1

SSD não morre só de repente: como ler o desgaste no Proxmox antes de perder tudo de novo

O SSD do meu homelab guarda tudo: o sistema do Proxmox e todos os containers. Eu já perdi um SSD junto com o HD de backup, e desde então quero saber antes quando um disco está chegando no fim. SSD não morre só de repente: ele se desgasta com as gravações, e o próprio disco conta quanto já gastou.

TBW: quanto o disco aguenta

As células de memória flash aguentam um número limitado de gravações. Os fabricantes informam isso como TBW, o total de terabytes que dá para gravar dentro da garantia. Pela ficha técnica, um Kingston NV3 de 1 TB tem 320 TBW. Outras linhas têm números bem diferentes, então olhe a ficha do seu.

Num homelab, o que grava sem parar: log dos containers e do Proxmox, bancos de dados dos apps, backup (se o destino for o mesmo SSD) e swap, se a memória apertar.

O Proxmox já vigia, se o e-mail chegar

Pela documentação, o Proxmox VE traz o smartmontools desde a versão 4.3, e o smartd vem ativo: confere os discos (NVMe incluídos) a cada 30 minutos e manda e-mail para o root se achar problema. Se o e-mail do root não sai do host, esse aviso se perde em silêncio. Vale conferir.

As três linhas que importam

smartctl -a /dev/nvme0    # SATA: /dev/sda

Num NVMe:

  • Percentage Used: quanto da vida útil estimada já foi. Em 100, a resistência estimada acabou, o que não quer dizer que o disco falhou, e o valor pode passar de 100.
  • Data Units Written: quanto já foi gravado. Cada unidade vale mil blocos de 512 bytes, ou seja, 512.000 bytes.
  • Available Spare: a reserva de células. Abaixo do Available Spare Threshold, é hora de trocar.

Para converter em TB e comparar com o TBW:

echo "12345678 * 512000 / 10^12" | bc -l   # troque pelo seu Data Units Written

Dica: anote esse valor hoje e daqui a um mês. A diferença é quanto o seu homelab grava por mês, e dá para estimar quantos anos faltam até o TBW.

Se o desgaste estiver alto

  1. Descubra quem grava: container com log falante ou banco mal configurado costuma ser o culpado.
  2. Tire o backup do SSD. Aqui o vzdump vai para um HD externo e uma cópia vai para fora de casa.
  3. Evite swap constante.
  4. Para ZFS, a documentação do Proxmox recomenda SSD com proteção contra queda de energia nos discos de log e cache.

E um aviso: Percentage Used em 0% não garante nada. Disco pode falhar por defeito no controlador. S.M.A.R.T. bom não substitui backup.

Minha rotina: um script meu, o pve-health.sh, acompanha a saúde do host e o SSD entra nessa conta. Planejo a troca quando o Percentage Used passar de uns 80%, ou antes, se o Available Spare começar a cair.

Vocês acompanham o desgaste dos SSDs no homelab? Já tiveram aviso do smartd chegando antes da falha?

O post completo está no meu blog: https://blog.brumarino.com/saude-ssd-proxmox-smart/?de=tabnews

Carregando publicação patrocinada...
1

Mesmo com o e-mail do root saindo, o smartd não deve avisar quando o Percentage Used passar dos seus 80%. No NVMe, até a versão 7.4 ele olha só o byte Critical Warning (bits como spare abaixo do limite, temperatura, confiabilidade degradada, somente leitura) e o contador do log de erros, e o desgaste estimado não é um desses bits. O aviso por Percentage Used entrou no smartd 7.5, como recurso experimental, e dispara acima de 95%. O smartctl -V mostra a versão instalada.

Quem vigia o limite é o seu pve-health.sh, e o JSON evita parsear texto:

smartctl -j -a /dev/nvme0 | jq '.nvme_smart_health_information_log.percentage_used'

No SATA aquelas três linhas não existem. O mais próximo é o "Percentage Used Endurance Indicator" do smartctl -l devstat /dev/sda, quando o disco tem essa página. E a unidade do contador de gravação muda por fabricante (em vários Intel o smartctl mostra Host_Writes_32MiB), então a conta com 512000 não serve.

1

Valeu pela correção, e você tem razão em tudo. Fui conferir: no NVMe, até a 7.4, o smartd só olha o Critical Warning e o log de erros, e o aviso por Percentage Used só chegou na 7.5, experimental e acima de 95%. Como o Proxmox VE 9 vem com a 7.4, o meu "o smartd avisa" valia para reserva abaixo do limite, não para desgaste.

Quem vigia os 80% aqui é o pve-health.sh mesmo, e a dica do smartctl -j com jq é bem melhor do que parsear texto. Também não tinha atentado para a unidade do contador no SATA mudar por fabricante. Corrigi o post no blog e deixei o crédito para você.