[AMD SB950 / Sea Bar LP] RAID 5 Critical / Start niet meer

[Stan]

Ik heb een ASUS M5A97, met een AMD Ati SB 950 RAID controller onboard, waarop (SATA01,02,03) 3 gelijke schijven hangen, te weten Seagate Barracuda LP 1,5TB in een RAID 5 config. Ik heb dus 3TB aan volumes met 1,5TB parity etc.

De boel draait een ruim jaar, en opeens begonnen filmpjes soms te haperen, met in de Eventviewer een error melding van AMD over een LBA timeout op diverse adressen. Eerst elk uur, dagen daarna al vaker, en gisteren start Windows opeens niet op (Error 0xC000000F Device missing), en staan de volumes in de RAID ROM op Critical.

Vreemde is dat een Complete Media Check (dit duurde enkele dagen) in AMD RAID Xpert op alle volumes geheel foutloos was, alsook alle diverse SMART-progjes, die de 3 schijven op groen/PASSED gaven.
Gisteren na de weigering met een Live CD nog even Smartctl etc gedaan, en 1 schijf (op poort 2) geeft SMART rood, de anderen groen, maar in alle 3 staan de waarden op Old of Pre-failure?!
In het RAID ROM menu is inmiddels de disk op poort 1 (de parity disk) niet meer zichtbaar, de andere 2 wel.

Wat te doen? Zijn alle schijven aan vervanging toe (3 keer rebuilden?!), of nr 1? Nr 3? Advies is welkom!

Hieronder de output van de uitgebreide disk statussen in Smartctl (disk 1 (missing in ROM menu, 2 (rood), en 3):

---

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000f 112 099 006 Pre-fail Always - 152753306
3 Spin_Up_Time 0x0003 100 100 000 Pre-fail Always - 0
4 Start_Stop_Count 0x0032 100 100 020 Old_age Always - 981
5 Reallocated_Sector_Ct 0x0033 100 100 036 Pre-fail Always - 0
7 Seek_Error_Rate 0x000f 083 060 030 Pre-fail Always - 228053944
9 Power_On_Hours 0x0032 089 089 000 Old_age Always - 9829
10 Spin_Retry_Count 0x0013 100 100 097 Pre-fail Always - 0
12 Power_Cycle_Count 0x0032 100 100 020 Old_age Always - 930
183 Runtime_Bad_Block 0x0032 100 100 000 Old_age Always - 0
184 End-to-End_Error 0x0032 100 100 099 Old_age Always - 0
187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0
188 Command_Timeout 0x0032 100 097 000 Old_age Always - 7405682
189 High_Fly_Writes 0x003a 099 099 000 Old_age Always - 1
190 Airflow_Temperature_Cel 0x0022 065 052 045 Old_age Always - 35 (Min/Max 31/35)
194 Temperature_Celsius 0x0022 035 048 000 Old_age Always - 35 (0 11 0 0 0)
195 Hardware_ECC_Recovered 0x001a 052 041 000 Old_age Always - 152753306
197 Current_Pending_Sector 0x0012 100 100 000 Old_age Always - 0
198 Offline_Uncorrectable 0x0010 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0
240 Head_Flying_Hours 0x0000 100 253 000 Old_age Offline - 138821932953509
241 Total_LBAs_Written 0x0000 100 253 000 Old_age Offline - 2748196736
242 Total_LBAs_Read 0x0000 100 253 000 Old_age Offline - 931749033

SMART Error Log Version: 1
No Errors Logged

SMART Self-test log structure revision number 1
Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error
# 1 Short offline Completed without error 00% 9829 -
# 2 Conveyance offline Completed without error 00% 9829 -

