Wärme: der Fehler, der nichts kaputt macht, aber alles verkürzt

Ein zu warm laufender Server stürzt nicht ab. Er wird langsamer und altert schneller. Weil er nirgends einen Fehler meldet, bleibt er monatelang, manchmal jahrelang unbemerkt.

Drei Wirkungen, nach Leisheit geordnet

Langsamer werden. Prozessoren senken ihre Geschwindigkeit, um sich zu schützen. Nichts meldet einen Fehler; die Maschine ist bloß langsam. Und sie ist genau dann langsam, wenn sie schwer arbeitet, also dann, wenn es am wenigsten auffällt: "es ist Last drauf, klar ist es langsam", und weiter geht es.

Altern. Unter dauerhafter Wärme sinkt die erwartete Lebensdauer jedes Teils. Das siehst du heute nicht. Du siehst es zwei Jahre später, als Ausfall, der früher kam, als er sollte.

Gemeinsam ausfallen. Das ist das Entscheidende, und niemand sagt es. Wärme trifft alles im Gehäuse gleichzeitig. Gemeinsam gekaufte, gemeinsam laufende, gemeinsam warm werdende Platten sterben gemeinsam.

Das ist genau das Szenario, vor dem dich deine Plattenanordnung nicht schützt. Stirbt eine Platte, beginnt die Reparatur, die Reparatur beansprucht die verbleibenden Platten, und diese Platten haben bereits gleich lange bei gleicher Temperatur gelebt.

Woher die Wärme in einem kleinen Server kommt

Meist nicht vom Prozessor. Ein geschlossener Schrank, ein verstaubter Filter, ohne Luftspalt übereinandergestapelte Laufwerke, und am häufigsten: die Maschine wurde an einen Ort ohne Luft gestellt.

Und der Grund ist immer derselbe: Lärm.

Der Tausch, den niemand plant

Es läuft so ab. Die Maschine ist laut, sie stört. Sie wandert in einen Schrank oder in die Abstellkammer. Das Lärmproblem ist gelöst.

Ein halbes Jahr später laufen die Platten zehn Grad wärmer, und niemand verbindet die beiden Ereignisse. Denn dazwischen lag viel Zeit, und dazwischen erschien keine Warnung.

An dem Tag, an dem du die Maschine umstellst, sieh nach, ob der neue Ort Luft bekommt. Später wirst du keinen Anlass haben nachzusehen.

Zu messen ist nicht die Spitze, sondern der Dauerwert

Ein kurzer Temperaturanstieg während einer Sicherung ist normal. Ein augenblicklicher Spitzenwert sagt dir nichts.

Bedeutsam ist der Wert, bei dem sie stundenlang liegt. Ein System, das den ganzen Tag bei derselben hohen Temperatur bleibt, verschleißt weit mehr als eines mit kurzer Spitze.

Und ein praktischer Hinweis: sieh nicht auf die Temperatur einer einzelnen Platte, sieh auf den Unterschied zwischen den Platten. Liegt eine Platte beständig wärmer als ihre Nachbarn, ist das kein Plattenproblem, sondern ein Platzierungsproblem. Diese Platte umzusetzen ist billiger, als eine neue zu kaufen.

Was Atlas tut

Atlas zeigt die Temperatur der letzten vierundzwanzig Stunden jeder Platte neben ihren Lese- und Schreibraten. Du beantwortest also nicht "wie viel Grad gerade", sondern "wo lag sie über den Tag"; genau das ist der obige Prüfstein.

Ein Entwurfsdetail gehört erwähnt, denn es berührt eine Falle, in die Überwachungswerkzeuge oft tappen: diese Messungen werden nur abgerufen, wenn du die Karte dieser Platte öffnest. Für in der Liste geschlossene Platten geht überhaupt keine Abfrage hinaus.

Der Grund ist einfach und ein allgemeines Prinzip: ein Überwachungspanel, das ständig alles abfragt, wird selbst zur Lastquelle. Das, was beobachtet, sollte nicht das sein, was kostet.