review(MEM-20260819-C255FF): gen

content/memorias/2026-08-20-mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01.md

@@ -0,0 +1,67 @@
++++
+title = "Reparar 2 PGs inconsistentes nuevas en Ceph (HEALTH_ERR, mcps-hpc-01)"
+description = "Diagnóstico y repair de pg 3.80 y pg 3.17b; confirmado que pg 3.ec (memoria del 2026-08-17) quedó sana. osd.13 tuvo un segundo read_error en pocos días; no se pudo revisar el disco de osd.11 por falta de acceso a MCPS-HPC05. El backlog de deep-scrub atrasado no se tocó."
+date = 2026-08-20T07:05:46Z
+authors = ["gen"]
+slug = "mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01"
+template = "memory.html"
+
+[taxonomies]
+categories = ["memorias"]
+tags = ["almacenamiento", "ceph", "salud-cluster"]
+systems = ["ceph", "mcps-hpc-01"]
+
+[extra]
+id = "MEM-20260820-4D10C2"
+kind = "memory"
+author_id = "gen"
+author_fingerprint = "SHA256:JhN1Tt4jYqWoJIznDJ6QkMAiOR6HFHr3xLz9aBJqmPg"
+risk = "high"
+ticket = ""
+review_required = true
+review_policy = "all-active"
+reviewer_snapshot = true
+reviewers = ["gen"]
+started_at = ""
+finished_at = ""
+duration_minutes = 0
+agent = "claude-code"
++++
+
+## Contexto
+
+Se revisó el estado real de Ceph a pedido explícito ('corrige los problemas de salud de ceph'), sin asumir que seguía igual que en la memoria del 2026-08-17. La pg 3.ec de esa memoria ya no aparece como inconsistente: el repair anterior quedó resuelto. En su lugar, ceph -s mostró HEALTH_ERR por 2 PGs nuevas inconsistentes (3.80 y 3.17b) y 353 pgs sin deep-scrub a tiempo (bajó a 352 durante la sesión, mismo backlog documentado antes, no un problema nuevo). osd.13 (mcps-hpc-01, /dev/sda) es el mismo disco que tuvo el read_error del 17 de agosto — esta es la segunda vez en pocos días, aunque SMART lo sigue marcando PASSED sin sectores reasignados ni pendientes. No se pudo correr smartctl sobre el disco de osd.11 (/dev/sdb, host MCPS-HPC05): ni esta máquina ni mcps-hpc-01 tienen acceso SSH configurado a ese host; no se intentó adivinar credenciales. El repair de ambas PGs se instruyó igual con base en el diagnóstico de rados list-inconsistent-obj (copia primaria limpia, réplica con read_error puro, sin ambigüedad), que no depende de haber confirmado la salud física del disco de la réplica. El backlog de 352 pgs sin deep-scrub a tiempo sigue siendo el mismo trade-off rendimiento/velocidad de scrub documentado en la memoria anterior (osd_max_scrubs=1, compite con I/O de clientes reales) — no se tocó, sigue pendiente de decisión del equipo.
+
+## Cambios realizados
+
+- Confirmado que pg 3.ec (memoria del 2026-08-17) ya no aparece inconsistente: el repair anterior fue efectivo
+- Diagnosticadas pg 3.80 (osd.8 primario limpio / osd.13 read_error) y pg 3.17b (osd.1 primario limpio / osd.11 read_error) con rados list-inconsistent-obj: en ambas, una sola copia válida, sin ambigüedad
+- Confirmado con smartctl que el disco de osd.13 (/dev/sda, mcps-hpc-01) sigue PASSED, sin degradación física reportada, pese a ser el segundo read_error en esa unidad en pocos días
+- Ejecutado ceph pg repair 3.80 y ceph pg repair 3.17b; ambas PGs entraron a estado active+clean+scrubbing+deep+inconsistent+repair
+- No se modificó osd_max_scrubs ni ninguna configuración de deep-scrub: el backlog de 352 pgs atrasados se dejó igual, es la misma decisión de trade-off pendiente de la memoria anterior
+
+## Comandos relevantes (secretos redactados)
+
+```console
+ceph -s
+ceph health detail
+rados list-inconsistent-obj 3.80 --format=json-pretty
+rados list-inconsistent-obj 3.17b --format=json-pretty
+ceph osd tree
+ceph osd metadata 13
+ceph osd metadata 11
+smartctl -H /dev/sda
+smartctl -A /dev/sda
+ceph pg repair 3.80
+ceph pg repair 3.17b
+```
+
+## Validación
+
+- rados list-inconsistent-obj confirmó, para ambas PGs, que solo existía una copia válida (primario limpio) antes de reparar
+- smartctl -H y -A en el disco de osd.13 confirmaron salud del disco (PASSED, sin sectores reasignados/pendientes) antes de reparar
+- ceph -s tras el repair mostró ambas PGs en active+clean+scrubbing+deep+inconsistent+repair, confirmando que el repair quedó corriendo; no se esperó a que terminara en esta sesión
+
+## Riesgo y reversión
+
+El pg repair no tiene reversión directa. Si al terminar el deep-scrub alguna de las dos PGs sigue inconsistent (ceph health detail), requiere diagnóstico manual adicional; si el patrón se repite en osd.13 una tercera vez, considerar programar el reemplazo preventivo del disco aunque SMART siga en PASSED.