---

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000f 111 099 006 Pre-fail Always - 30125077
3 Spin_Up_Time 0x0003 100 100 000 Pre-fail Always - 0
4 Start_Stop_Count 0x0032 100 100 020 Old_age Always - 981
5 Reallocated_Sector_Ct 0x0033 100 100 036 Pre-fail Always - 0
7 Seek_Error_Rate 0x000f 083 060 030 Pre-fail Always - 231207599
9 Power_On_Hours 0x0032 089 089 000 Old_age Always - 9829
10 Spin_Retry_Count 0x0013 100 100 097 Pre-fail Always - 0
12 Power_Cycle_Count 0x0032 100 100 020 Old_age Always - 930
183 Runtime_Bad_Block 0x0032 100 100 000 Old_age Always - 0
184 End-to-End_Error 0x0032 100 100 099 Old_age Always - 0
187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0
188 Command_Timeout 0x0032 100 099 000 Old_age Always - 4295032834
189 High_Fly_Writes 0x003a 099 099 000 Old_age Always - 1
190 Airflow_Temperature_Cel 0x0022 064 053 045 Old_age Always - 36 (Min/Max 31/36)
194 Temperature_Celsius 0x0022 036 047 000 Old_age Always - 36 (0 10 0 0 0)
195 Hardware_ECC_Recovered 0x001a 049 035 000 Old_age Always - 30125077
197 Current_Pending_Sector 0x0012 078 078 000 Old_age Always - 914
198 Offline_Uncorrectable 0x0010 078 078 000 Old_age Offline - 914
199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0
240 Head_Flying_Hours 0x0000 100 253 000 Old_age Offline - 30704721211385
241 Total_LBAs_Written 0x0000 100 253 000 Old_age Offline - 2368378257
242 Total_LBAs_Read 0x0000 100 253 000 Old_age Offline - 1665381216

SMART Error Log Version: 1
No Errors Logged

SMART Self-test log structure revision number 1
Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error
# 1 Short offline Completed without error 00% 9829 -
# 2 Conveyance offline Completed without error 00% 9829 -

---

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000f 102 099 006 Pre-fail Always - 4821139
3 Spin_Up_Time 0x0003 100 100 000 Pre-fail Always - 0
4 Start_Stop_Count 0x0032 100 100 020 Old_age Always - 981
5 Reallocated_Sector_Ct 0x0033 100 100 036 Pre-fail Always - 0
7 Seek_Error_Rate 0x000f 083 060 030 Pre-fail Always - 223869501
9 Power_On_Hours 0x0032 089 089 000 Old_age Always - 9834
10 Spin_Retry_Count 0x0013 100 100 097 Pre-fail Always - 0
12 Power_Cycle_Count 0x0032 100 100 020 Old_age Always - 930
183 Runtime_Bad_Block 0x0032 100 100 000 Old_age Always - 0
184 End-to-End_Error 0x0032 100 100 099 Old_age Always - 0
187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0
188 Command_Timeout 0x0032 100 099 000 Old_age Always - 65538
189 High_Fly_Writes 0x003a 100 100 000 Old_age Always - 0
190 Airflow_Temperature_Cel 0x0022 063 053 045 Old_age Always - 37 (Min/Max 32/37)
194 Temperature_Celsius 0x0022 037 047 000 Old_age Always - 37 (0 10 0 0 0)
195 Hardware_ECC_Recovered 0x001a 050 043 000 Old_age Always - 4821139
197 Current_Pending_Sector 0x0012 100 100 000 Old_age Always - 0
198 Offline_Uncorrectable 0x0010 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0
240 Head_Flying_Hours 0x0000 100 253 000 Old_age Offline - 29639569321940
241 Total_LBAs_Written 0x0000 100 253 000 Old_age Offline - 59435073
242 Total_LBAs_Read 0x0000 100 253 000 Old_age Offline - 2432621190

SMART Error Log Version: 1
No Errors Logged

SMART Self-test log structure revision number 1
Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error
# 1 Short offline Completed without error 00% 9832 -
# 2 Conveyance offline Completed without error 00% 9832 -

[Q]

1 disk heeft wel enorm veel slechte sectoren:

97 Current_Pending_Sector 0x0012 078 078 000 Old_age Always - 914
198 Offline_Uncorrectable 0x0010 078 078 000 Old_age Offline - 914

[Stan]

@Q: Ok, die drive 2 dus unpluggen en vervangen door een nieuwe 1,5TB en de boel laten rebuilden?

En hoe komt dit, is dit gewoon normale ouderdom in een RAID array (en ja ik weet het, liever een professionele hardware RAID dan een onboard AMD dingetje etc, of helemaal geen RAID), of is er een echt probleem/oorzaak?

[rikadoo]

Ligt gewoon aan de schijf, je kan hem formateren (lange format) dan word alles weer 0 als het goed is en dan gebruiken als los niet in een RAID array, en dan kijken of de current pending sectoren blijven oplopen zo ja afschijven, of opsturen voor garantie.

[Stan]

@rikadoo; Thanks, die 2e disk dus niet ontkoppelen maar formatten, de array rebuilden, en kijken of we weer ellende krijgen? Of liever ontkoppelen en nieuwe erin, en deze schijf verpatsen of als externe HD gaan gebruiken oid?

