El SSD de Proxmox desaparece tras reiniciar: guía de resolución de problemas

Sabes que las cosas van mal cuando tu servidor Proxmox te deja colgado a mitad de semana y su SSD NVMe no da señales de vida. Peor aún: estás a miles de kilómetros de tu máquina y la solución habitual, reiniciar, no sirve de nada. Te damos la bienvenida al capítulo más angustioso de las historias de terror en los homelabs: el caso del SSD que se desvanece en Proxmox.

Esto ocurrió de verdad. Un usuario compartió recientemente sus problemas con un servidor Dell T5810 que ejecutaba Proxmox con una tarjeta PCIe NVMe. Tres de las cuatro ranuras estaban ocupadas y una unidad esencial se desconectaba de forma misteriosa. Como era de esperar, se trataba del disco que alojaba las VMs y los contenedores LXC, el núcleo de toda la operativa, y simplemente… había desaparecido.

El fallo resulta mucho más habitual de lo que debería, y la comunidad aportó explicaciones de sobra sobre por qué ocurre y cómo resolverlo.

Todo iba bien hasta que dejó de funcionar

Todo empezó sobre ruedas: un servidor recién montado, Proxmox funcionando sin problemas y tres unidades NVMe operativas. Entonces el SSD principal de almacenamiento empezó a esfumarse de forma intermitente. Que pase una vez puede ser casualidad, pero a la segunda saltan las alarmas. Tras permanecer apagado durante varios días, ni un reinicio estándar lograba revivirlo. La única "solución" hasta el momento consistía en un apagado completo desenchufando el cable de corriente y volviéndolo a conectar; tras eso, reaparecía.

Hasta que volvía a fallar.

Ahí es donde el panorama se vuelve confuso. ¿Es un fallo de software, un SSD en las últimas, un problema de suministro eléctrico o algo más sutil relacionado con las líneas PCIe y su saturación?

Paso uno: revisar lo evidente (y lo no tan evidente)

1. ¿Disco defectuoso? Quizá

Varios usuarios recomendaron la primera línea de defensa: verificar si el propio SSD se está muriendo. Ejecuta diagnósticos con smartctl y comprueba los indicadores de desgaste. Sorprende la rapidez con la que los SSDs comerciales pueden agotarse bajo cargas intensas de virtualización, y Proxmox, sobre todo con ZFS, es conocido por devorar el almacenamiento flash doméstico.

El autor aclaró que utilizaba un NVMe Fanxiang de 1TB. No es de gama empresarial, pero tampoco una marca completamente desconocida. Otro participante reportó un rendimiento sólido con varias unidades Fanxiang S880, lo que sugiere que el disco en sí podría no ser el culpable en este caso.

Aun así, el desgaste existe. Si observas un 90% de desgaste en tu disco tras solo un año o 2, es una señal de advertencia inequívoca.

2. Ajustes de ASPM y peculiaridades de PCIe

Otro usuario sugirió desactivar o modificar ASPM (Active State Power Management) en la BIOS. Resulta que ASPM puede provocar problemas de conectividad con ciertos SSDs cuando entra en acción el ahorro de energía. Suena a ajuste de bajo nivel, pero si utilizas una tarjeta adaptadora PCIe y solo una de las unidades se cae de forma continua, esto podría resolverlo.

Además, ASPM puede afectar a un único SSD dentro de una tarjeta con varias ranuras, ya que no actúa como un interruptor de todo o nada. Diferentes unidades, incluso instaladas en la misma tarjeta, pueden responder de forma dispar a los controles de energía de la BIOS.

3. Bus PCIe sobresaturado

Un usuario experimentó una desaparición similar que se solucionó al retirar una de sus cuatro tarjetas adicionales. Demasiados dispositivos PCIe (GPUs, tarjetas de red, cabinas NVMe) pueden saturar las líneas disponibles y dejar a algunas sin ancho de banda suficiente, sobre todo en una placa que no fue concebida para una ampliación masiva.

¿Tienes dos GPUs y una tarjeta de red junto a un adaptador NVMe? Puede que estés forzando la máquina. Retira una GPU y comprueba qué ocurre. Si el disco desaparecido vuelve de inmediato y se mantiene estable, habrás resuelto un problema de ancho de banda camuflado como avería de hardware.

Otros sospechosos habituales

Tarjeta PCIe floja

No siempre se trata de algo complejo. Una persona descubrió que su tarjeta PCIe sencillamente no estaba bien encajada. Las vibraciones, los traslados o la dilatación térmica pueden aflojar una tarjeta con el tiempo. Reinsertar la tarjeta y los SSDs desconectándolos y volviéndolos a conectar por completo puede parecer aburrido, pero a menudo funciona. Conviene fijar bien los cables o añadir un soporte que mantenga la tarjeta firme, en especial si está montada en vertical.

Mala refrigeración

Totalmente en serio. Los SSDs o las tarjetas que se sobrecalientan sin un flujo de aire adecuado pueden sufrir estrangulamiento térmico, desconectarse o desaparecer directamente bajo carga de trabajo. Un usuario resolvió las desconexiones continuas orientando un ventilador común hacia su tarjeta NVMe, y no hizo falta nada más: un ventilador USB de $10 logró lo que no consiguieron las actualizaciones de BIOS ni los parches de firmware.

Problemas con la fuente y las líneas de corriente

El suministro eléctrico es la variable imprevista. Si compartes cables de corriente entre GPUs y SSDs, podrías sobrecargar una línea o generar inestabilidad en el voltaje. Un usuario solucionó su fallo tendiendo cables de alimentación independientes a cada conector de 8 pines de la GPU, algo que parece obvio a toro pasado pero que marcó toda la diferencia.

Las soluciones que realmente funcionaron

¿Qué puedes hacer cuando te encuentras en este limbo de Proxmox?

• Actualiza el firmware del SSD. Si tu modelo presenta fallos conocidos (Samsung 990 Pro, te miramos a ti), un parche de firmware puede solucionar las desconexiones aleatorias.
• Revisa el asiento de la tarjeta reinsertando el adaptador PCIe NVMe y cada unidad.
• Ajusta la BIOS: desactiva ASPM o prueba diferentes configuraciones de ranuras PCIe.
• Retira tarjetas sobrantes para liberar ancho de banda PCIe, quitando tarjetas secundarias o que no utilices.
• Mejora la refrigeración con un ventilador que apunte directamente al adaptador PCIe NVMe.
• Cambia los cables de corriente y utiliza líneas independientes para la GPU en vez de conectarlas en cadena.
• Monta los logs en RAM. Si Proxmox escribe sin pausa en los SSDs, traslada /var/log a tmpfs para reducir los ciclos de escritura.
• Comprueba la salud del disco con smartctl y otras utilidades que midan el desgaste y el rendimiento del SSD.

Conclusiones desde las trincheras del homelab

Esta desaparición de discos SSD es en parte hardware, en parte electricidad y en parte software: el clásico caos de los homelabs. Cuanto más compleja es tu configuración, más puntos de fallo se cuelan. Como de costumbre, la comunidad respondió con un arsenal de consejos que van desde lo más básico hasta lo más rebuscado.

La gran lección es empezar siempre por la causa más simple. Detectar una tarjeta floja, un problema de temperatura o una anomalía en el suministro eléctrico puede ahorrarte horas revisando registros de depuración y mensajes del kernel.

Además, ten repuestos a mano, monitoriza tus unidades con regularidad y si ejecutas servicios críticos en SSDs que no son empresariales... quizá convenga replanteárselo. Al menos dispón de un plan de contingencia que no requiera un vuelo de 12 horas a casa solo para encajar bien una tarjeta.