेटवर्क मार्गातील समस्या असते, त्यामुळे ही प्रदाता स्तरावरील (provider side) घटना असते. टाइमस्टॅम्प, डिव्हाइसचे नाव आणि सेक्टर तुमच्या तिकीटमध्ये कॉपी करा, कारण स्टोरेज टीम त्यांच्या स्वतःच्या लॉगशी जुळवून पाहण्यासाठी याचा वापर करू शकते.

ext4 मधील सर्वात महत्त्वाची मालिका ही जोडी आहे:

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

दुसरी ओळ सर्वात त्रासदायक असते, कारण मशीन चालू राहते. ते ping ला प्रतिसाद देते, SSH ला प्रतिसाद देते, परंतु प्रत्येक लेखन (write) अयशस्वी होते. एक साधी HTTP तपासणी यशस्वी होत राहते, तर तुमचे ॲप्लिकेशन प्रत्येक विनंतीवर त्रुटी दर्शवते.

याउलट XFS फाइलसिस्टम बंद (shutdown) करते:

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 फक्त सध्याच्या बूटचे लॉग वाचते, जोपर्यंत जर्नल डिस्कवर साठवलेले नसेल. अनेक इमेजेसमध्ये अस्थिर (volatile) जर्नल असते जे RAM मध्ये राहते. पर्सिस्टन्स (persistence) सुरू करा, अन्यथा तुम्ही ट्रबलशूटिंग करताना ज्या वेळी रीबूट कराल, त्याच वेळी पुरावा नष्ट होईल.

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

तुमच्या पुढील रीबूटनंतर, journalctl --list-boots मध्ये एकापेक्षा जास्त बूटची यादी दिसली पाहिजे. पर्सिस्टन्स सुरू असले तरीही, रीड-ओन्ली (read-only) झालेली फाइलसिस्टम त्यानंतर काय घडले हे नोंदवू शकत नाही, म्हणूनच लॉग्स बॉक्सच्या बाहेर पाठवणे हा एक तर्कसंगत पर्याय आहे.

संकेत 2: read-only remount पकडणे

त्रुटी शोधण्यापूर्वी ती स्पष्टपणे समोर येईल याची खात्री करा.

findmnt -no SOURCE,FSTYPE,OPTIONS /

पर्यायांमध्ये errors=remount-ro शोधा. Ubuntu आणि Debian च्या क्लाउड इमेजेसमध्ये ते /etc/fstab मध्ये सेट केलेले असते, त्यामुळे मेटाडेटा त्रुटी आल्यास फाईलसिस्टम खराब होण्यापासून वाचवण्यासाठी ती read-only मोडमध्ये जाते. जर ते नसेल, तर /etc/fstab मधील रूट एंट्रीमध्ये ते जोडा किंवा sudo tune2fs -e remount-ro /dev/vda1 वापरून सुपरब्लॉकमध्ये सेट करा. शांतपणे होणाऱ्या भ्रष्टाचारापेक्षा (corruption) स्पष्टपणे थांबणे केव्हाही चांगले.

माउंट फ्लॅग असणे म्हणजे सर्व काही ठीक आहे असा पुरावा नाही. लिहिण्याचा प्रयत्न करून खात्री करा:

touch /var/tmp/.disk-probe

read-only रूटवर हे नेमके असे प्रिंट करते:

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

/tmp ऐवजी /var/tmp वापरा. बहुतेक इमेजेसवर /tmp हे मेमरीमध्ये असलेले tmpfs असते, त्यामुळे तिथे यशस्वीरित्या लिहिणे म्हणजे डिस्कवर लिहिणे असा अर्थ होत नाही.

