SSD服务器长稳测试

长稳测试（Long-term Stability Testing）：长时间运行条件下验证产品稳定性、可靠性和性能一致性，确保产品在生命周期内持续满足设计要求

在版型确定，fw相对稳定后，根据项目进展，需要对盘进行长时间稳定性测试，确保盘长时间运行无异常；

因测试周期较长，为确保测试过程中不出现问题遗漏，需定期对盘做检查；

长稳测试结束时间视具体项目而定，可按无故障时间xxh进行累计，直至项目评估可结束测试；

测试结束后，需要汇总统计整个长稳测试周期内发现的所有问题。

问题严重等级

P0

• 掉盘
• IO Error、数据不一致
• UECC导致的raid revovery fail（raid recovery fail（必定带来主机端PI Error））

P1

• nvme controller reset/aborting/disable
• 主机端 IO timeout
• BMC上新增的异常告警、异常事件
• smart-log中的异常增加值

P2

• raid可纠的UECC
• 正常标记的program fail、erase fail
• free blk不足

周期性检查

daily

• 掉盘、IO Error、数据不一致（dmesg日志、fio日志）
• 新增UECC、program fail、erase fail

nvme get-log --log-id 192 --log-len 4096 --lpo 0 /dev/nvme0n1|grep '0010\|0020'

• dmesg中是否有盘相关异常（timeout、disable controller、主控aborting、Critical warning等）
  • dmesg -wT |grep nvme

weekly

• BMC中是否有盘相关的异常信息
• smart-log（critical warnning、media_errors计数；available_spare、available_spare_threshold、percentage_used值）
  • 每台服务器随机选取一块盘
• PE磨损均衡
  • 每台服务器随机选取一块盘
  • display_ec，取平均值和最大最小值
  • (平均值-最大值/最小值）>7000 * 10%（需进行定位分析）