[rikadoo]

Nee je kan hem beter wel ontkoppelen, ik zou hem niet meer gebruiken in een Array. Gewoon een nieuwe. Deze inderdaad even gebruiken als extern of intern los in je PC en dan gebruiken als data en goed die SMART waardes in e gaten houden en als ze stijgen die disk afschijven of opsturen als er nog garantie opzit.

[Stan]

Thanks, ik ga het proberen, en houd jullie op de hoogte.
Die 2 door jullie genoemde SMART-waardes moeten/horen dus laag/nul te blijven zoals die andere 2 disks?

Geen oorzaak/specifieke reden dus waarom 1/3 dit heeft? En het feit dat de andere 2 ook alles Pre-fail en Old aangeven is (nog) niet zorgelijk?

[Verwijderd]

Pre-fail of old-age is het type van een SMART attribuut. Je hebt SMART attributen die bij een slechte score een op sterven staande schijf opleveren, maar ook bijvoorbeeld power on hours wat gewoon ouderdom betekent en geen direct probleem.

Je probleem, zoals gezegd, is bad sectors. Daar kan je legacy RAID niet tegen. Dit is wel een gevaarlijke situatie; zou je op een andere schijf nog wat bad sectors hebben dan kan het lastig blijken je data terug te krijgen. Beschouw een dergelijke RAID5 niet als superveilig.

Je kunt wel zoals gezegd de probleemschijf zero writen en opnieuw lezen. Maar persoonlijk zou ik hem vervangen met bijna 1000 onleesbare sectors.

[Stan]

Dank allen!
Ik ga dan toch maar bestellen, en ik houd jullie op de hoogte!

[Stan]

Ai ai ai, wat is (ouderwetse) opslag c.q. (amateur-)RAID toch altijd een koppijn

Ik heb inmiddels een gloednieuwe WD schijf binnen (wel 2TB, maar dat maakt niet uit volgens mij, dan gebruikt ie gewoon 1,5TB toch?) en de schijf met de failures (disk B / 02:01) vervangen door deze WD.

Als ik nu opstart krijg ik een Missing Operating System, en als ik CTRL-F om in AMD RAID ROM menu te komen, kom ik dat ook, maar zie ik gewoon het normale menu;
1) View Drive Assignments > 3 schijven zichtbaar, maar 1 en 2 (nieuwe) staan als Single Disk, en alleen schijf 3 heeft LD 1-3 en 2-3 (inderdaad mijn 2 volumes)!?
2) LD View / Define > LD 1 en LD 2, wederom beiden de juiste grootte, maar beiden Off Line?! Als ik ze enter zie ik bij beiden alleen 03:01 (derde disk), de andere 2 op ? : ? Failed or disconnected.
3) Delete LD Menu > Durf ik niet;
4) Controller Config > Regeltje met versieinfo.

Hoe kan ik de boel nu rebuilden?! Ik bid dat t goed gaat komen!

(Of was dan toch Disk 01:01 de boosdoener, waarmee ik nu 2 failende/onbekende disks heb?!)

[ Voor 4% gewijzigd door Stan op 25-09-2013 17:46 . Reden: Foutieve smile ]

[Stan]

Kabels en poorten gewisseld etc om alles uit te sluiten en het was dus inderdaad disk 1 (dus niet die met de SMART errors, disk 2!).

Ik heb de nieuwe WD drive dus op 01 : 01 en de oude drive 2 en 3 op 02 en 03, waarbij ook nog steeds keurig de LD 1-2 en 2-2 en op de derde LD 1-3 en 2-3 staan.
De nieuwe WD staat op Single Drive (net als de oude Seagate!?). Ik kan echter niet in dit menu rebuilden of zo. Moet ik een Windows Live CD met AMD RAID eXpert hebben of zo om te rebuilden?!

Want bij LD view staan nog steeds alleen 02 en 03 :01 en een ? : ? Disconnected or failed (dit stond er 2 maal toen ik disk 2 had vervangen door de WD, nu dus nog 1 maal, omdat de WD niet bekend is in de array?).

[ Voor 92% gewijzigd door Stan op 26-09-2013 22:48 . Reden: Error and trial ]

[rikadoo]

Ik zou dan iig die 2e hdd met die SMART errors in degaten houden want die zal het ook niet zo lang vol meer houden denk ik.

[Stan]

Er is nieuws, redelijk goed nieuws!