राईट टेस्ट आणि स्पेस चेक एकत्र करा आणि जेव्हा सर्व चाचण्या यशस्वी होतील तेव्हाच हार्टबीट पाठवा:

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

त्या शेवटच्या ओळीवरील probe-ok चा अर्थ असा की संपूर्ण साखळी काम करत आहे. set -eu मुळे कोणतीही अयशस्वी चाचणी curl ओळ चालण्यापूर्वीच non-zero एक्झिट कोड देते, त्यामुळे कोणताही हार्टबीट पाठवला जात नाही. हेच यामागचे मुख्य उद्दिष्ट आहे: काहीही न मिळाल्यामुळे मॉनिटर लाल होतो, कारण जो सर्व्हर लिहू शकत नाही, तो स्वतःच्या समस्येचे वर्णन करण्यासाठी विश्वासार्ह नसतो. read-only फाईलसिस्टमवरही वाचन (reads) सुरू राहते, त्यामुळे स्क्रिप्ट स्वतः सुरू होते.

हे systemd टायमरवरून चालवा.

# /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 ने युनिट आणि NEXT वेळ पाच मिनिटांपेक्षा कमी अंतरावर दिसली पाहिजे. अयशस्वी रन journalctl -u disk-probe.service मध्ये शेलच्या स्वतःच्या एरर टेक्स्टसह दिसते, त्यामुळे लॉग-इन न करताही तुम्ही read-only फाईलसिस्टम आणि फुल झालेली फाईलसिस्टम यातील फरक ओळखू शकता.

तो पुश URL म्हणजे Uptime Kuma पुश मॉनिटर आहे. Push प्रकारचा मॉनिटर तयार करा, त्याचा टोकन स्क्रिप्टमध्ये कॉपी करा आणि मॉनिटरचा हार्टबीट इंटरव्हल टायमरच्या इंटरव्हलपेक्षा थोडा जास्त ठेवा, जेणेकरून एखादा स्लो रन तुम्हाला पहाटे 03:00 वाजता अलर्ट देणार नाही. जर तुमच्याकडे अद्याप स्टेटस पेज नसेल, तर self-hosted Uptime Kuma instance हे ही चाचणी ठेवण्यासाठी सर्वात स्वस्त ठिकाण आहे.

दोन प्रामाणिक मर्यादा. ही चाचणी केवळ राईट स्वीकारले गेले आहे हे सिद्ध करते, बाइट्स टिकाऊ स्टोरेजपर्यंत पोहोचले आहेत हे नाही, कारण वाचन (read back) पेज कॅशेमधूनही केले जाऊ शकते. तसेच, हे ज्या मशीनवर चालते त्याच मशीनचे निरीक्षण करते, त्यामुळे पूर्णपणे बंद पडलेला सर्व्हर निदान सांगण्याऐवजी शांत राहतो.

रूट फाईलसिस्टम आधीच read-only असल्यास काय करावे
  1. याची खात्री करा. findmnt -no OPTIONS / हे ro ने सुरू होते.
  2. पुरावा प्रथम RAM मध्ये कॅप्चर करा: journalctl -k -b > /dev/shm/kernel.log, त्यानंतर तुमच्या लॅपटॉपवरून scp user@server:/dev/shm/kernel.log . वापरून तो सर्व्हरवरून बाहेर काढा.
  3. फक्त mount -o remount,rw / चालवून पुढे जाऊ नका. जर ext4 ने जर्नल बंद केले असेल, तर remount पुन्हा लगेच अयशस्वी होईल आणि जर ते यशस्वी झाले तरी तुम्ही अशा नुकसानावर लिहित असाल जे कोणीही तपासलेले नाही.
  4. तुमच्या प्रोव्हायडरच्या rescue मोडमध्ये रीबूट करा आणि फाईलसिस्टम अनमाउंट असताना तपासा: ext4 साठी e2fsck -fy /dev/vda1, XFS साठी xfs_repair /dev/vda1.
  5. प्रोव्हायडरला टाइमस्टॅम्प आणि सेक्टरसह I/O error, dev vda ओळ पाठवा.
  6. बॅकअपवरून रिस्टोर करा आणि तुलना करा, कारण ज्या फाईलसिस्टमला दुरुस्तीची गरज होती, तिने अलीकडील लिखाणाचा शेवटचा भाग गमावलेला असू शकतो.

