افزایش عمر هارد سرور HP تا ۲ برابر؛ ۹ اقدام عملی با iLO و SMART درسال 1405

زمان مطالعه: ۱۹ دقیقه

افزایش عمر هارد سرور HP تا ۲ برابر؛ ۹ اقدام عملی با iLO و SMART در سال ۱۴۰۵

هارد سرور معمولاً بی‌خبر نمی‌میرد؛ ما بی‌خبر می‌مانیم. پیش از خرابی کامل، معمولاً نشانه‌هایی دیده می‌شود: افزایش خطاهای قابل‌اصلاح، رشد تعداد سکتورهای معیوب، کندی ناگهانی، دمای غیرعادی یا تغییر وضعیت درایو در کنترلر. مشکل این است که این نشانه‌ها در داشبورد اصلی iLO همیشه با رنگ قرمز ظاهر نمی‌شوند و باید بدانید کجا را نگاه کنید.

در این راهنما یاد می‌گیرید عمر هارد سرور به چه چیزهایی بستگی دارد، سلامت درایو را با iLO و SMART چگونه بسنجید، چه زمانی تعویض کنید و در انتخاب درایو جایگزین چه چیزهایی را بررسی کنید. اگر سرور شما از خانواده سرور اچ پی است، تمام مثال‌ها مستقیماً به کار شما می‌آید.

آیا واقعاً می‌توان عمر هارد سرور HP را دو برابر کرد؟

«تا ۲ برابر» وعده نیست؛ سناریوی ممکن در شرایطی است که هاردی با نگهداری ضعیف، مثلاً در رک گرم و بدون مانیتورینگ، به شرایط درست منتقل شود. هیچ اقدامی عمر همهٔ هاردها را دقیقاً دو برابر نمی‌کند، و هر مقاله‌ای که عدد قطعی می‌دهد (مثلاً «هر ۵ درجه دما، دو برابر خرابی») بدون ذکر منبع و مدل درایو، قابل اتکا نیست.

برای فهم عمر هارد سرور، سه مفهوم را جدا کنید:

• عمر اسمی: عددهایی مثل MTBF که سازنده منتشر می‌کند. این‌ها آماریِ جمعیت درایوها هستند، نه پیش‌بینی برای یک دیسک مشخص.
• عمر مفید: دوره‌ای که درایو با نرخ خرابی قابل‌قبول کار می‌کند. سازنده‌ها معمولاً آن را با ضمانت یا Workload مجاز تعریف می‌کنند.
• عمر عملی: آنچه در رک شما اتفاق می‌افتد و به دما، لرزش، برق، حجم I/O و کیفیت نگهداری وابسته است.

شاخص AFR (نرخ خرابی سالانه) از MTBF کاربردی‌تر است. شرکت‌هایی مانند Backblaze آمار AFR درایوها را منتشر می‌کنند و نشان می‌دهند نرخ خرابی بین مدل‌ها و دسته‌های تولید تفاوت زیادی دارد. پس عدد ثابتی مثل «هر هارد سرور ۵ سال عمر می‌کند» وجود ندارد.

مهم‌ترین عوامل کاهندهٔ عمر هارد سرور

اگر دنبال دلایل سوختن هارد سرور هستید، معمولاً با یکی از این موارد (یا ترکیبی از آن‌ها) روبه‌رو می‌شوید:

• دمای بالا و تهویه ضعیف: مسیر هوای مسدود، Blank Panel نصب‌نشده و فن‌های ضعیف.
• گرد و غبار: مثل عایق عمل می‌کند و جریان هوا را کم می‌کند.
• لرزش: به‌ویژه در HDDهای چرخان و رک‌های پرفن.
• قطع و نوسان برق و Power Cycle زیاد.
• Firmware قدیمی یا ناسازگار درایو و کنترلر.
• RAID نامناسب برای Workload.
• Workload سنگین‌تر از ظرفیت طراحی درایو.
• درایو نامتناسب با سرور، مثل دیسک Desktop در محیط ۲۴ ساعته.
• درایو استوک بدون بررسی سابقه.
• نبود مانیتورینگ: مهم‌ترین عاملی که خرابی‌های قابل‌پیش‌بینی را غافلگیرکننده می‌کند.

۹ اقدام عملی برای افزایش عمر هارد سرور HP

🟠اقدام اول؛ دمای هارد را کنترل کنید

دمای دائمی بالا هم اجزای مکانیکی HDD را تحت فشار می‌گذارد و هم الکترونیک و NAND در SSD را. دمای لحظه‌ای که هنگام Rebuild یا پشتیبان‌گیری بالا می‌رود طبیعی است، اما دمای پایدارِ بالا در ساعات عادی نشانهٔ مشکل تهویه است.

