R4900 G6 新上架服务器nvme盘存在media_errors

media_errors：2

客户现场新到货47台R4900 G6服务器，问题发生时处于开局部署阶段。客户在监控平台发现47台服务器ad:00.0槽位的nvme盘均存在media_errors计数，且计数都是2，其中一台双nvme盘均存在media_errors计数。现场随机收集了几台机器nvme smart-log信息，发现均存在nvme0n1的media_errors计数为2的现象。

1、查看SDS带外日志，未见硬件异常。同时分析报错NVMe槽位、批次等信息，未发现明显异常。查询该硬盘固件版本发现已是最新版本(9CV10510)。

2、现场收集OS日志，在dmesg日志中可以看到安装系统后第一次开机时就已经存在medium error.

3、查看47台机器的硬盘出厂测试记录，发现涉及的硬盘均不存在media_errors计数。

4、厂家对硬盘日志分析情况：现有的log 没有指向NAND failure，Format看起来被某个动作打断，有两笔read返回0x6281 UECC。

日志中Grown detect count=0，可以确认没有新增坏块。

现有的log 不能证明是 NAND failure，Grown Bad Block=0 没有增加， XOR Fail Count=0。并且nvme 协议中smart信息并不存在单独media_errors定义，怀疑nvme smart工具将多种错误合并成了media_errors。

通过厂家日志对硬盘smart信息比对，两块硬盘参数差异仅在End-to-End Error Detection Count计数上：

怀疑nvme smart-log中的media errors计数来源于End-to-End Error Detection Count，于是再次收集一台双nvme盘均存在media_errors的硬盘smart日志进行比对。

发现nvme smart-log中的media_errors与硬盘的smart信息中的End-to-End Error Detection Count值完全一致，可以确定系统下的media erros计数其实是硬盘End-to-End Error Detection Count的值。

 根据intel原厂分析，现有的log 没有指向硬盘NAND failure， Grown detect count=0，可以确认当前硬盘没有坏块。硬盘的健康状态正常，可以正常使用且不会对业务造成风险。nvme smart-log中的media_errors与硬盘的smart信息中的End-to-End Error Detection Count值完全一致，End-to-End Error代表整条data path上的错误，并不一定是NAND failure；根据NVME标准协议无明确的media error定义，而是使用Media and Data Interrgrity Eorror Vlaues 进行定义，其下包含多种行为。Intel同时说明SMART参数中的Available Spare代表冗余空间使用比例，初始值为100%，下降到10%会触发SMART warning，已提供硬盘日志的Available Spare=100%，建议监控硬盘健康度抓取值更改为“Available Spare”。