सिग्नल 3: latency आणि throughput मधील प्रवाह

sudo apt install -y sysstat
iostat -xdz 5 3

प्रथम r_await आणि w_await वाचा. Read किंवा write पूर्ण होण्यासाठी लागलेल्या सरासरी milliseconds या मूल्यांमध्ये queue मध्ये थांबवलेला वेळही समाविष्ट असतो. त्यानंतर aqu-sz वाचा. हे in-flight असलेल्या requests ची सरासरी संख्या आहे. Virtual disk वर %util दुर्लक्षित करा. याचा अर्थ फक्त queue रिकामी नव्हती, एवढाच होतो. अनेक requests समांतरपणे पूर्ण करणारे device त्याच्या मर्यादेपासून दूर असतानाही 100 percent च्या जवळ दिसू शकते. वापरकर्त्यांना प्रत्यक्ष जाणवणारी स्थिती await या मूल्यामधून समजते.

तुमच्या स्वतःच्या baseline च्या तुलनेत absolute values अधिक महत्त्वाच्या नसतात. त्यामुळे शांत वेळेतील एका तासाची नोंद करून ती जतन करा. Counters स्वतः गोळा करायचे असल्यास /proc/diskstats हा raw source वापरा.

नियोजित मोजमापासाठी:

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 वाचा, विशेषतः 99th percentile. --direct=1 मुळे तुमचा page cache वगळला जातो. मात्र host चा cache वगळला जात नाही. त्यामुळे या निकालातून तुमच्या process पासून platform च्या storage पर्यंतचा संपूर्ण मार्ग दर्शविला जातो. Server idle असताना हे चालवा, कारण ते तुमच्या स्वतःच्या workload शी स्पर्धा करते.

Kernel log मध्ये errors नसताना await वाढत असल्यास drive बिघडलेली आहे असे सहसा मानू नका. हा host वरील contention असतो. Storage संदर्भात हे गोंगाट करणाऱ्या शेजाऱ्यामुळे होणाऱ्या CPU steal time सारखे आहे. हे दररोज त्याच वेळी परत येत असेल आणि तुमचे ticket कोणत्याही समस्येशिवाय बंद होत असेल, तर समान प्रकारे shared नसलेल्या I/O असलेला plan वापरणे हा उपाय आहे. Workload disk bound असल्यास regular VPS पेक्षा storage VPS या परिस्थितीसाठी योग्य ठरतो.

सिग्नल 4: माउंट असताना चालवता येण्याजोग्या फाइलसिस्टम तपासण्या

ext4 सुपरब्लॉकमध्ये एरर काउंटर ठेवते, आणि तुमचे लॉग्स पुसले गेले तरी हे काउंटर रीबूटनंतरही टिकून राहतात.

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

एक निरोगी फाइलसिस्टम फक्त Filesystem state: clean प्रिंट करते आणि इतर काहीही नाही, कारण dumpe2fs फक्त तेव्हाच FS Error count ओळ आणि पहिली व शेवटची एरर ओळ प्रिंट करते जेव्हा एखादी एरर नोंदवली गेली असेल. clean with errors, किंवा कोणतीही FS Error count ओळ दिसणे म्हणजे कर्नलला कधीतरी मेटाडेटा एरर आली होती, जरी कोणाच्याही लक्षात आले नसेल आणि लॉग्स बदलले गेले असतील तरीही. हा एक कमांड साप्ताहिक तपासणीमध्ये समाविष्ट केला पाहिजे.

तुम्ही माउंट केलेल्या रूट फाइलसिस्टमवर fsck चालवू शकत नाही, आणि लाइव्ह फाइलसिस्टमवर e2fsck -n चालवल्यास अशा समस्या दिसतात ज्या केवळ डेटा बदलत असल्यामुळे निर्माण झालेल्या असतात. प्रत्यक्ष तपासणी सक्तीने करण्यासाठी, तुमच्या प्रोव्हायडरच्या कन्सोलवरून एका बूटसाठी कर्नल कमांड लाइनमध्ये fsck.mode=force fsck.repair=yes जोडा. त्यानंतर systemd-fsck रूट फाइलसिस्टम read-write मोडमध्ये माउंट होण्यापूर्वी तपासणी करते.