در سرورهای HPE می‌توانید وضعیت Thermal و فن‌ها را از iLO ببینید. دمای هر درایو را نیز معمولاً از ابزار مدیریت Smart Array یا SSA می‌توان دید (Current و Maximum Temperature). به‌جای عدد مطلق، روند را مقایسه کنید: اگر درایوها کنار هم در یک ردیف‌اند و یکی همیشه چند درجه داغ‌تر است، به مسیر هوا یا خودِ درایو مشکوک شوید. سرعت فن‌ها را هم کنار دما بخوانید.

🟠اقدام دوم؛ سلامت هارد را با iLO بررسی کنید

iLO پردازندهٔ مدیریتی مستقل روی مادربرد است که حتی با خاموش بودن سیستم‌عامل در دسترس است. برای تست هارد سرور HP، بخش Storage یا System Information را باز کنید؛ نام و مسیر دقیق منو بسته به نسل متفاوت است:

• iLO 4 (معمولاً G8/G9): از بخش Information، زیرمجموعهٔ System Information و تب Storage.
• iLO 5 (G10): بخش Information و Storage، یا Systems Inventory.
• iLO 6 (G11): ساختار مشابه با نمایش بهتر سلامت زیرسیستم ذخیره‌سازی.

در این صفحه فرق Logical Drive و Physical Drive را جدی بگیرید. Logical Drive همان آرایه‌ای است که سیستم‌عامل می‌بیند (مثلاً RAID 5). Physical Drive دیسک واقعی است. ممکن است Logical Drive همچنان OK باشد اما یک Physical Drive در حالت Warning یا Predictive Failure باشد؛ چون RAID هنوز آن را جبران می‌کند. به همین دلیل نگاه کردن فقط به وضعیت کلی کافی نیست.

نکتهٔ مهم: iLO همان RAID Controller نیست. iLO گزارش را نشان می‌دهد؛ منبع داده کنترلر (Smart Array) است. برای جزئیات عمیق‌تر از ابزار Smart Storage Administrator (SSA) یا ssacli استفاده کنید. برای مثال:

ssacli ctrl all show config detail

این دستور وضعیت آرایه‌ها، درایوها، دما و برای SSDها شاخص‌های سایش را نشان می‌دهد. اگر چراغ نارنجی یا هشدار دیدید، مقالهٔ نارنجی شدن چراغ هارد سرور HP یعنی چه؟ معنای چراغ‌ها را توضیح می‌دهد.

🟠اقدام سوم؛ SMART را جدی بگیرید

SMART سیستم خودپایشی درایو است. بسیاری از مقالات فقط می‌گویند «SMART را چک کنید»؛ اما چیزی که باید بدانید این است:

• SATA HDD/SSD شاخص‌های ATA دارند: Reallocated Sector Count، Current Pending Sector، Offline Uncorrectable، Power-On Hours و Temperature.
• SAS HDD معمولاً شاخص‌های ATA مثل Reallocated Sector را به همان شکل ندارند. به‌جای آن مواردی مثل Grown Defect List و شمارنده‌های خطا (Error Counter Log) دارند. اگر به دنبال «Reallocated» در درایو SAS می‌گردید، آن را پیدا نمی‌کنید.
• SSD علاوه بر این‌ها شاخص‌های سایش (Wear Level / Usage Remaining) دارد.

روی هارد پشت کنترلر Smart Array، ابزارهای عادی اغلب مستقیم SMART را نمی‌خوانند و باید از ssacli یا smartctl با گزینهٔ مخصوص کنترلر استفاده کنید. نکتهٔ کلیدی: SMART ≠ iLO. SMART گزارش خود درایو است و iLO فقط جمع‌بندی می‌کند.

و مهم‌تر از همه، یک شاخص تنها معیار قطعی نیست. دو سکتور Reallocated که سال‌هاست ثابت است با دو سکتوری که در یک هفته به بیست رسیده، یک معنا ندارد. روند مهم است، نه یک عکس لحظه‌ای.

🟠اقدام چهارم؛ RAID را درست انتخاب و مدیریت کنید

RAID با افزونگی، دسترس‌پذیری را بالا می‌برد، اما برای Workload و عمر درایو هم اثر دارد: RAID 10 نوشتن را بین جفت‌ها پخش می‌کند، RAID 5 و 6 به‌خاطر محاسبهٔ Parity نوشتن اضافه تولید می‌کنند. پس بهترین هارد برای سرور به نوع RAID هم بستگی دارد.