Het lijkt dus toch disk 1 die uit was gevallen, maar nu had ik dus een Spare en de 2 array disks in beeld.
Maar ik kon dus nergens een Rebuild optie of zo vinden, en dat kan de ROM BIOS dus niet. Na veeel gezoek ging het niet alleen over AMD RAIDXpert (Windows, had ik dus niet meer) maar ook over een DOS utility SBSetup.exe (beiden van Promise, die de RAID oplossing OEM aan AMD levert).
Die utility deed het niet (ik zag mijn controller en disks niet)!

Vervolgens van Live CD WindowsPE gestart, en daarin toch AMD RAIDXpert installed.
Die zag via mijn browser de boel zoals ik gewend was plus spare disk. Ik heb de boel achtergelaten een dag (toevallig), en toen ik terugkwam stonden er 2 meldingen dat de 2 arrays Complete Rebuilded waren!?
Kortom, alles was weer Funtioncal, Healthy en draaiend!! Mediacontrole is bij beide arrays ook 100% ok, en er staat nix in BSL (Bad Sector Log). Daarnaast op alle volumes een CHKDSK /r /F gedraaid, en alles is helemaal in orde, en 0 Bad etc.!

Edit1:
Ik heb nog wel de Windows boot error (Error 0xC000000F Device missing), en dat lukt me niet te fixen.
In Windows 7 Repair mode ziet ie geen schijven (diskpart) of OSes of iets, dus ik kan ook niets fixen. Drivers voor RAID / AHCI van AMD laden lukt niet (vanaf USB) want ik krijg allemaal errors etc.
In WindowsPE zijn alle disks/parts/volumes te zien en openen/lezen, maar heb ik die tools (bcdedit/bootrec etc) niet (en EasyBCD heeft SP2/Net2 nodig).

Edit2:
Uiteindelijk in PE met bootsect de boel weer geupdate, met als gevolg dat ik nu met een Missing BOOTMGR error zit!
Hoe fix ik dit nou, als al mijn Windows Rescue modussen geen drives of installaties zien (ivm RAID?)?!
Ra de loos

Edit3:
Opgelost, na enkele dagen Googlen en honderd live CDs en drivers verder! Wat een gedonder.
Blijkbaar had ik verkeerde drivers, en met het laden van de juiste AMD RAID drivers tijdens de Recovery mode van de Win7 DVD kreeg ik wel veel errors, maar waren de volumes opeens zichtbaar.
100 sites en reboots verder, heeft deze site mijn dag gemaakt (de BCD file moest dus ook weg etc);
http://pcsupport.about.co...ild-bcd-store-windows.htm
Thnx allemaal!

Edit4:
Oh nee he, na enkele uren weer draaien zoals normaal, met alles op Functional / Healty en alles werkt normaal/snel/goed, nu WEER een Critical error, en even later een Rebuild error omdat disk 2 (de gevreesde) Offline is gegaan... Moet ik die nu ook gaan vervangen?! Of kan het de voeding of controller/SB zijn? Waarom gaan die schijven offline (nergens een reden?!), want ze komen allemaal glansrijk door de uitgebreide CHKDSK, Mediacontrole (Xpert) en SeaTools!?
Wat een drama.

Edit5:
Knopje in Xpert (rechtsbovenin) gevonden waarmee de meldingen te zien zijn.
Tot de WD erin ging gebeurde het volgende tientallen keren (andere LBA's/lengtes):
Waarschuwing Taak 20 time-out op schijf (poortnummer 1, doel-id 1) op LBA 0x019ca0 (lengte 0x8)
Waarschuwing Schijf (poortnummer 1, doel-id 1) losgekoppeld (niet door mij!)
Na de WD erin zat, ipv Disk 1 en de array weer top leek te draaien, kreeg ik nu dit tientallen malen:
Waarschuwing Taak 30 schijffout op schijf (poortnummer 2, doel-id 1) op LBA 0x0986f9f (lengte 0x61) met status 30; Foutregister: 0
Informatie Bad Sector Log updaten op schijf (poortnummer 2, doel-id 1) op LBA 0x0986f9f
En uiteindelijk (nu is ie dus Offline, Disk 2):
Fout Disk (Port Number 2,Target ID 1) Setdown
Kortom, time-outs op Disk 1, die ik uiteindelijk vanwege de Critical heb vervangen door de WD.
Nu bad sectors/schrijffouten op Disk 2, die nu Offline is, en ik weer met Critical zit.
Ook deze vervangen!?!?

