Zurück zum Blog
Linux11. November 2025Michael Hettwer5 min Lesezeit

Festplatten-Ausfälle zuvorkommen: SMART, RAID und Ersatzteile

Wie Platten Warnungen aussprechen, bevor sie sterben: SMART-Attribute, die wirklich Vorhersagekraft haben, Selbsttests und ein Ersatzteil im Schrank.

Enterprise-Linux-Servergehäuse mit Hot-Swap-NVMe-Einschüben und dezenten Status-LEDs

Platten sterben selten in Ruhe. Sie kündigen sich an, oft wochenlang, in Werten, die niemand anschaut. Der Unterschied zwischen einem erträglichen Dienstag und einem Ausfall-Wochenende ist deshalb selten das Hardwarebudget, sondern die Aufmerksamkeitsstruktur: Wer die Signale der Platten regelmäßig liest, bekommt Zeit zum Handeln; wer nur die RAID-Konsole im Blick behält, erfährt vom ersten Fehler erst, wenn der zweite folgt. Dieser Post ist die Linie, die wir auf Servern mit eigener Hardware setzen.

Die Attribute, die wirklich voraussagen

SMART meldet Dutzende Werte, aber drei tragen den Hauptteil der Vorhersagekraft: Reallocated-Sector-Count, die Zählung der bereits ersetzten defekten Blöcke, Current-Pending-Sector-Count, die Zahl der Blöcke, die noch warten, und die Offline-Uncorrectable-Werte, die von Fehlern berichten, die nicht mehr korrigiert werden konnten. Je nach Modell gesellen sich zu diesem Kern weitere Konstrukte wie Seek-Fehler. Die entscheidende Einsicht ist die Trägheit der Werte: Ein einzelner Zuwachs in einer Nacht ist Anlass für Aufmerksamkeit, kein Grund zum Austausch; ein steigender Verlauf über zwei Wochen ist ein Termin.

Zusätzlich zu den Attributen führen wir geplante Selbsttests durch. Kurztests in unbelasteten Fenstern und gelegentlich ein Extended-Test über Nacht. Sie decken die Fehler auf, die der normale Betrieb erst spät berührt, und ihre Ergebnisse werden genauso protokolliert und überwacht wie die Attribute.

mdraid: was der Verbund sieht

Auf Soft-RAID-Systemen gibt es eine zweite Datenquelle, die oft unterschätzt wird: der md-Kern selbst. Er kennt die Zustände seiner Teilnehmer, meldet, wenn ein Mitglied aus dem Verbund fällt, und, noch wichtiger, wenn Ersatzgeräte einsteigen oder nicht. Dazu kommt mdadm --monitor als dauerhafte Instanz, und die Ereignisse wandern in Mail und Log. Dahinter steht der unglamouröse Teil der Routine: ein geplanter Scrub, der den Verbund einmal pro Monat durchliest und dabei stille Fehler sichtbar macht. Bei ordentlich laufenden Arrays ist das die einzige Gelegenheit zu sehen, wie gut die Platten untereinander konsistent sind.

Ein Punkt, der uns bei jedem Kunden fehlt, der ohne ihn kommt: der Gerätezustand nach dem Austausch. Eine Platte wird entfernt, die neue angesteckt, und der Verbund baut wieder auf, ohne dass die alten Daten auf der neuen Platte je vollständig verifiziert würden. Ein Scrub nach dem Wiederaufbau schließt genau diese Lücke und gehört deshalb selbst zur Wechselroutine.

Das Ersatzteil gehört zum Plan

Die dritte Komponente ist materiell: ein fertiger Ersatzdatenträger im Schrank, derselben Baureihe oder kompatibel bemessen, gekauft im Voraus. Die Argumentation ist simpel: Die Zeit zwischen Ausfall und Wiederherstellung bestimmt die Beschaffung, nicht die Technik. Ein Vorrat, der bereits steht, verkürzt die Wiederherstellung auf Stunden. Zusammen mit der Frage nach den Wechselkosten gehört das Ersatzteil zur Festplattenpolitik, nicht zur Budgetkürzung.

