PKR-Lab

50000 - Incident-Report — 02.09.2026: NAS-Platte rot, homeserver aus Tailscale verschwunden

Quelle: pkr-lab/pkr-lab-docs/capulus/capulus-core/5-incidents/50000-nas-disk-red-homeserver-unreachable.md

Incident-Report — 02.09.2026: NAS-Platte rot, homeserver aus Tailscale verschwunden

Zeit/Status Ereignis
? UGREEN NAS 4800 Plus zeigt eine der beiden RAID1-Platten als rot (Fehlerstatus)
? homeserver in Tailscale als offline angezeigt
? Vor Ort geprüft: Server läuft physisch, war aber nicht per SSH erreichbar
— Nicht zuhause → keine SSH-Session möglich, Diagnose bisher nur Verdacht

Noch nicht verifiziert (kein SSH-Zugriff während des Vorfalls) — dieses
Doc hält die Hypothese und die Schritte fest, die beim nächsten Zugriff
(vor Ort oder sobald Tailscale/SSH wieder geht) abzuarbeiten sind.


Ursache (Hypothese)

homeserver bezieht PVCs mehrerer Apps per NFS vom NAS (StorageClass nas,
siehe capulus-core/2-betrieb-hardware/20000-nas-storage.md) — u. a. n8n,
paperless-ngx, wikijs, mealie, minio. Standard-NFS-Mounts sind
hard mounts: hängt der NFS-Server (Platte degradiert/Pool im Fehler-
zustand), blockieren Prozesse, die auf diese Mounts zugreifen, im
Kernel-I/O-Wait (D-State) — unendlich, nicht mit Timeout. Bei
genügend blockierten Prozessen/Kernel-Threads kann das den ganzen Node
so weit lahmlegen, dass auch tailscaled und sshd nicht mehr auf
Anfragen reagieren, obwohl der Rechner selbst läuft (Strom an, Ping
eventuell noch ok, aber keine Anwendungsebene mehr erreichbar) — das
erklärt "Tailscale zeigt offline, Server steht aber an".

Eine rote Platte im RAID1 bedeutet: Array läuft degradiert (nur noch
1 von 2 Spiegel-Platten gesund) — kein Datenverlust an sich, aber:

Fazit: Eine defekte Platte allein sollte bei RAID1 keinen Totalausfall
verursachen — die Kettenreaktion zum kompletten Erreichbarkeitsverlust von
homeserver läuft vermutlich über hängende NFS-Mounts, nicht über die
Platte selbst.


Diagnose-Schritte (sobald wieder Zugriff — vor Ort oder per SSH)

  1. NAS zuerst: UGOS → Speicher-Manager → welche Platte ist rot, SMART-
    Status im Detail. Grafana-Dashboard "Speicher & Laufwerke" prüfen
    (S.M.A.R.T.-Tabelle, siehe capulus-ansible/2-betrieb-hardware/20060-hardware-monitoring.md und capulus-core/2-betrieb-hardware/20000-nas-storage.md#monitoring-grafana-hardware-dashboards)
    — Health/Temperatur/Power-On-Hours der betroffenen Platte, plus
    Verlauf vor dem Ausfallzeitpunkt (Vorwarnung verpasst?).
  2. homeserver, sobald erreichbar:
    uptime                       # war der Node durchgängig an, oder gab es einen Reboot?
    dmesg -T | grep -i nfs       # "nfs: server ugreen-nas not responding" o. ä.
    journalctl -u tailscaled --since "<Ausfallzeitpunkt>"
    journalctl -u ssh --since "<Ausfallzeitpunkt>"
    ps aux | awk '$8 ~ /^D/'     # hängende Prozesse im Uninterruptible-Sleep
    mount | grep nfs             # aktuelle Mount-Optionen (hard/soft, timeo)
    
  3. Grafana-Verlauf homeserver (CPU/Load/IO-Wait) über den Ausfallzeitraum
    ansehen — Load-Spike + fehlende Metriken ab Ausfallzeitpunkt stützt die
    NFS-Hang-Hypothese.
  4. Prüfen, ob nas-storage/nfs-subdir-external-provisioner-Pod in dieser
    Zeit ebenfalls Fehler zeigte (kubectl -n nas-storage logs ..., sobald
    Cluster wieder ansprechbar ist).

Sofortmaßnahmen


Langfristige Verbesserungen (Ideen)


Offene Punkte