نکته‌ای که کمتر گفته می‌شود: Rebuild فشار سنگینی است. در Rebuild تمام دیسک‌های باقی‌مانده باید به‌طور کامل خوانده شوند. اگر یکی از آن‌ها از قبل ضعیف بوده، همین‌جا ممکن است Fail شود و آرایه از دست برود. در RAID 5 با دیسک‌های پرظرفیت، این ریسک جدی‌تر است. به همین دلیل بسیاری از مدیران برای هاردهای بزرگ RAID 6 یا 10 را ترجیح می‌دهند و Hot Spare نگه می‌دارند.

و یادتان باشد: RAID و Rebuild بک‌آپ نیستند. RAID فقط وقتی یکی از دیسک‌ها خراب شود، جلوی از دست رفتن اطلاعات را می‌گیرد. اما اگر فایلی را اشتباهی پاک کنید، باج‌افزار اطلاعاتتان را قفل کند یا خودِ کنترلر خراب شود، RAID کاری برایتان نمی‌کند. برای این موارد باید یک نسخهٔ پشتیبان جداگانه داشته باشید.

🟠اقدام پنجم؛ Firmware و Firmware Controller را به‌روز نگه دارید

دو چیز جداست: Firmware درایو و Firmware کنترلر. هر دو بر رفتار درایو در خطا، مدیریت دما و گزارش سلامت اثر می‌گذارند. اما به‌روزرسانی کورکورانه خطرناک است؛ ابتدا سازگاری نسخه با نسل سرور، کنترلر و مدل درایو را بررسی کنید.

مسیر استاندارد برای این کار HPE Service Pack for ProLiant (SPP) و ابزار SUM است که مجموعه‌ای هماهنگ از Firmware را برای مدل شما ارائه می‌دهد. قبل از اجرا حتماً Backup بگیرید و در ساعت کم‌ترافیک انجام دهید.

🟠اقدام ششم؛ از Write/Read غیرضروری جلوگیری کنید

I/O اضافه، مستقیماً سایش ایجاد می‌کند. منابع معمول آن عبارت‌اند از: لاگ‌های بی‌نهایت Verbose، فایل‌های موقت، کش‌های پرنوشتن، دیتابیس‌های بهینه‌نشده، پشتیبان‌گیری‌های مکرر روی همان آرایه و ذخیره‌سازی ماشین‌های مجازی.

برای SSD سه مفهوم را بدانید:

• TBW: مجموع حجم نوشتنی که سازنده برای عمر درایو تضمین می‌کند.
• DWPD: چند بار در روز می‌توان کل ظرفیت درایو را در دورهٔ ضمانت بازنویسی کرد.
• Write Endurance: اصطلاح کلی برای تحمل نوشتن.

اگر Workload شما نوشتن‌محور است (دیتابیس، مجازی‌سازی)، به‌جای SSD عمومی، درایو Enterprise با Endurance مناسب انتخاب کنید.

🟠اقدام هفتم؛ قبل از خرابی کامل، هارد را تعویض کنید

نشانه‌های هشدار: تغییر وضعیت درایو به Predictive Failure، رشد پیوستهٔ سکتور معیوب یا Grown Defect، Timeout و خطاهای مکرر کنترلر، افت ناگهانی سرعت و صدای غیرعادی در HDD.

Warning یعنی درایو هنوز کار می‌کند اما رفتارش غیرعادی است و باید برنامهٔ تعویض بگذارید. Failed یعنی کنترلر آن را از آرایه خارج کرده است. صبر کردن تا Failed یعنی وارد شدن به Rebuild در بدترین زمان ممکن، بدون هیچ حاشیهٔ امنیتی. بنابراین تعویض هارد سرور HP را زمانی انجام دهید که هنوز آرایه سالم است.

🟠اقدام هشتم؛ هارد مناسب را بر اساس نسل و کنترلر انتخاب کنید

ظرفیت تنها معیار نیست. برای خرید درست این موارد را بررسی کنید: Interface (SAS، SATA یا NVMe)، Form Factor (SFF یعنی ۲٫۵ اینچ، LFF یعنی ۳٫۵ اینچ)، RPM، سازگاری با کنترلر، Carrier/Caddy مخصوص همان نسل، Part Number و Firmware.

