De SSD verloor veertig procent in een jaar: waarom Proxmox een schijf sneller slijt

Je hebt de server gebouwd, er is een jaar voorbij en de levensmeter van de SSD is naar zestig procent gezakt. De eerste gedachte is een defect. Meestal is het dat niet.

De schijf is niet stuk, de belasting is anders.

Wat slijtage is

De cellen van een SSD verdragen een beperkt aantal schrijfacties. De schijf meldt dat als een percentage: hoeveel er over is. Terwijl het percentage daalt wordt de schijf niet trager, gaat niet stuk, laat helemaal niets merken. Alleen het getal zakt.

Dat maakt slijtage een verraderlijke maat: tegen de tijd dat je het merkt, ben je al bijna aan het eind van de weg.

Een serverschijf staat niet stil zoals een bureauschijf

Op een bureaucomputer staat de schijf meestal stil. Op een virtualisatieserver nooit.

Het zijn niet alleen je virtuele machines die schrijven. De eigen logboeken van de server, het clustertoestandsbestand, meetopnamen, de journalen van de gasten, ze produceren allemaal onafgebroken kleine schrijfacties. Op zichzelf zijn ze onbeduidend; samen vormen ze een aanhoudende stroom.

De vermenigvuldiger die niemand verwacht

Hier zit de eigenlijke kwestie: een kleine schrijfactie vanuit een virtuele machine landt veel groter op de fysieke schijf.

Want de weg is lang. Het bestandssysteem van de gast rondt de schrijfactie af naar zijn eigen blokgrootte. De laag van de virtuele schijf rondt opnieuw af. Het bestandssysteem van de server rondt nog eens af. Het interne beheer van de SSD rondt nogmaals af. Elke laag zegt "minstens zoveel" en geen enkele rondt naar beneden af.

Gevolg: een schrijfactie van vier kilobyte kan op de fysieke laag meerdere malen groeien. Dat is geen defect, het is de natuurlijke prijs van lagen. Maar wordt er niet mee gerekend, dan valt de levensduur van de schijf ver onder de verwachting.

Die vermenigvuldiger groeit nog verder op twee plekken: bij bestandssystemen die schrijven tijdens kopiëren (dezelfde gegevens worden op een nieuwe plek geschreven en de oude blijft liggen) en bij werk dat zeker wil weten dat elke schrijfactie de schijf heeft bereikt, typisch gegevensbanken.

Het werkelijke verschil tussen een consumentenschijf en een serverschijf

Het verschil is niet snelheid. Het zijn twee dingen.

Het schrijfbudget. Schijven die voor servers verkocht worden zijn gemaakt om veel meer schrijfacties te doorstaan. Tussen twee schijven van dezelfde grootte kan het verschil in uithoudingsvermogen meerdere malen zijn.

Het gedrag onder aanhoudende belasting. Consumentenschijven gebruiken een snelle buffer en worden aanzienlijk trager zodra die buffer vol is. Op een bureau blijft dat onzichtbaar, want de buffer vindt tijd om leeg te lopen. Op een server vindt hij die niet.

Er is ook een stil maar belangrijk onderscheid: serverschijven zijn zo gebouwd dat ze de inhoud van hun buffer ook bij stroomuitval nog kunnen wegschrijven. Daardoor mogen ze veilig vroeg "geschreven" antwoorden. Een consumentenschijf zonder die zekerheid antwoordt óf traag óf neemt een risico.

Wat kan zonder nieuwe hardware

Scheid werk dat veel schrijft van de opstartschijf. Verzamelt een machine logboeken, draait ze een gegevensbank of houdt ze onafgebroken opnamen bij, zet haar schijf dan ergens anders.

Bekijk het wisselgebied. Op een server met genoeg geheugen betekent voortdurend wisselen zowel traagheid als slijtage.

Zet onnodig gedetailleerde logging uit. Een foutopsporingsniveau dat eenmaal is ingesteld en vergeten, blijft jarenlang schrijven.

Het getal om te volgen is niet het percentage maar de helling

"Vijfentachtig procent over" zegt op zichzelf niets. Hetzelfde percentage betekent op de ene schijf tien jaar en op de andere acht maanden.

De juiste vraag is deze: hoeveel punten zakte het de afgelopen maand? Zakt het één punt per maand, dan heb je jaren. Zakt het vijf punten per maand, dan heb je ongeveer anderhalf jaar en zou je al moeten plannen.

Wat Atlas doet

Atlas leest het percentage resterende levensduur dat de schijf meldt en maakt op basis van de helling van de laatste dertig dagen een schatting van de resterende dagen. Het geeft je dus geen percentage maar "in dit tempo nog zoveel dagen".

Voor het onderwerp van dit artikel telt vooral wanneer het product weigert te schatten:

Heeft het maar één meting, dan schat het niet, dan zegt het dat er te weinig gegevens voor een trend zijn. Is het percentage gelijk gebleven of gestegen, dan zegt het dat het niet snel opraakt in plaats van een aantal dagen te verzinnen. Is de daling minder dan een duizendste punt per dag, dan geeft het opnieuw geen getal, want een schatting uit die helling zou zinloos zijn.

Dat is het lastigste deel van elk schattend gereedschap: weten wanneer je zwijgt omdat de gegevens de schatting niet dragen. Een verkeerd aantal dagen is erger dan geen getal, want er worden plannen op gebouwd.