Проблемы с диском: irq_stat 0x20000000, ошибка хост-шины

При копировании больших файлов (50+ ГБ) с диска NVMe на жесткий диск SATA 7200 об/мин я вижу следующую ошибку в журналах полностью исправленной Ubuntu 20.04:

08 августа 00:45:59 ядро ​​хоста: ata6.00: исключение Emask 0x20 SAct 0x0 SErr 0x0 действие 0x6 заморожено
08 августа 00:45:59 ядро ​​хоста: ata6.00: irq_stat 0x20000000, ошибка шины хоста
08 августа, 00:45:59 ядро ​​хоста: ata6.00: ошибка команды: WRITE DMA EXT
08 августа 00:45:59 ядро ​​хоста: ata6.00: cmd 35/00:08:30:a2:e0/00:00:e8:00:00/e0 тег 23 dma 4096 out
                                    res 50/00:00:00:00:00/00:00:00:00:00/00 Emask 0x20 (ошибка хост-шины)
08 августа 00:45:59 ядро ​​хоста: ata6.00: статус: {DRDY}
08 августа 00:45:59 ядро ​​хоста: ata6: ссылка на жесткий сброс
08 августа, 00:46:00 ядро ​​хоста: ata6: соединение SATA 6,0 Гбит/с (SStatus 133 SControl 300)
08 августа 00:46:00 ядро ​​хоста: ata6.00: настроено для UDMA/133
08 августа 00:46:00 ядро ​​хоста: ata6: EH завершено

ата6.00 это диск, на который выполняется запись.
Проблема прерывистая. Иногда не появляется по 24 часа, иногда пару раз в час. Часто диск восстанавливается, но иногда файловая система просто повреждается, ее необходимо размонтировать, восстановить (если возможно) и перемонтировать.

Что я пробовал:

1. Я пробовал 3 разных марки HDD. У всех одна и та же проблема.
2. Я подозревал аппаратную проблему. Я заменил материнскую плату и кабели SATA. Ничего из этого не помогло.
3. У меня есть другой сервер с идентичной конфигурацией.Проблема возникает не там. Одинаковая нагрузка.
4. У меня есть еще один сервер с совершенно другой конфигурацией (Intel vs. AMD). Проблема возникает там. Одинаковая нагрузка.
5. Я отключил NCQ через эхо 1 > /sys/block/sda/device/queue_depth. Не помогло.

У меня закончились идеи...
Все это компоненты уровня центра обработки данных. Учитывая шаги, которые я предпринял, я полагаю, что это не производственный дефект оборудования.
Может ли это быть связано с программным обеспечением/ОС/БИОС?
Любые идеи, что еще я должен попробовать?

Возможно, это больше проблема рабочей температуры? Поскольку диск постоянно используется, его физическое положение и отношение притока тепла к потерям становятся слишком высокими, что приводит к неустойчивому поведению?

В более новых ядрах, таких как ваше, температуру диска можно указать в sysfs по этому пути:

/sys/класс/hwmon/*

Обязательно убедитесь, что температура привода модуль загружается с modprobe темп..

Вы можете рассмотреть возможность мониторинга файлов здесь и снова начать копирование большого файла, документация ядра здесь указывает, как следует интерпретировать эти файлы.

Они включают полезные значения, такие как рабочая минимальная/максимальная температура, некоторые драйверы также могут предлагать индикаторы аварийных сигналов, которые зависят от микросхемы и срабатывают при неисправности.