[ Voor 59% gewijzigd door Stan op 28-09-2013 13:58 . Reden: Edit 5: Logs ]

[rikadoo]

Zoals eerder al gezegd was, die 2e schijf heeft inderdaad heel veel sectoren en zou ik al vervangen hebben.

De eerste HDD (die je eruit gehaald hebt) zou ik nog een goed natesten door hem gewoon los aan te sluiten en te gebruiken. als die geen SMART waardes heeft zoals kapotte sectoren oid zou ik het raar vinden als dieuitvalt.

[Stan]

Ja heel vaag, want dis disk 1 was dus Offline en de probleemmaker (zie Edit 5 vorige post).
Hij hangt nu los, en heeft vrijwel dezelfde SMART als eerder gegeven, en doorstaat ook de SeagateTools Extensive test etc allemaal met glans...

Ik zit er nu over te denken die toch maar terug te hangen in de plaats van disk 2 dan.

Ik lees overigens overal dat Green / LP niet slim is in een RAID, en het zijn dus LPs (en nu een Green).

[Verwijderd]

tldr; heb je de schijf met 914 bad sectors nu vervangen of gezerowrite? Wat is nu de huidige SMART van de schijven? Als je nog een schijf hebt met Current Pending Sector (zoals je 2e schijf in de startpost) dan is het logisch dat het mis blijft gaan.

En het klopt inderdaad dat legacy RAID zoals onboard RAID met Windows-only drivers niet erg geschikt is voor normale disks omdat jouw oplossing zeer gevoelig is voor bad sectors. En zoals nu gaat het dan dus mis. Dat je RAID5 gebruikt maakt het er opzich ook niet makkelijker cq. veiliger op.

Kijk naar de SMART en zorg dat al je hardeschijven Current Pending Sector = 0 (raw value) hebben, dat is heel belangrijk voor jouw type RAID. Als je kunt booten kun je met de RAID utility in Windows vaak een bepaalde schijf gebuilden. Als je geluk hebt leest hij dan niet van de schijf. In het ergste geval moet je die schijf afkoppelen en zero-writen/vervangen en dan weer toevoegen aan de RAID.

Als je blijft doorwerken met bad sectors dan gaat het vroeg of laat weer fout natuurlijk. Een (actieve) bad sector herken je aan de SMART output: Current Pending Sector.

[Stan]

Nee dat is dus disk 2, en toen ik die in eerste instantie wisselde zat ik met 2 probleemdisks ipv 1.
Ik heb dus probleemdisk disk 1 vervangen door de nieuwe WD en weer gerebuild.

Die disk 1 hangt nu los op mn USB, en is qua SMART nog steeds zoals ooit vermeld, en doorstaat alle tests. Ik zou die dan nu moeten zero-writen (hoe doe ik dat t best?) en ipv de (nu blijkbaar) probleemdisk 2 plaatsen (die met de 914 bad sectors is dat dus).

Ps. AMD RAID ROM (eigenlijk Promise) kan dus NIET rebuilden, en geeft superweinig info. Heel triest, maar je hebt er dus een Windows live cdtje bij nodig, en dan AMD RAIDXpert. Hij doet het dan ook nog eens automatisch/ongevraagd/ongezien wat ik vaag vind. Bovendien geeft de log (als je die gevonden hebt!) weinig info, zoals nu alleen 2 volumes op Critical, maar niet waarom of wat ik moet doen...

[ Voor 31% gewijzigd door Stan op 30-09-2013 17:49 . Reden: Ps ]

[Stan]

Weeeederom gewisseld, nu dus de oude Disk 1 (helemaal ok in SMART etc) gewisseld met de beruchte Disk 2 (met de 9xx Bad Sectors), welke nu op Inactief stond, waardoor de Array dus weer een tijd op Critical zeurde.

Daarna gerebuild, en alles draait nu (wederom) geruisloos, met alles op OK en met 3 schijven inc redundantie. Kijken hoe lang de boel nu goed blijft gaan...

Edit1: Vooralsnog prima!

Edit2: En daar piept ie weer. Wederom alles critical, omdat Disk 1 opeens weer niet actief is... Disk 1 EN 2 dus kaduuk, precies tegelijk? (een 2e nieuwe disk halen?!)

Edit 3: Heel af en toe valt Disk 1 nog steeds weg, en is na reboot weer actief. De boel herbouwt dan keurig auto. Ik zal 1 dus ook moeten vervangen binnenkort. Logisch maar helaas.

Dank nog allemaal!

[ Voor 36% gewijzigd door Stan op 26-10-2013 15:03 . Reden: 3 ]