Wer eigene Hardware betreibt, wappnet sich damit auch gegen das Problem, das in unserem Backup-Beitrag unter "RAID ist keine Datensicherung" firmiert: Der Verbund erhöht die Verfügbarkeit, doch ein Steuerfehler oder ein Stromstoß kann die Konsistenz kosten, die kein RAID-Container wiedergibt. Der Backup-Kreislauf ist die Ebene, die diese Fälle auffängt.

Was wir standardmäßig einrichten

Bei den Servern, die wir betreuen, sieht die Baseline so aus: Die SMART-Werte kommen auf ein Dashboard, die drei verlässlichen Attribute werden als Metrik exportiert, der tägliche Überblick über Änderungen wird automatisiert gelesen, Scrubs laufen monatlich, mdadm --monitor läuft dauerhaft mit Mailadresse, und die Inventur des Ersatzteilschrankes ist Teil der Jahresplanung. Alles zusammen sind eine halbe Stunde pro Server, einmal eingerichtet, und der Abstand zwischen "hoffentlich merken wir es" und "wir wissen es" schrumpft.

Signale kennenlernen, bevor sie schmerzen

Der unterschätzte Teil der Plattenarbeit ist das Lernen der normalen Werte. Jede Maschine hat ihr Rauschen: ein Modell mit regelmäßigen Selbsttests, ein Controller mit seinem charakteristischen Zeitmuster, ein Gehäuse mit seinen Thermik-Eigenheiten. Wer eine Woche aufmerksam protokolliert, weiß danach, welches Verhalten bei diesem Rechner der lautlose Normalzustand ist, und sieht Abweichungen früher als jedes generische Schwellenwerkzeug. Diese individuelle Baseline ist der Grund, warum eine neu angelegte Überwachung in den ersten Wochen vor allem lesen lernen soll.

Der zweite Lernpunkt ist das Zusammenspiel der Attribute. Ein leichter Anstieg des Reallocation-Zählers plus ein Anstieg der Wartezeit ist ein anderes Muster als derselbe Anstieg ohne Wartezeit. Die Kombination ist die Information; der Einzelwert ist eine Rahmenbedingung.

Ein weiterer Gesichtspunkt gehört zu dieser Aufmerksamkeit: die Lagerung der Werte selbst. SMART-Zahlen, die nur im Terminal einer Sitzung existieren, sind morgen schon vergessen; sie gehören in einen Verlauf. Aus dem Verlauf entsteht, was Momentaufnahmen nicht leisten: die Langzeiterfahrung, wie schnell die Platten dieser Flotte altern, und damit die Aussicht, den Austausch in ein geplantes Fenster zu legen, statt in die Nacht. Der Aufwand dafür ist eine Datei und ein Skript, und er zahlt sich meistens beim zweiten Vorfall ein.

Ergänzend noch eine Anmerkung zum Team hinter dem Bestand: Der Austauschplan wird vorab in die Dokumentation geschrieben, mit Kontakt für die Beschaffung und mit dem Verweis auf das Modell, das beschafft werden soll. Die Kleinigkeit klingt verzichtbar, bis sich zeigt, dass eine präzise Bestellung in der Nacht eine ganz andere Aufgabe ist als allgemeines Situationswissen. Eine kleine Karte mit Anbieter und genauer Spezifikation kostet zehn Minuten und spart Stunden.

Wenn Sie die Festplatten Ihrer Server einmal gegen diese Linie prüfen lassen möchten oder den Ersatzteilbestand strukturieren wollen, finden Sie auf der Seite DevOps- und Backup-Service das passende Angebot. Der Beitrag zu Borg und Restic zeigt, was auf der Datensicherungsseite dieselbe Aufmerksamkeit bedeutet.

Quellen

  • smartmontools-Projekt, https://www.smartmontools.org/ (abgerufen 2026-11-04)
  • manpages.debian.org, smartctl(8), https://manpages.debian.org/bookworm/smartmontools/smartctl.8.en.html (abgerufen 2026-11-04)
  • manpages.debian.org, mdadm(8), https://manpages.debian.org/bookworm/mdadm/mdadm.8.en.html (abgerufen 2026-11-04)