SSD não morre só de repente. Ele se desgasta com as gravações, e o próprio disco conta quanto já gastou. Neste post explico como ler isso no Proxmox, o que significa TBW e o que eu olho para decidir a troca.

Por que um SSD se desgasta #

As células de memória flash aguentam um número limitado de ciclos de gravação e apagamento. O controlador do SSD espalha as gravações pelo disco para gastar tudo por igual, mas o limite existe.

Para dizer quanto o disco aguenta, os fabricantes usam o TBW (terabytes gravados). É o total de dados que dá para gravar dentro da garantia. Um exemplo de ficha técnica: pela ficha técnica, o Kingston NV3 de 1 TB tem 320 TBW. Modelos de outras linhas e marcas têm números bem diferentes, então vale olhar a ficha do seu.

Num homelab, o que grava no SSD o tempo todo é:

• log dos containers e do próprio Proxmox;
• bancos de dados dos apps;
• os backups, se o destino estiver no mesmo SSD;
• swap, se a memória apertar.

O que o Proxmox já traz #

Pela documentação oficial, o Proxmox VE instala o smartmontools desde a versão 4.3. É o conjunto de ferramentas que lê o S.M.A.R.T., o relatório de saúde que o próprio disco mantém.

Mais importante: o smartd vem ativo. A documentação diz que ele verifica os discos (incluindo os NVMe, /dev/nvme0 em diante) a cada 30 minutos e manda um e-mail para o root se encontrar um problema. Se o e-mail do root não chega a lugar nenhum, esse aviso se perde. Vale conferir para onde vão os e-mails do host.

Lendo a saúde do disco #

No shell do host, o comando é:

smartctl -a /dev/nvme0

Para um SSD SATA, troque pelo caminho dele, como /dev/sda. Num NVMe, três linhas contam quase tudo:

• Percentage Used: a estimativa do fabricante de quanto da vida útil já foi usada. Começa em 0. Em 100, a resistência estimada acabou, o que não quer dizer que o disco falhou. O valor pode passar de 100.
• Data Units Written: quanto já foi gravado. A unidade é estranha: cada unidade vale mil blocos de 512 bytes, ou seja, 512.000 bytes.
• Available Spare: a reserva de células para substituir as que se gastam. Quando cai abaixo do limite (Available Spare Threshold), é hora de trocar.

A conta para transformar as unidades em terabytes é simples:

# troque 12345678 pelo valor de Data Units Written
echo "12345678 * 512000 / 10^12" | bc -l

O resultado é o total gravado, em TB. Compare com o TBW da ficha técnica e você sabe quanto da garantia já usou.

Na interface web também dá para ver: o Proxmox mostra os valores S.M.A.R.T. na lista de discos do nó.

O que fazer se o desgaste estiver alto #

Se a conta mostrar que o SSD grava mais do que deveria, há alguns caminhos:

1. Descobrir quem grava. Container com log muito falante ou banco de dados mal configurado costuma ser o culpado.
2. Tirar o backup do SSD. O destino do vzdump deve ficar em outro disco. Aqui, vai para um HD externo USB, e uma cópia vai para fora de casa.
3. Evitar swap constante. Se a memória está no limite, o sistema grava no disco o tempo todo. Mais memória está na minha lista de compras.
4. Escolher bem o próximo disco. A documentação do ZFS no Proxmox recomenda SSDs com proteção contra queda de energia para os discos de log e cache, porque têm latência de gravação bem menor. Para ZFS, eu olharia modelos com TBW alto. Comparo ZFS e LVM-thin no post ZFS ou LVM-thin no Proxmox.

Minha rotina #

No meu Proxmox, quem acompanha o SSD é um script meu, o pve-health.sh. Ele monitora a saúde do host inteiro, e o SSD entra nessa conta. É por ele que eu fico de olho no disco.

Com ou sem um script assim, o roteiro vale para qualquer homelab:

1. Rodar o smartctl -a no SSD e no HD de backup e anotar os valores, para ter um ponto de partida.
2. Conferir se os e-mails do root saem do host, para o aviso do smartd chegar.
3. Repetir a leitura todo mês e comparar.
4. Planejar a troca quando o Percentage Used passar de uns 80%, ou antes, se o Available Spare começar a cair.

Resumindo #

• SSD se desgasta com as gravações. O TBW da ficha técnica diz quanto ele aguenta.
• O Proxmox já traz o smartmontools, e o smartd avisa o root por e-mail a cada 30 minutos se achar problema.
• smartctl -a mostra Percentage Used, Data Units Written e Available Spare.
• Cada Data Unit vale 512.000 bytes. Multiplique para saber quantos TB já foram gravados.
• Backup fora do SSD e pouca swap ajudam o disco a durar mais.

Perdi um SSD sem aviso uma vez. Agora o pve-health.sh fica de olho nele, e eu sei quando estiver chegando perto do fim.