Falla predictiva de disco en servidor Dell o HPE: ¿hay que cambiar el disco inmediatamente?
El servidor todavía funciona, pero uno de los discos muestra “Predictive Failure”
Esta situación es más delicada de lo que parece.
El disco puede seguir apareciendo como Online y el servidor continuar trabajando normalmente, pero la controladora está detectando parámetros que indican que la unidad podría fallar próximamente.
En equipos Dell PowerEdge pueden aparecer alertas relacionadas con Predictive Failure, PDR16, SMART o Physical Disk. En HPE ProLiant pueden aparecer mensajes equivalentes desde Smart Array, iLO o durante el POST.
Dell señala que las alertas predictivas pueden generarse a partir del monitoreo SMART o de la controladora RAID y recomienda atenderlas antes de que evolucionen a una falla física.
La pregunta importante no es únicamente:
“¿Debo comprar otro disco?”
La pregunta correcta es:
“¿Puedo reemplazarlo ahora sin poner en riesgo el arreglo RAID?”
Y eso debe comprobarse antes de retirar cualquier unidad.
Qué significa realmente una falla predictiva
Una falla predictiva no necesariamente significa que el disco esté muerto.
Significa que el sistema ha encontrado indicadores anormales compatibles con una posible falla futura.
Dependiendo de la tecnología pueden detectarse:
errores de lectura o escritura;
bloques reasignados;
problemas SMART;
degradación de la vida útil de un SSD;
errores de comunicación;
parámetros fuera de tolerancia;
problemas relacionados con firmware;
eventos registrados por la controladora RAID.
Un HDD puede continuar operando durante días o semanas después de una advertencia.
También puede fallar completamente unas horas después.
Por eso no recomendamos utilizar el tiempo restante como estrategia.
Antes de reemplazar el disco, revisa estas 7 cosas
1. Confirma qué disco está reportando la alerta
Identifica correctamente:
servidor;
bahía;
slot;
enclosure;
número de serie;
capacidad;
interfaz;
velocidad;
formato;
estado actual del disco.
En un Dell PowerEdge esta información normalmente puede verificarse desde iDRAC o PERC.
En HPE ProLiant puede consultarse desde iLO, Smart Storage Administrator o Smart Array.
No retires una unidad únicamente porque alguien dijo “es el segundo disco”.
Identifica el slot de manera inequívoca.
2. Revisa el estado de los demás discos
Este paso es crítico.
Si otro disco del mismo arreglo también está degradado, reemplazar el disco equivocado puede provocar pérdida del arreglo.
HPE, de hecho, indica para ciertas condiciones de predictive failure que antes de sustituir una unidad de un arreglo tolerante a fallos debe verificarse que las demás unidades estén Online.
3. Confirma el nivel RAID
No es lo mismo intervenir:
RAID 1;
RAID 5;
RAID 6;
RAID 10;
RAID 0;
JBOD.
En RAID 0 no existe tolerancia a la pérdida de un disco.
En RAID 5 normalmente existe tolerancia a una sola falla, pero durante un rebuild el arreglo queda en una condición de mayor riesgo.
RAID no sustituye un respaldo.
4. Confirma que exista un respaldo utilizable
Antes de intervenir un arreglo productivo, verifica que el respaldo:
sea reciente;
haya terminado correctamente;
corresponda a las aplicaciones críticas;
pueda restaurarse.
Una tarea de backup marcada como “Completed” no demuestra por sí sola que exista una restauración funcional.
5. Valida el Part Number y compatibilidad
Dos discos de 1.2 TB SAS 10K pueden parecer equivalentes y no necesariamente lo son desde el punto de vista de firmware, carrier, sector size o certificación del fabricante.
Antes de comprar recomendamos validar:
Dell DP/N;
HPE Spare Number;
Option Part Number;
modelo físico;
capacidad;
SAS/SATA/NVMe;
512n, 512e o 4Kn;
velocidad;
carrier;
generación del servidor;
controladora instalada.
Esto se relaciona directamente con nuestro artículo Cómo identificar el Part Number correcto Dell/HPE y evitar compras urgentes y devoluciones.