انتخاب برای DL380 G7 با DL380 G8، G9 و G10 یکسان نیست. نسل‌های قدیمی‌تر سرعت رابط و پشتیبانی SSD محدودتری دارند؛ G9 و G10 در کنترلر و کیج تفاوت دارند؛ G10 به بعد پشتیبانی از NVMe و کنترلرهای جدیدتر مطرح می‌شود؛ و در G11 (iLO 6) دیسک‌ها و کنترلرها باز هم تغییر کرده‌اند. پس عباراتی مثل هارد سرور HP G8، هارد سرور G9 یا هارد سرور G10 فقط با تطبیق Part Number و کنترلر معنا دارند. هنگام تهیه کدی (Caddy) هم دقت کنید؛ کیج نسل G8/G9 را نمی‌توان همیشه روی G10 به کار برد.

🟠اقدام نهم؛ وضعیت هاردها را دوره‌ای مانیتور کنید

به‌جای «گاهی چک کنید»، یک برنامهٔ ثابت داشته باشید:

اگر چند سرور دارید، هشدارهای iLO را به یک سیستم مانیتورینگ مرکزی بفرستید تا خبر خرابی از ایمیل شخصی یک نفر شروع نشود.

از کجا بفهمیم هارد سرور در حال خراب شدن است؟

در سناریوی رایج، وضعیت کلی Storage در iLO هنوز OK است ولی بررسی Log و شاخص‌های همان درایو رفتار غیرعادی را نشان می‌دهد. همین تفاوت بین «OK» و «سالم» است.

سلامت هارد باید چند درصد باشد؟

درصد استانداردی برای سلامت هارد وجود ندارد. «Health %» در نرم‌افزارهای مختلف، فرمول خودشان است. اینکه چگونه عمر هارد را بفهمیم، به چند مفهوم متفاوت برمی‌گردد:

• Health percentage: برآورد نرم‌افزار، نه استاندارد سازنده.
• SMART attributes: داده‌های خام و آستانه‌ها.
• SSD Life / Wear Level: میزان باقی‌ماندهٔ ظرفیت نوشتن SSD؛ این یکی نزدیک‌ترین چیز به «عمر باقی‌مانده» است.
• Predictive Failure: پیش‌بینی خود کنترلر/درایو.

پس Health ≠ Remaining Life: یک هارد ممکن است «۱۰۰٪ سالم» نمایش داده شود و یک ساعت بعد کامل خراب شود. بالا بردن سلامت هارد با نرم‌افزار هم ممکن نیست؛ ریست کردن شاخص یا پاک کردن لاگ، فرسودگی فیزیکی را برنمی‌گرداند.

آیا می‌توان سلامت هارد خراب را برگرداند؟

بستگی به نوع خرابی دارد:

• خطای منطقی (مثلاً سیستم‌فایل خراب): قابل رفع است.
• فرمت: ساختار منطقی را پاک می‌کند، نه عیب فیزیکی را. Format ≠ Repair.
• Zero Fill: ممکن است سکتورهای Pending را به Reallocated تبدیل کند، اما این یعنی سکتور معیوب جابه‌جا شد، نه اینکه دیسک سالم شد.
• Bad Sector: اگر رو به افزایش باشد، پایان کار است.
• خرابی مکانیکی (هد، موتور): در محیط سرور عملاً اقتصادی نیست و برای بازیابی داده به خدمات تخصصی نیاز دارد.
• خرابی الکترونیکی (برد): گاهی قابل تعمیر برای ریکاوری است.
• خرابی NAND در SSD: برگشت‌ناپذیر.

تعمیر هارد سرور فقط وقتی منطقی است که هدف بازیابی اطلاعات باشد. برای ادامهٔ کار در سرور production، تعویض درست‌تر است.

HDD بهتر است یا SSD برای سرور؟

هارد SSD برای سرور وقتی ارزش دارد که کاربرد شما IOPS و Latency پایین بخواهد. اما بهترین هارد SSD برای سرور، درایو Enterprise با DWPD متناسب Workload است، نه فقط سریع‌ترین. برای دیدن گزینه‌ها می‌توانید به دستهٔ هارد SSD سرور سر بزنید. در هارد SSD سرور HP هم باید سازگاری با کنترلر و نسل را مثل HDD بررسی کنید.

