高溫：什麼都不會壞，卻讓一切壽命縮短的故障

運轉溫度過高的伺服器不會當機。它會變慢，並且老化得更快。因為它在任何地方都不會回報錯誤，所以可能好幾個月、有時甚至好幾年都沒人注意到。

三種影響，依安靜程度排列

變慢。處理器會降低速度來保護自己。沒有任何東西回報錯誤，機器只是變慢了。而且它恰好在全力運作時變慢，也就是最不容易被察覺的時候：負載正高，慢一點也是理所當然，然後就這樣繼續下去。

老化。在持續高溫下，每一個零件的預期壽命都會縮短。今天看不到這件事，要到兩年後才會看到：一次比預期更早到來的故障。

一起故障。這是最重要、卻沒人提起的一點。高溫會同時影響機箱內的所有東西。一起購買、一起運轉、一起變熱的磁碟，也會一起壞掉。

這正是磁碟配置無法防範的情境。一顆磁碟壞掉時開始修復，修復會加重剩餘磁碟的負擔，而那些磁碟早已在相同的溫度下度過了相同長的時間。

小型伺服器的熱從哪裡來

通常不是來自處理器。密閉的機櫃、積滿灰塵的濾網、層層堆疊且之間沒有空氣間隙的硬碟，以及最常見的一種：機器被放在不通風的地方。

而原因永遠都一樣：噪音。

沒人事先規劃的交換

事情是這樣發生的。機器很吵，令人心煩。它被移到櫃子或儲藏室裡。噪音問題解決了。

六個月後，磁碟的運轉溫度高了十度，卻沒有人把這兩件事聯想在一起。因為兩者之間隔了很長一段時間，中間也沒有出現任何警告。

移動機器的那一天，就要看看新的位置是否通風。之後就不會再有理由去看了。

該測量的不是峰值，而是持續值

備份期間溫度短暫上升是正常的。瞬間的峰值說明不了什麼。

有意義的是它持續好幾個小時停留的數值。一整天都維持在同樣高溫的系統，磨損程度遠超過只是短暫達到峰值的系統。

還有一個實用的提示：不要只看單一磁碟的溫度，要看磁碟之間的差異。如果某一顆磁碟始終比相鄰的磁碟更熱，那不是磁碟的問題，而是擺放位置的問題。移動那顆磁碟，比買一顆新的便宜。

Atlas 的做法

Atlas 會在每一顆磁碟的讀寫速率旁邊，顯示其過去二十四小時的溫度。因此回答的不是現在幾度，而是一整天下來停留在哪裡；這正是上面所說的檢驗方式。

有一個設計細節值得一提，因為它觸及監控工具經常落入的陷阱：只有在開啟該磁碟的卡片時，才會擷取這些測量值。對於在清單中保持收合的磁碟，完全不會送出任何查詢。

原因很簡單，也是一項通用原則：持續查詢所有東西的監控面板，本身就會變成負載的來源。負責監看的東西，不應該成為帶來成本的東西。