XFS चा ऑफलाइन चेकर, xfs_repair -n /dev/vda1, माउंट केलेल्या फाइलसिस्टमवर चालण्यास नकार देतो, म्हणून तो रेस्क्यू मोडमध्येच चालवला पाहिजे. xfsprogs मधील xfs_scrub माउंट केलेल्या XFS फाइलसिस्टमची तपासणी करू शकते, जर कर्नल online scrub सपोर्टसह बिल्ड केले असेल, तरीही त्याचे स्वतःचे मॅन पेज त्याला अजूनही एक अपरिपक्व युटिलिटी म्हणते. XFS हे त्रुटी भरून काढते कारण ते खूप सावध आहे: मेटाडेटा एरर आल्यास ते सुरू राहण्याऐवजी फाइलसिस्टम बंद (shutdown) करते.

Btrfs मध्ये काउंटर इन-बिल्ट आणि कायमस्वरूपी असतात.

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

write_io_errs किंवा corruption_errs शून्यापेक्षा जास्त असणे ही एक वास्तविक घटना आहे, आणि जोपर्यंत तुम्ही ते रीसेट करत नाही तोपर्यंत हे काउंटर रीबूटनंतरही आपली व्हॅल्यू टिकवून ठेवतात. scrub प्रत्येक ब्लॉक पुन्हा वाचते आणि त्याचे चेकसम पडताळते, जे व्हर्च्युअल डिस्कवर उपलब्ध असलेल्या मीडिया टेस्टच्या सर्वात जवळचे आहे. हे I/O वर खूप ताण देते, म्हणून ते शांत वेळेत (quiet hour) शेड्यूल करा.

सिग्नल 5: मोकळी जागा, त्यात df लपवतो ते भागही

मोकळी जागा संपल्यास सर्व्हरवर खराब डिस्कप्रमाणेच परिणाम होतो. ही समस्या मात्र अधिक वारंवार उद्भवते.

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

No space left on device, तर df -h मोकळी जागा दाखवते. याचा अर्थ bytes नव्हे तर inodes संपले आहेत. df -i मध्ये IUse% 100 percent असल्याचे दिसते. cache directory किंवा mail spool मध्ये लाखो लहान files असल्यास असे होते. मोठ्या files हटवल्याने यावर उपाय होत नाही.

एखादी file delete केल्यानंतरही जागा मोकळी होत नसेल, तर ती file बहुधा एखाद्या चालू process ने उघडी ठेवलेली असते. sudo lsof +L1 अशा files दाखवते ज्यांचा link count zero झाला आहे. ती file धरून ठेवणारा process restart केल्यावर जागा मोकळी होते.

journal हा शांतपणे जागा वापरणारा सामान्य घटक आहे. त्याने व्यापलेली जागा journalctl --disk-usage दाखवते. /etc/systemd/journald.conf मध्ये SystemMaxUse=200M वापरून त्याची मर्यादा ठरवा आणि sudo systemctl restart systemd-journald नंतर sudo journalctl --vacuum-size=200M वापरून जागा तत्काळ मोकळी करा.

एक परिस्थिती bug सारखी दिसते, पण ती bug नसते. thin provisioned host storage वापरताना host चा pool भरू शकतो, जरी तुमच्या df मध्ये अजूनही अनेक gigabytes मोकळे दिसत असले तरी. त्यानंतर तुमचे writes अयशस्वी होतात आणि kernel log मध्ये I/O errors दिसतात. guest मध्ये मात्र कुठेही space warning दिसत नाही. filesystem पूर्ण भरलेले नसताना errors दिसत असल्यास, त्याच तासात ticket उघडणे योग्य ठरते.

