Uptime et drops : maximiser le temps de fonctionnement

L'uptime d'un miner se mesure au temps pendant lequel la machine hashe un travail valide et le fait accepter par le pool. Une interface verte avec un hashrate pool à zéro ne compte pas. Une chute, ou drop, est une rupture quelque part dans cette chaîne, et le travail de diagnostic consiste à nommer le maillon avant de commander une pièce.

La chaîne complète

Pour qu'une share existe, il faut simultanément : le secteur et le PSU, des rails stables, des hashboards vivantes, une carte de contrôle qui tient, un chemin réseau jusqu'au pool, un job non périmé, et une enveloppe thermique tenable. Casser un seul de ces maillons suffit à mettre le hashrate à zéro.

C'est pourquoi chercher « la » panne sans nommer le maillon aboutit à des pièces remplacées pour rien. Les six sections qui suivent décrivent chaque maillon et son symptôme caractéristique.

PSU

Le PSU peut mourir franchement, auquel cas plus rien ne s'allume, ou s'affaisser sous charge. Dans ce second cas, l'interface revient, les boards s'éteignent, un rail clignote, et une protection OVP, OCP ou OTP s'ouvre. Les symptômes sont généralement collectifs : plusieurs boards, parfois toute la machine, parfois un redémarrage en boucle.

Regardez aussi le côté baie avant d'incriminer le bloc : une phase faible, un disjoncteur qui chauffe, une cosse desserrée produisent exactement les mêmes symptômes qu'un PSU fatigué.

Chaleur

La surchauffe est soit locale, avec un board, un ventilateur mort ou de la poussière, soit générale, avec une recirculation d'air ou un effet de saison. Le firmware derate d'abord, coupe ensuite, et redémarre parfois.

Le motif temporel est le meilleur indice. Une chute qui se répète à la même heure chaque après-midi désigne la salle et sa courbe de température extérieure, pas le silicium. Comparez toujours le comportement à la politique thermique du manuel et à celui des machines de la même rangée.

Réseau

Le réseau se diagnostique en trois étages : pas d'IP du tout, une IP mais pas d'interface, ou une interface mais pas de pool. Chacun renvoie à des causes différentes, du câble et du switch jusqu'au VLAN, DHCP, pare-feu, DNS, MTU et route de sortie.

Le piège classique : un miner qui hashe encore un vieux job envoie des stales tout en affichant un hashrate local flatteur. Un contrôleur qui redémarre sur un lien instable, à cause d'un PoE fantaisiste, d'une boucle STP ou d'un orage sur une baie cuivre, imite parfaitement une panne matérielle.

Pool

Mauvais endpoint, certificat refusé par une horloge dérivée, identifiants erronés, saturation ou maintenance côté pool, dialecte Stratum devenu incompatible après un flash : le matériel peut être parfait dans tous ces cas.

Le test qui tranche est immédiat. Si un autre worker du même site voit le même trou sur la même fenêtre, le problème est chez le pool. Si les voisines minent normalement, le problème est sur cette machine ou son segment réseau. Changer de pool quand une seule IP est concernée revient à masquer le symptôme.

Hashboard

Quand un board tombe, le hashrate descend par palier, des erreurs apparaissent sur une ligne, et le board passe en missing. Les causes possibles sont le silicium, la connectique, le rail propre à ce board, ou un firmware qui ne le reconnaît plus.

Quand plusieurs boards tombent ensemble, remontez d'un cran : PSU, contrôleur, chaleur commune, ou image firmware. Isoler le rôle avant de remplacer la pièce raccourcit systématiquement le diagnostic, comme détaillé dans l'article sur les hashboards et la carte de contrôle.

La méthode en cinq points

1. Quel maillon a cassé ? Le hash lui-même, l'acceptation par le pool, ou la présence réseau. Ces trois-là se distinguent en une minute avec l'interface et la page du pool.
2. Une machine ou plusieurs ? Une unité, une rangée, un modèle, une image firmware. Le périmètre désigne la cause presque à lui seul.
3. Quand est-ce arrivé ? Après un flash, un orage, un changement de PSU, une vague de chaleur. La chronologie vaut mieux que n'importe quelle intuition.
4. Revenez en arrière sur le dernier changement avant d'en ajouter un second. Deux modifications simultanées rendent le résultat inexploitable.
5. Écrivez ce que vous avez vu : logs de l'interface, état des voisines, action menée, heure. Sans ce journal, la même panne se rediagnostique intégralement à chaque occurrence.

Un drop est un signal daté. Le coût réel se mesure au temps écoulé entre le moment où la machine décroche et celui où quelqu'un nomme le bon maillon, pas à la panne elle-même.