NVMEまたはハードウェア分離を使用するI / Oの問題はありますか？

ハードウェア：

• サムスン980 PRO M.2 NVMe SSD（MZ-V8P2T0BW）（2TB）
• Beelink GTR6、NVMeスロットのSSD

ハードウェアが到着した後、Ubuntu Serverとここに複数のサービス（主にdocker、DB、Kafkaサービス）をインストールしました。

2〜3日の稼働時間が経過すると（ほぼ1週間に記録されますが、通常2〜3日）、通常nvmeスロット（起動ドライブでもあります）でバッファI / Oエラーが発生し始めます。

十分に速い場合はSSH経由でログインできますが、システムが不安定になり、I / Oエラーが原因でコマンドが失敗し始めます。正常にログインしましたが、NVME SSDが接続されていないようです。

nvmeスロットのバッファI / Oエラーの別の例：

だから私が見つけることができるすべてをチェックしようとすると、起動時にFSCKを実行して確実なものがあることを確認しました。これはハードリセット後によく発生します。

# cat  /run/initramfs/fsck.log
Log of fsck -C -f -y -V -t ext4 /dev/mapper/ubuntu--vg-ubuntu--lv
Fri Dec 30 17:26:21 2022

fsck from util-linux 2.37.2
[/usr/sbin/fsck.ext4 (1) -- /dev/mapper/ubuntu--vg-ubuntu--lv] fsck.ext4 -f -y -C0 /dev/mapper/ubuntu--vg-ubuntu--lv
e2fsck 1.46.5 (30-Dec-2021)
/dev/mapper/ubuntu--vg-ubuntu--lv: recovering journal
Clearing orphaned inode 524449 (uid=1000, gid=1000, mode=0100664, size=6216)
Pass 1: Checking inodes, blocks, and sizes
Inode 6947190 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947197 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947204 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947212 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947408 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947414 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947829 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947835 extent tree (at level 1) could be shorter.  Optimize? yes

Inode 6947841 extent tree (at level 1) could be shorter.  Optimize? yes

Pass 1E: Optimizing extent trees
Pass 2: Checking directory structure
Pass 3: Checking directory connectivity
Pass 4: Checking reference counts
Pass 5: Checking group summary information
Free blocks count wrong (401572584, counted=405399533).
Fix? yes

Free inodes count wrong (121360470, counted=121358242).
Fix? yes


/dev/mapper/ubuntu--vg-ubuntu--lv: ***** FILE SYSTEM WAS MODIFIED *****
/dev/mapper/ubuntu--vg-ubuntu--lv: 538718/121896960 files (0.2% non-contiguous), 82178067/487577600 blocks
fsck exited with status code 1

Fri Dec 30 17:26:25 2022
----------------

スマートログを実行すると、安全でない終了回数（これまでに発生した回数）を除いて、関連する内容は表示されないようです。

# nvme smart-log /dev/nvme0
Smart Log for NVME device:nvme0 namespace-id:ffffffff
critical_warning                        : 0
temperature                                : 32 C (305 Kelvin)
available_spare                                : 100%
available_spare_threshold                : 10%
percentage_used                                : 0%
endurance group critical warning summary: 0
data_units_read                                : 8,544,896
data_units_written                        : 5,175,904
host_read_commands                        : 39,050,379
host_write_commands                        : 191,366,905
controller_busy_time                        : 1,069
power_cycles                                : 21
power_on_hours                                : 142
unsafe_shutdowns                        : 12
media_errors                                : 0
num_err_log_entries                        : 0
Warning Temperature Time                : 0
Critical Composite Temperature Time        : 0
Temperature Sensor 1           : 32 C (305 Kelvin)
Temperature Sensor 2           : 36 C (309 Kelvin)
Thermal Management T1 Trans Count        : 0
Thermal Management T2 Trans Count        : 0
Thermal Management T1 Total Time        : 0
Thermal Management T2 Total Time        : 0

サポートチームに連絡しましたが、一連の質問とともに、初期のアドバイスはOSを再インストールしてみたかどうかでした。また、ドライブをフォーマットしてOS（Ubuntu Server 22 LTS）を再インストールしてみました。

その後4日間問題は発生しませんでしたが、ついにカーネルパニックの形で現れました。

問題がSSD自体にあるのか、SSDが接続されているハードウェア（GTR6）にあるのかを確認するにはどうすればよいですか？ 31日までにSSDを返却する必要があるので、問題の最も可能性の高い原因をできるだけ早く把握してください。

私はSamsung 990 Proを使用して、深刻な健康問題を経験している他の人の報告を見て、さらに心配しました。 https://www.reddit.com/r/hardware/comments/10jkwwh/samsung_990_pro_ssd_with_rapid_health_drops/

編集：報告された問題は私の980 proではなく990 proにあることを知っています！

編集2：オーバークロック中に誰かが健康指標を示すhd Sentinelを親切に提案しましたが、かなりよさそうです。

# ./hdsentinel-019c-x64       
Hard Disk Sentinel for LINUX console 0.19c.9986 (c) 2021 [email protected]
Start with -r [reportfile] to save data to report, -h for help

Examining hard disk configuration ...
HDD Device  0: /dev/nvme0             
HDD Model ID : Samsung SSD 980 PRO 2TB
HDD Serial No: S69ENL0T905031A
HDD Revision : 5B2QGXA7
HDD Size     : 1907729 MB
Interface    : NVMe
Temperature  : 41 °C
Highest Temp.: 41 °C
Health       : 99 %
Performance  : 100 %
Power on time: 21 days, 12 hours
Est. lifetime: more than 1000 days
Total written: 8.30 TB
  The status of the solid state disk is PERFECT. Problematic or weak sectors were not found. 
  The health is determined by SSD specific S.M.A.R.T. attribute(s):  Available Spare (Percent), Percentage Used
    No actions needed.

最後に、スマートログなど、私が試したことは、ステータスインジケータに似たものを表示しないようです。 Ubuntuでどのように確認できますか？

ありがとうございます！