Metrics agent मध्ये संकेत जोडणे

Push probe होय किंवा नाही एवढेच उत्तर देते. Trends साठी metrics agent आवश्यक असतो. Prometheus node_exporter अतिरिक्त configuration शिवाय वरील सर्व metrics आधीच export करतो. पुढील metric names वर आधारित नियम तयार करा:

  • node_filesystem_readonly mount read-only झाल्यावर 1 होते. हे remount alarm साठी वापरा.
  • node_filesystem_avail_bytes आणि node_filesystem_files_free bytes आणि inodes स्वतंत्रपणे दर्शवतात.
  • node_disk_io_time_seconds_total आणि node_disk_read_time_seconds_total busy time आणि latency counters म्हणून देतात. त्यांचे graphs तयार करता येतात.

प्रत्यक्षात page निर्माण करणाऱ्या परिस्थिती पकडण्यासाठी हे दोन नियम वापरा:

- 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

दुसरा नियम सध्याचा trend चार दिवसांच्या आत शून्यापर्यंत पोहोचेल तेव्हा सक्रिय होतो. त्यामुळे filesystem 95 percent भरल्यावर, म्हणजे तुमच्याकडे काही मिनिटेच शिल्लक असताना, सूचना मिळण्याऐवजी अनेक दिवस आधी इशारा मिळतो.

कोण कशासाठी जबाबदार आहे

तुमचा provider भौतिक drives साठी जबाबदार असतो. तो SMART वाचतो, array चालवतो आणि reallocated sectors वाढत असलेला drive बदलतो. Array failure सहन करत असल्यामुळे तो सहसा तुम्हाला याची माहिती देत नाही. तुमच्या VPS अंतर्गत RAID 10 यासाठीच असतो: dead drive मुळे outage न होता rebuild सुरू होते. तुम्हाला यापैकी काहीही दिसत नाही. Virtual server भाड्याने घेण्याच्या abstraction चा मुख्य उद्देशही हाच असतो.

तुमच्या data ची जबाबदारी तुमची असते. Drive telemetry मुळे तुमच्या data चे संरक्षण झाले नसते. Tenant data प्रत्यक्षात नष्ट करणाऱ्या घटना म्हणजे चुकीचे rm, चुकीचा deploy, तुमच्या SSH key सह आलेला intruder आणि array सोबत platform ला प्रभावित करणारी incident. SMART attributes यापैकी कोणतीही घटना predict करू शकत नाहीत.

म्हणून tenant चे खरे संरक्षण म्हणजे server च्या बाहेर ठेवलेला backup आणि तुम्ही स्वतः करून पाहिलेला restore. Provider snapshots सोयीचे असतात. ते ज्या platform वरील गोष्टीचे संरक्षण करतात, त्याच platform वर असतात. म्हणूनच snapshots आणि backups ही वेगवेगळी संरक्षणे आहेत. Calendar मध्ये drill निश्चित करा: प्रत्येक quarter मध्ये नवीनतम backup fresh VPS मध्ये restore करा, application सुरू करा आणि यासाठी लागलेला वेळ लिहून ठेवा. तोच तुमचा वास्तविक recovery time असतो. पहिला drill नेहमी अपेक्षेपेक्षा जास्त वेळ घेतो.

जेव्हा SMART तुम्हाला लागू होते

smartctl शिकवणारी मार्गदर्शिका योग्य आहेत आणि जेव्हा हार्डवेअर खरोखर तुमचे असते तेव्हा त्या लागू होतात:

  • डेडिकेटेड किंवा बेअर मेटल सर्व्हर, जिथे sudo smartctl -a /dev/sda पूर्ण ॲट्रिब्यूट टेबल दाखवते आणि एखादा ॲट्रिब्यूट बदलल्यास smartd तुम्हाला ईमेल करू शकते.
  • स्टोरेज प्लॅन्स जे फिजिकल डिस्क थेट गेस्टला पास करतात. प्रोव्हाइडर्स याचा स्पष्ट उल्लेख करतात, कारण हे एक विक्रीचे वैशिष्ट्य (selling point) असते.
  • तुमच्या मालकीचे हार्डवेअर, घरी किंवा तुम्ही भाड्याने घेतलेल्या रॅक स्पेसमध्ये.
  • RAID कंट्रोलरच्या मागे असलेली डिस्क, जी sudo smartctl -a -d megaraid,0 /dev/sda द्वारे पोहोचण्यायोग्य आहे, किंवा -d sat असलेले USB एन्क्लोजर.

