A hő: az a hiba, amely semmit nem tör el, de mindent megrövidít

A túl melegen futó szerver nem omlik össze. Lelassul és gyorsabban öregszik. Mivel sehol nem jelez hibát, hónapokig, olykor évekig észrevétlen marad.

Három hatás, csendességi sorrendben

Lassulás. A processzorok önvédelemből csökkentik a sebességüket. Semmi nem jelez hibát, a gép egyszerűen lassú. Méghozzá pontosan akkor lassú, amikor keményen dolgozik, vagyis akkor, amikor a legkevésbé tűnik fel: "terhelés alatt van, persze hogy lassú", és megy tovább minden.

Öregedés. Tartós hő alatt minden alkatrész várható élettartama csökken. Ez ma nem látszik. Két évvel később látszik, a kelleténél korábban érkező meghibásodás alakjában.

Együttes meghibásodás. Ez a lényeges, és ezt senki nem mondja ki. A hő a dobozon belül mindenre egyszerre hat. Az együtt vásárolt, együtt futó és együtt melegedő lemezek együtt is halnak meg.

Pontosan ez az a forgatókönyv, amely ellen a lemezek elrendezése nem véd. Amikor az egyik lemez meghal, elindul a helyreállítás, a helyreállítás megterheli a megmaradt lemezeket, azok a lemezek pedig ugyanannyi időt éltek le ugyanazon a hőmérsékleten.

Honnan jön a hő egy kis szerverben

Rendszerint nem a processzortól. Zárt szekrény, poros szűrő, egymásra pakolt meghajtók légrés nélkül, és a leggyakoribb: a gép olyan helyre került, ahol nincs levegő.

Az ok pedig mindig ugyanaz: a zaj.

A csere, amelyet senki nem tervez

Így zajlik. A gép hangos, zavaró. Beköltözik egy szekrénybe vagy egy raktárhelyiségbe. A zajprobléma megoldódott.

Fél évvel később a lemezek tíz fokkal melegebben futnak, és a két eseményt senki nem köti össze. Mert hosszú idő telt el köztük, és közben semmilyen figyelmeztetés nem jelent meg.

A gép áthelyezésének napján érdemes megnézni, hogy az új hely kap-e levegőt. Később már semmi nem ad okot arra, hogy bárki odanézzen.

Nem a csúcsot kell mérni, hanem a tartós értéket

A biztonsági mentés közbeni rövid hőmérséklet-emelkedés normális. A pillanatnyi csúcs semmit nem árul el.

Az számít, hogy milyen értéken ül órákon át. Az a rendszer, amely egész nap ugyanazon a magas hőmérsékleten marad, jóval jobban kopik, mint amelyik csak rövid ideig csúcsosodik ki.

Egy gyakorlati fogódzó: nem egyetlen lemez hőmérsékletét érdemes nézni, hanem a lemezek közötti különbséget. Ha az egyik lemez tartósan melegebben ül a szomszédainál, az nem lemezprobléma, hanem elhelyezési probléma. Annak a lemeznek az áthelyezése olcsóbb, mint egy új vásárlása.

Mit tesz az Atlas

Az Atlas minden lemez elmúlt huszonnégy órás hőmérsékletét az olvasási és írási ütemek mellett mutatja. Így nem arra jön válasz, hogy "hány fok éppen most", hanem arra, hogy "hol ült a nap folyamán", vagyis pontosan a fenti próbára.

Egy tervezési részletet érdemes kimondani, mert olyan csapdát érint, amelybe a megfigyelőeszközök gyakran beleesnek: ezek a mérések csak az adott lemez kártyájának megnyitásakor kerülnek lekérésre. A listában becsukva ülő lemezekhez semmilyen lekérdezés nem indul.

Az ok egyszerű, és általános elv is: az a megfigyelő felület, amely folyamatosan mindent lekérdez, maga válik terhelésforrássá. Ami figyel, ne az legyen, ami költséget okoz.