Вообщем, я как-то писал про VSAN, на котором были использованы Micron ssd по 3.6Тб.
Его разметало из-за выхода 3-х хостов, почти одновременно.
В выходные его разобрали, окончательно и начали тестировать ssd. И вскрылась окончательная причина трагедии - часть дисков вылетала при самотестировании с CRC-ошибками. Если этот диск приходился на cache tier, то хана была всей дисковой группе. А так как каждый хост имел 1 дисковую группу, то вылет 3-х хостов при RAID5 был предопределен. Вообщем, вылет произошел по сумме ошибок.

а прошивки дисков в HCL?

Да. И диски и прошивки

бажная партия?

Похоже

Вообщем, качество железа также важно, как и правильная архитектура

ну это для любого продукта верно 🙂

А как тестирование проводили ?

У micron есть утилита mse

Вынимали диски, ставили на обычный комп с sata и вперед!
42 диска проверили

С 10 не проходили тест без Sanitize

Это пример. У многих все было много хуже по 198. И именно эти диски, если они попадали на cache tier валили дисковую группу с compression and deduplication. Причем, без Sanitize смарт тестирование не работало, ну а после Sanitize - диск чистый и готовый к форматированию.

обращались в micron?

может перегревались регулярно?

у intel прям в гарантии это прописано ) не знаю как у других вендоров.

интересно, если перегрелись можно как то логи почистить потом ? )))

у контроллера диска может быть свой внутренний счетчик событий по перегреву, который не отображается через smart. все от производителя зависит