खऱ्या NVMe वर, sudo smartctl -a -d nvme /dev/nvme0 आणि sudo nvme smart-log /dev/nvme0n1 हे ड्राइव्हवरूनच critical_warning आणि percentage_used रिपोर्ट करतात. खऱ्या SATA वर, बिघाडाचे संकेत देणारे ॲट्रिब्यूट्स म्हणजे Reallocated_Sector_Ct (5), Current_Pending_Sector (197), Offline_Uncorrectable (198) आणि Reported_Uncorrect (187) हे आहेत. यापैकी कोणताही ॲट्रिब्यूट शून्यावरून हलल्यास, डिस्क बदलण्याची योजना करा. मोठ्या प्रमाणावरील ड्राइव्ह अभ्यासांमध्ये हीच छोटी यादी वारंवार समोर येते आणि इतर बहुतेक ॲट्रिब्यूट्स हे केवळ गोंधळ निर्माण करणारे (noise) असतात.

मॅन्युअली तपासण्याऐवजी डेमन (daemon) चालवा.

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

सेल्फ-टेस्ट लॉगमध्ये तुम्ही नुकत्याच सुरू केलेल्या रनसाठी Completed without error दिसले पाहिजे. ऑक्टोबर 2026 पर्यंतच्या माहितीनुसार, Ubuntu आणि Debian मध्ये /etc/smartd.conf हे DEVICESCAN ओळीसह येते, त्यामुळे डेमन त्याला दिसणाऱ्या प्रत्येक डिस्कला निवडतो आणि बदल झाल्यास root ला ईमेल करतो. व्हर्च्युअल डिस्कवर यापैकी काहीही काम करत नाही, म्हणूनच या मार्गदर्शिकेचा उर्वरित भाग अस्तित्वात आहे.

FAQ

माझ्या VPS वर smartctl का काम करत नाही?

कारण डिस्क व्हर्च्युअल असते. virtio-blk वापरणाऱ्या KVM गेस्टवर, smartctl -a /dev/vda हे /dev/vda: Unable to detect device type प्रिंट करते, कारण पॅराव्हर्च्युअल डिस्कमध्ये SMART विनंती पाठवण्यासाठी कोणताही ATA किंवा SCSI कमांड चॅनेल नसतो. एम्युलेटेड डिस्कवर तुम्ही अशा डिव्हाइसपर्यंत पोहोचता ज्याचे मॉडेल QEMU HARDDISK असे वाचले जाते, ज्याच्या मागे कोणताही वापरण्यायोग्य SMART डेटा नसतो. कंटेनरच्या आत, CAP_SYS_RAWIO च्या अभावामुळे smartctl थेट नाकारले जाते. यापैकी कशातही चुकीचे कॉन्फिगरेशन नसते आणि कोणताही -d फ्लॅग या समस्या सोडवू शकत नाही.

माझ्या VPS ची डिस्क खराब होत आहे हे मला कसे कळेल?

हार्डवेअरऐवजी परिणामांकडे लक्ष द्या. sudo journalctl -k -p err -b मध्ये I/O error, dev vda ओळी (5.16 पेक्षा जुन्या कर्नलवर blk_update_request: ने सुरू होणाऱ्या) आणि Remounting filesystem read-only साठी तपासा. लॉगमध्ये आधीच गहाळ झालेल्या त्रुटी शोधण्यासाठी sudo dumpe2fs -h /dev/vda1 | grep -i 'error count' चालवा. आउटपुट नसल्याचा अर्थ असा की कोणतीही त्रुटी नोंदवली गेलेली नाही. सर्व काही ठीक असताना तुम्ही नोंदवलेल्या बेसलाइनच्या तुलनेत iostat -xdz 5 कडून r_await चा मागोवा घ्या. VPS वर I/O एररचा अर्थ सहसा खराब होत असलेली ड्राइव्ह नसून होस्ट स्टोरेजची समस्या असते, त्यामुळे ती टाइमस्टॅम्प आणि सेक्टरसह सपोर्ट तिकीटमध्ये नोंदवणे आवश्यक आहे.

