Belajar RAID - Failure Detection & Monitoring

#Pendahuluan

Episode 5 mengajarkan cara membaca status array; episode 13 ini melangkah lebih jauh — mendeteksi kegagalan sebelum terjadi. Disk jarang mati mendadak tanpa tanda. Sebagian besar disk memberikan sinyal peringatan dini yang bisa dibaca dari data SMART (Self-Monitoring, Analysis and Reporting Technology).

Dengan monitoring yang benar, kalian bisa mengganti disk yang mulai menua sebelum ia merusak array. Episode ini membangun radar dini itu: dari smartctl di level disk, mdadm --monitor di level array, sampai dashboard Prometheus dan Grafana untuk satu pandangan menyeluruh.

#Membaca SMART dengan smartctl

#Mengambil Data SMART

Tool utama adalah smartctl dari paket smartmontools:

sudo smartctl -a /dev/sdb

Output perintah smartctl -a /dev/sdb menampilkan bagian SMART Attributes dengan daftar atribut seperti Reallocated_Sector_Ct, Current_Pending_Sector, dan Temperature_Celsius. Bagian SMART overall-health memberi ringkasan singkat sehat atau tidak.

#Atribut yang Harus Diwaspadai

Tidak semua atribut sama pentingnya. Fokuskan perhatian pada:

• Reallocated_Sector_Ct: sektor cadangan yang sudah dipakai. Angka yang terus naik menandakan media mulai rusak.
• Current_Pending_Sector: sektor yang menunggu verifikasi — jika terus bertambah, segera ganti disk.
• Temperature_Celsius: suhu yang konsisten tinggi memperpendek umur disk.
• Raw_Read_Error_Rate dan Seek_Error_Rate: indikator kesehatan read-write.

sudo smartctl -H /dev/sdb

Output smartctl -H /dev/sdb menampilkan SMART overall-health self-assessment test result: PASSED atau FAILED. Tapi jangan hanya bergantung pada nilai ini — banyak disk yang sudah bermasalah tetap menyatakan PASSED.

#Predictive Failure

Istilah predictive failure merujuk pada atribut yang melampaui ambang batas. Kombinasi reallocated sectors yang naik, pending sectors yang menumpuk, dan nilai Raw_Read_Error_Rate yang memburuk adalah pola khas disk yang menuju kegagalan. Ketika pola ini muncul, ganti disk secara terjadwal — bukan menunggu insiden.

#Menjadwalkan Pengujian SMART

#Self-test Berkala

smartctl bisa menjalankan self-test yang menulis dan membaca permukaan disk:

sudo smartctl -t long /dev/sdb
sudo smartctl -l selftest /dev/sdb

Perintah smartctl -t long memulai self-test penuh; -l selftest menampilkan riwayat dan hasil. Jadwalkan lewat cron agar berjalan di luar jam sibuk. Hasil long self-test yang gagal adalah sinyal untuk mengganti disk.

#Memantau Semua Disk Sekaligus

Di server dengan banyak disk, jalankan pemeriksaan untuk semua sekaligus:

for d in /dev/sd[b-e]; do sudo smartctl -H "$d"; done

Perintah smartctl -H dalam loop for menampilkan kesehatan semua disk dengan sekali jalan. Gabungkan dengan jadwal cron dan notifikasi agar hasilnya sampai ke kalian tanpa harus login.

#Monitoring Stack dengan Prometheus

#node_exporter dan mdadm Collector

node_exporter adalah eksporter Prometheus untuk metrik sistem, termasuk kolektor mdadm dan smartmon:

node_exporter --collector.mdadm --collector.smartmon

Perintah node_exporter --collector.mdadm mengekspos metrik seperti node_md_disks, node_md_state, dan node_md_disks_state. Dengan kolektor smartmon, atribut SMART juga ikut dipublikasikan sebagai metrik.

#Query di Prometheus

Dengan Prometheus yang meng-scrape node_exporter, query untuk array degraded:

node_md_state{state="degraded"}

Aturan alerting di Prometheus bisa memicu saat metrik ini muncul, lalu diteruskan ke Alertmanager untuk email, Slack, atau webhook. Kombinasi mdadm monitor dan Prometheus memberi dua jalur notifikasi yang saling melengkapi.

#Dashboard

Grafana memvisualisasikan semua metrik dalam satu pandangan:

• Grafik node_md_disk per array dan per disk.
• Tren suhu dan reallocated sectors per disk.
• Status up/down eksporter dan latensi storage.

Dengan dashboard, kondisi storage terlihat sekilas tanpa menggali log — dan anomali suhu atau sektor naik terlihat sebelum mencapai titik kritis.

#Penutup

Episode 13 membangun radar dini untuk storage: membaca dan menafsirkan SMART, mengenali pola predictive failure, menjadwalkan self-test, serta merakit stack monitoring dengan node_exporter, Prometheus, dan dashboard. Kini kegagalan disk tidak lagi datang tanpa peringatan.

Inti yang harus dibawa pulang:

• smartctl -a menampilkan atribut SMART; fokus pada reallocated dan pending sectors.
• Predictive failure adalah pola atribut yang menuju kegagalan — jangan menunggu insiden.
• Jadwalkan smartctl -t long secara berkala di luar jam sibuk.
• node_exporter dengan kolektor mdadm dan smartmon mengekspos metrik array dan disk.
• Prometheus dan Alertmanager mengubah metrik menjadi notifikasi.
• Grafana menyatukan semuanya dalam satu dashboard.

Di episode 14 selanjutnya kita akan membahas security & encryption — enkripsi LUKS dan dm-crypt di atas atau bawah RAID, enkripsi native ZFS, manajemen key, serta checksum untuk mendeteksi silent corruption. Kalian akan belajar melindungi data dari pencurian dan korupsi diam-diam.