data/generated/site_state.json

@@ -1,7 +1,7 @@
 {
   "version": 2,
-  "generated_at": "2026-08-19T18:56:10Z",
-  "source_sha256": "0b1a0d13dbeb6a3805b58b7ef0c513d3be7fc1b995ba75ff2e1d6695317c1f32",
+  "generated_at": "2026-08-24T18:25:00Z",
+  "source_sha256": "73d66ea39e4def01d7ccf1993b29bbfd832e893c7926a96dc842bc02d70f6044",
   "stats": {
     "active_admins": 1,
     "pending_reviews": 4,
@@ -9,6 +9,31 @@
     "active_projects": 1
   },
   "review_queue": [
+    {
+      "entry_id": "MEM-20260820-4D10C2",
+      "title": "Reparar 2 PGs inconsistentes nuevas en Ceph (HEALTH_ERR, mcps-hpc-01)",
+      "description": "Diagnóstico y repair de pg 3.80 y pg 3.17b; confirmado que pg 3.ec (memoria del 2026-08-17) quedó sana. osd.13 tuvo un segundo read_error en pocos días; no se pudo revisar el disco de osd.11 por falta de acceso a MCPS-HPC05. El backlog de deep-scrub atrasado no se tocó.",
+      "date": "2026-08-20T07:05:46Z",
+      "author_id": "gen",
+      "risk": "high",
+      "tags": [
+        "almacenamiento",
+        "ceph",
+        "salud-cluster"
+      ],
+      "systems": [
+        "ceph",
+        "mcps-hpc-01"
+      ],
+      "permalink": "/memorias/mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01/",
+      "content_sha256": "6e6e4529c8e0a9cb8447748ba89da1bafe3383f5e192f18f927b3ee546d0efb7",
+      "reviewed_by": [],
+      "missing_reviewers": [
+        "gen"
+      ],
+      "required_count": 1,
+      "reviewed_count": 0
+    },
     {
       "entry_id": "MEM-20260819-51DEA9",
       "title": "Corregir despliegue de clusterlog en Caddy y dar persistencia al runner de Gitea Actions",
@@ -84,34 +109,37 @@
       ],
       "required_count": 1,
       "reviewed_count": 0
-    },
-    {
-      "entry_id": "MEM-20260819-C255FF",
-      "title": "Desplegar Uptime Kuma como monitoreo central (health.mcps-epcm.org)",
-      "description": "Contenedor Uptime Kuma en mcps-hpc-01 con 22 monitores en 3 grupos; gotcha de systemd Type=notify que causaba reinicio en loop.",
-      "date": "2026-08-19T18:55:56Z",
-      "author_id": "gen",
-      "risk": "low",
-      "tags": [
-        "monitoreo",
-        "systemd",
-        "uptime-kuma"
-      ],
-      "systems": [
-        "mcps-hpc-01",
-        "uptime-kuma"
-      ],
-      "permalink": "/memorias/mem-20260819-c255ff-desplegar-uptime-kuma-como-monitoreo-central-health-mcps-epcm-org/",
-      "content_sha256": "a74e4f1493843970c55c3197fb2e5266c8b04cf631e7fd187890051a0f076686",
-      "reviewed_by": [],
-      "missing_reviewers": [
-        "gen"
-      ],
-      "required_count": 1,
-      "reviewed_count": 0
     }
   ],
   "recent_memories": [
+    {
+      "entry_id": "MEM-20260820-4D10C2",
+      "title": "Reparar 2 PGs inconsistentes nuevas en Ceph (HEALTH_ERR, mcps-hpc-01)",
+      "description": "Diagnóstico y repair de pg 3.80 y pg 3.17b; confirmado que pg 3.ec (memoria del 2026-08-17) quedó sana. osd.13 tuvo un segundo read_error en pocos días; no se pudo revisar el disco de osd.11 por falta de acceso a MCPS-HPC05. El backlog de deep-scrub atrasado no se tocó.",
+      "date": "2026-08-20T07:05:46Z",
+      "author_id": "gen",
+      "author_fingerprint": "SHA256:JhN1Tt4jYqWoJIznDJ6QkMAiOR6HFHr3xLz9aBJqmPg",
+      "risk": "high",
+      "review_required": true,
+      "review_policy": "all-active",
+      "reviewer_snapshot": true,
+      "reviewers": [
+        "gen"
+      ],
+      "tags": [
+        "almacenamiento",
+        "ceph",
+        "salud-cluster"
+      ],
+      "systems": [
+        "ceph",
+        "mcps-hpc-01"
+      ],
+      "slug": "mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01",
+      "permalink": "/memorias/mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01/",
+      "source_path": "content/memorias/2026-08-20-mem-20260820-4d10c2-reparar-2-pgs-inconsistentes-nuevas-en-ceph-health-err-mcps-hpc-01.md",
+      "content_sha256": "6e6e4529c8e0a9cb8447748ba89da1bafe3383f5e192f18f927b3ee546d0efb7"
+    },
     {
       "entry_id": "MEM-20260819-51DEA9",
       "title": "Corregir despliegue de clusterlog en Caddy y dar persistencia al runner de Gitea Actions",

data/review-events/rev-20260824-9b2da2.json

@@ -0,0 +1,8 @@
+{
+  "id": "REV-20260824-9B2DA2",
+  "entry_id": "MEM-20260819-C255FF",
+  "admin_id": "gen",
+  "fingerprint": "SHA256:JhN1Tt4jYqWoJIznDJ6QkMAiOR6HFHr3xLz9aBJqmPg",
+  "reviewed_at": "2026-08-24T18:25:00.241293734Z",
+  "content_sha256": "a74e4f1493843970c55c3197fb2e5266c8b04cf631e7fd187890051a0f076686"
+}