هنگام خرید هارد سرور HP به چه مشخصاتی توجه کنیم؟

برای راهنمای خرید هارد سرور، این چک‌لیست را بررسی کنید:

1. Part Number: مهم‌ترین معیار تطبیق.
2. Capacity.
3. Interface هارد: SAS، SATA یا NVMe.
4. Form Factor هارد: SFF یا LFF.
5. RPM: مثلاً 10K یا 15K برای HDD.
6. Carrier/Caddy: مخصوص نسل سرور.
7. Firmware.
8. Compatibility با کنترلر و آرایهٔ فعلی.
9. Endurance برای SSD.
10. وضعیت نو یا استوک: در استوک سابقهٔ کارکرد و شاخص‌های SMART را بخواهید.

قبل از خرید هارد سرور HPE، مدل سرور و کنترلر را بنویسید. اگر برای محصول مشخصی نیاز به بررسی دارید، دستهٔ هارد سرور محل مناسبی برای مقایسه است. اگر هارد استوک می‌خرید، اولویت با بررسی سلامت و سازگاری است، نه صرفاً قیمت.

قیمت هارد سرور HP به چه عواملی بستگی دارد؟

برای قیمت هارد سرور HP عدد ثابتی نمی‌دهیم، چون به بازار و زمان وابسته است. اما این عوامل تعیین‌کننده‌اند:

• ظرفیت (مثلاً قیمت هارد سرور 300 گیگ در مقایسه با 1/2 ترابایت)
• نوع Interface: SAS، SATA یا NVMe
• RPM (قیمت هارد سرور HP 10K با 15K یا 7/2K فرق دارد)
• نسل سرور (G7، G8، G9، G10) و Part Number
• SFF یا LFF
• Enterprise بودن و Endurance
• نو یا استوک (قیمت هارد سرور دسته دوم معمولاً پایین‌تر است، با ریسک بیشتر)
• نوسان بازار و موجودی

پس به‌جای جست‌وجوی «لیست قیمت هارد سرور HP» به‌تنهایی، مدل دقیق سرور و Part Number را مشخص کنید.

چگونه هارد خراب سرور HP را تعویض کنیم؟

نحوهٔ تعویض هارد سرور HP بسته به RAID متفاوت است؛ قبل از خارج کردن هر درایو، وضعیت آرایه را بررسی کنید.

1. تشخیص هارد معیوب: با iLO یا SSA، درایو دقیق را شناسایی کنید (نه فقط از روی چراغ).
2. بررسی RAID در سرور: Logical Drive چه وضعیتی دارد؟ آیا Degraded است؟
3. اطمینان از Backup: قبل از هر کار، Backup معتبر داشته باشید.
4. بررسی Part Number و Compatibility: درایو جدید باید با کنترلر و آرایه سازگار باشد.
5. خارج کردن Drive: اطمینان از اینکه درایو درست را برمی‌دارید؛ بیرون کشیدن درایو اشتباه در RAID 5 یعنی از دست رفتن آرایه.
6. نصب Drive جدید: با Carrier مناسب. نصب هارد روی سرور HP معمولاً Hot-Plug است، اما مدل خود را بررسی کنید.
7. بررسی شناسایی هارد در سرور HP: درایو باید در iLO یا SSA ظاهر شود. اگر شناسایی نشد، Carrier، Slot و سازگاری را بررسی کنید.
8. Rebuild: معمولاً خودکار است. اگر نه، درایو را به آرایه اضافه کنید.
9. بررسی وضعیت Array: پایان Rebuild و بازگشت به OK.
10. بررسی سلامت بعد از Rebuild سرور: Log و دمای درایوهای باقی‌مانده را ببینید؛ Rebuild به آن‌ها هم فشار می‌آورد.

برای تعویض هارد سرور HP DL380 و مشابه آن، اگر سرور خارج از گارانتی یا خیلی حساس است، یک بار روند را طبق مستند HPE مرور کنید.

اشتباهاتی که عمر هارد سرور را کوتاه می‌کنند

• استفاده از هارد Desktop در سرور: برای ۲۴/۷ و لرزش رک طراحی نشده.
• بی‌توجهی به دما و تهویه.
• درایو ناسازگار با کنترلر یا Firmware.
• خرید هارد استوک بدون بررسی سلامت.
• تعویض اشتباه درایو در RAID.
• نبود Backup.
• نادیده گرفتن SMART و Warning.
• به‌روزرسانی Firmware بدون بررسی سازگاری.
• ترکیب درایوهای با سن و ساعات کار خیلی متفاوت در یک آرایه، که فاصلهٔ خرابی‌ها را غیرقابل‌پیش‌بینی و Rebuild را پرریسک می‌کند.