当 Google Cloud Platform 计算引擎实例中的本地 SSD 发生故障时会发生什么？

Question

当连接到计算引擎实例的多个本地 SSD 之一出现硬件故障时会发生什么？具体来说：

1. Google Cloud Platform 是否自动检测到故障？
2. 是否有通知，例如通过电子邮件？
3. 更换驱动器需要多长时间？
4. VM 是否停止并在更换后重新启动？或者，它是热插拔的吗？
5. 显然，该 SSD 上的数据丢失了，但是连接到同一虚拟机的其他 SSD 上的数据会怎样？

编辑：我知道本地 SSD 的“短暂”性质，并计划将我的数据复制到我主要区域中不同区域的多台机器上，并至少将一次复制到完全不同的区域。我计划使用的数据库是“数据中心/机架感知”。我特别在寻找有关 Google Cloud Platform 如何处理本地 SSD 中的硬件故障的文档/信息。

Answer 1

您可能希望改用永久性磁盘，因为您的用例可能不适用：

正如adding local SSDs 所说：

本地 SSD 仅适用于临时存储，例如缓存、处理空间或低价值数据。如果您将重要数据存储在本地 SSD 设备中，则还必须将相同的数据存储在持久存储选项中。

Answer 2

1. 是的
2. 视情况而定 - 块级故障就是这样，直接传递给来宾。因此，您可能会在 dmesg 或类似文件中看到读取错误。如果整个设备出现故障，您会在实例的 Cloud Logging 日志中看到 hostError。接下来会发生什么取决于您的维护政策。
3. 从用户的角度来看，驱动器不会被替换 - 您只能获得一个新实例。 （当然，Google 会在内部更换损坏的硬件，但这不会暴露给客户）

第 4 点和第 5 点有点难以回答 - 当 hostError 发生自动重启时，您有一个 60 minutes recovery timeout。然而，这实际上可能意味着您的实例在尝试恢复损坏的本地 SSD 时花费 60 分钟处于 RUNNING 但未启动状态，然后最终失败并使用空白本地 SSD 启动。

总的来说，我建议您将实例视为故障域而不是单个磁盘，因为任何类型的问题都可能导致实例的 hostError 而不是部分故障。

Answer 3

我想澄清#5。

如果您的虚拟机遇到host error google documentation states：

如果主机系统遇到主机错误，Compute Engine 会生成 尽最大努力重新连接到 VM 并保留本地 SSD 数据， 但可能不会成功。如果尝试成功，VM 将重新启动 自动地。但是，如果尝试重新连接失败，VM 在没有数据的情况下重新启动。

这意味着不能保证您可以取回您的数据。相应地计划将您的数据存储在更可靠的解决方案中，例如永久性磁盘或存储桶，这并不有趣。