VPS डिस्क आरोग्यासाठी मी कोणत्या गोष्टींवर अलर्ट लावले पाहिजेत?

चार अलर्ट्स यासाठी पुरेसे आहेत. node_filesystem_readonly == 1 कडून किंवा अयशस्वी होणाऱ्या राइट प्रोबकडून मिळणारे रीड-ओन्ली माउंट. मोकळी जागा आणि मोकळे inodes शून्याकडे झुकणे. मागील अंतरात आलेली कोणतीही कर्नल I/O error. सर्व्हरकडून येणारा हार्टबीट, जेणेकरून सर्व्हर प्रतिसाद देणे थांबवल्यास तुम्हाला अलर्ट मिळेल. SMART वरून मिळणारी कोणतीही माहिती वगळा, कारण व्हर्च्युअल डिस्कवर ती मूल्ये एकतर नसतात किंवा हायपरव्हायझरच्या एम्युलेशनचे वर्णन करतात.

माझी फाइलसिस्टम रीड-ओन्ली मोडमध्ये का रीमाउंट झाली?

errors=remount-ro सह माउंट केलेली ext4 फाइलसिस्टम मेटाडेटा एरर आल्यावर मुद्दाम असे करते: ती नुकसानीवर काम चालू ठेवण्याऐवजी लिहिणे थांबवते. याचे कारण कर्नल लॉगमध्ये रीमाउंट ओळीच्या अगदी वर असते, सहसा मूळ डिव्हाइसने I/O एरर दिल्यानंतर ॲबॉर्ट झालेल्या जर्नलबद्दलची EXT4-fs error असते. फाइलसिस्टम तपासल्याशिवाय रीड-राइट मोडमध्ये रीमाउंट केल्यास लक्षण लपवले जाते आणि मूळ कारण तसेच राहते. लॉग कॅप्चर करा, त्यानंतर रेस्क्यू मोडमधून अनमाउंट करून e2fsck -fy /dev/vda1 ने फाइलसिस्टम तपासा.

मी व्हर्च्युअल सर्व्हरवर कधीही SMART डेटा वाचू शकतो का?

विशिष्ट प्रकरणांमध्ये, हो. डेडिकेटेड आणि बेअर मेटल सर्व्हर्स तुम्हाला वास्तविक ॲट्रिब्युट्स देतात. तसेच, जे स्टोरेज प्लॅन्स फिजिकल डिस्क थेट गेस्टला पास-थ्रू करतात आणि ज्या होस्टचे मालक तुम्ही स्वतः आहात, तिथेही हे शक्य आहे. काही प्लॅटफॉर्म्स गेस्टला NVMe कंट्रोलर सादर करतात आणि nvme smart-log एक लॉग रिटर्न करते, म्हणून आधी sudo nvme id-ctrl /dev/nvme0 चालवा: जर मॉडेल नंबरमध्ये नेटवर्क स्टोरेज सेवेचे नाव असेल, तर याचा अर्थ ते काउंटर्स सॉफ्टवेअर कंट्रोलरकडून येत आहेत. आणि जिथे पास-थ्रू नोड शेअर केलेल्या मशीनवर वास्तविक काउंटर्स दाखवतो, तिथे ते इतर भाडेकरूंशी शेअर केलेल्या हार्डवेअरचे वर्णन करतात, त्यामुळे एकमेव उपयुक्त कृती म्हणजे सपोर्ट तिकीट उघडणे.

हा लेख उपयुक्त होता का?