6. Revisa firmware y logs
Dell recomienda revisar también firmware del disco, iDRAC y controladora RAID cuando se investiga una alerta predictiva.
Esto no significa que una actualización vaya a “reparar” físicamente un disco defectuoso.
Significa que antes de atribuir cualquier alerta a daño físico es conveniente observar el contexto completo.
7. Planea el rebuild
El trabajo no termina cuando entra el disco nuevo.
Después del reemplazo hay que verificar:
reconocimiento de la unidad;
inicio del rebuild;
porcentaje de reconstrucción;
errores adicionales;
estado final del Virtual Disk;
estado de la controladora;
eventos posteriores.
En arreglos grandes, el rebuild puede representar una ventana importante de riesgo.
Error común: sacar inmediatamente el disco que tiene la luz ámbar
Una luz ámbar ayuda a localizar una falla, pero no debería sustituir un diagnóstico.
Hemos visto escenarios donde el problema inicial parecía ser únicamente un disco y, al revisar el ambiente completo, aparecían además:
un segundo disco con errores;
batería o caché de la controladora degradada;
firmware muy desactualizado;
arreglo ya trabajando en modo degradado;
ausencia de backup reciente.
En esas condiciones, sustituir la pieza sin diagnosticar primero puede convertir un incidente controlable en una indisponibilidad seria.
Ejemplo práctico de campo
Imaginemos un servidor PowerEdge que aloja varias máquinas virtuales.
El administrador recibe una alerta predictiva de uno de los discos SAS. El servidor sigue operando, por lo que podría parecer razonable esperar al fin de semana.
Sin embargo, una revisión revela que otro disco del mismo RAID presenta errores históricos de lectura. El escenario cambia completamente.
La prioridad ya no es simplemente pedir “un disco igual”.
La secuencia correcta sería:
revisar respaldo;
recopilar logs;
confirmar estado de todas las unidades;
validar el PN compatible;
definir la ventana;
sustituir la unidad;
monitorear el rebuild;
validar el arreglo después de la reconstrucción.
Eso es lo que diferencia una venta de refacción de una intervención de infraestructura.
¿Puedo usar un disco de mayor capacidad?
En algunos escenarios sí, pero no debes asumir que el espacio adicional será aprovechado.
También hay que verificar compatibilidad física y lógica.
Si el arreglo utiliza discos de 1.2 TB y colocas uno de 1.8 TB, la capacidad efectiva dependerá de la configuración del RAID y de la controladora. No compres basándote únicamente en capacidad.
¿Puedo mezclar SAS y SATA?
Que una bahía acepte físicamente distintos tipos de unidad no significa que deban mezclarse dentro del mismo arreglo. La respuesta depende del servidor, backplane, controladora y configuración. Debe validarse antes.
Preguntas frecuentes
¿Cuánto tiempo puede durar un disco después de una alerta Predictive Failure?
No existe un tiempo seguro. Puede continuar operando o fallar rápidamente. Debe tratarse como una advertencia que requiere diagnóstico.
¿RAID 5 me protege si falla un disco?
RAID 5 tolera normalmente la pérdida de una unidad, pero durante la reconstrucción el riesgo operativo aumenta. RAID tampoco sustituye un backup.
¿Puedo retirar el disco en caliente?
Depende del servidor, carrier, backplane, controladora y configuración. Los equipos hot-plug permiten determinadas intervenciones en operación, pero la configuración debe verificarse primero.
¿TBS iT puede identificar el disco compatible?
Sí. Con modelo del servidor, Service Tag o serial, fotografías de la unidad, Part Number y configuración podemos ayudar a validar la refacción adecuada.
¿TBS iT también instala el disco?
Podemos apoyar con suministro, diagnóstico, instalación y validación posterior dependiendo de ubicación y cobertura requerida.
¿Tu servidor reporta Predictive Failure?
No retires el disco hasta validar el estado completo del arreglo.
En TBS iT podemos ayudarte a revisar el Part Number, compatibilidad, disponibilidad de la refacción y, cuando sea necesario, realizar el diagnóstico e instalación.
Envíanos el modelo del servidor, Service Tag o serial y una fotografía de la alerta o del disco.
Comentarios