# 磁盘健康检查 ## 概述 检查磁盘健康度主要通过： * SMART检查 * 磁盘扇区检查 ## SMART ``` sudo smartctl -a /dev/sda | less ``` `smartctl`提供了充分的磁盘健康情况信息，`smartd`也可以用来监控磁盘自身健康库监控。如果要做性能测试和检查所有的扇区是否存在损坏，则可以选择使用`badblocks`工具。 SMART检查是开始检测硬件问题较好的初始检查工具。 > 要确定磁盘是否支持SMART，可以使用命令 `sudo smartctl -i /dev/sda` * 首先估算一下检查时间（`-c`） ``` sudo smartctl -c /dev/sda ``` 可以看到输出 ``` Short self-test routine recommended polling time: ( 1) minutes. Extended self-test routine recommended polling time: ( 286) minutes. Conveyance self-test routine recommended polling time: ( 2) minutes. ``` 可以通过以下方法检查 ``` sudo smartctl -t /dev/sda ``` > 检查过程中随时可以使用命令 `smartctl -X` 终止检查 * 完整检查 ``` sudo smartctl -t long /dev/sda ``` 提示信息 ``` Sending command: "Execute SMART Extended self-test routine immediately in off-line mode". Drive command "Execute SMART Extended self-test routine immediately in off-line mode" successful. Testing has begun. Please wait 286 minutes for test to complete. Test will complete after Wed Apr 5 20:01:40 2017 ``` * 检查完成后查看结果 ``` sudo smartctl -a /dev/sda ``` 检查结果主要关注以下部分 ``` ... SMART Attributes Data Structure revision number: 10 Vendor Specific SMART Attributes with Thresholds: ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE 1 Raw_Read_Error_Rate 0x000f 084 063 044 Pre-fail Always - 243848519 3 Spin_Up_Time 0x0003 092 092 000 Pre-fail Always - 0 4 Start_Stop_Count 0x0032 100 100 020 Old_age Always - 8 5 Reallocated_Sector_Ct 0x0033 100 100 036 Pre-fail Always - 0 <= 重分配扇区 7 Seek_Error_Rate 0x000f 088 060 030 Pre-fail Always - 772187812 9 Power_On_Hours 0x0032 065 065 000 Old_age Always - 31165 10 Spin_Retry_Count 0x0013 100 100 097 Pre-fail Always - 0 <= 转轴重试次数 12 Power_Cycle_Count 0x0032 100 100 020 Old_age Always - 8 184 End-to-End_Error 0x0032 100 100 099 Old_age Always - 0 <= 数据路径中错误 187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0 <= 不能硬件ECC修复的错误数 188 Command_Timeout 0x0032 100 100 000 Old_age Always - 0 <= HDD超时放弃操作次数 189 High_Fly_Writes 0x003a 100 100 000 Old_age Always - 0 190 Airflow_Temperature_Cel 0x0022 073 063 045 Old_age Always - 27 (Min/Max 23/28) 191 G-Sense_Error_Rate 0x0032 100 100 000 Old_age Always - 0 192 Power-Off_Retract_Count 0x0032 100 100 000 Old_age Always - 7 193 Load_Cycle_Count 0x0032 100 100 000 Old_age Always - 8 194 Temperature_Celsius 0x0022 027 040 000 Old_age Always - 27 (0 23 0 0 0) 195 Hardware_ECC_Recovered 0x001a 030 004 000 Old_age Always - 243848519 197 Current_Pending_Sector 0x0012 100 100 000 Old_age Always - 0 <= "不稳定"扇区数量(不可修复) 198 Offline_Uncorrectable 0x0010 100 100 000 Old_age Offline - 0 <= 扇区不可纠正错误的次数 199 UDMA_CRC_Error_Count 0x003e 200 200 000 Old_age Always - 0 <= 不能纠正的软件读错误数 SMART Error Log Version: 1 No Errors Logged SMART Self-test log structure revision number 1 Num Test_Description Status Remaining LifeTime(hours) LBA_of_first_error # 1 Extended offline Completed without error 00% 31145 - # 2 Extended offline Completed without error 00% 9 - ... ``` ### SMART输出分析 | ID | 属性名 | 原则 | 描述 | | -------- | ------------------------------------------------ | ----- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | 01 0x01 | `Raw_Read_Error_Rate` | 值越低越好 | 和厂商有关。当从磁盘表面读取数据时，存储数据和硬件读错误率有关。这个`raw`值对于不同厂商具有不同安逸，所以不能理解为十进制数值。 | | 03 0x03 | `Spin_Up_Time` | 值越低越好 | 磁盘轴启动的平均时间（从0转速到全速工作的花费时间，单位是毫秒） | | 04 0x04 | `Start_Stop_Count` | | 磁盘轴启动和停止圈数。（没理解，似乎是磁盘轴开始转动以及从上一状态转到休眠状态的转动圈数） | | 05 0x05 | **`Reallocated_Sector_Ct`** | 值越低越好 | 重新分配的扇区数量。这里的`raw`值表示已经被发现并重新映射的坏扇区数量。也就是，这个值越高，磁盘的越多扇区被重映射。这个值主要用来度量磁盘的预期寿命。当一个磁盘开始出现任何重分配的扇区，则表明这个磁盘将在今后数月内出现故障。 | | 07 0x07 | `Seek_Error_Rate` | | 和厂商有关。磁头寻道错误率。如果在机械位置系统出现部分故障，则寻道错误将出现。这种错误有可能和多个因素有关，例如伺服故障，或者硬盘热扩散。这个`raw`值对于不同厂商的含义不同，所以通常不是一个十进制数值。 | | 08 0x08 | `Seek Time Performance` | 值越高越好 | 磁头的寻道操作平均性能。如果这个参数值降低，则表明机械子系统出现了故障信号。 | | 09 0x09 | `Power_On_Hours` | | 磁盘加电状态的试驾。这个属性的`raw`值是表示磁盘的通电小时数。(默认情况，硬盘的预期寿命是5年，相当于1825天或者43800小时) | | 10 0x0A | **`Spin_Retry_Count`** | 值越低越好 | 转轴启动尝试的重试次数。这个属性存储了磁盘轴启动来达到全速运行的尝试次数（在这种情况下第一次尝试是不成功的）。当这个属性值增加就意味着硬盘机械子系统故障的信号。 | | 11 0x0B | Recalibration Retries 或 Calibration Retry Count | 值越低越好 | 这个属性表示重新校准的重请求次数（这种情况下第一次尝试是失败的）。当这个参数的值增长则表明硬盘的机械子系统出现故障的信号 | | 12 0x0c | `Power_Cycle_Count` | | 这个属性是完整磁盘加电和断电循环的次数 | | 13 0x0D | `Soft Read Error Rate` | 值越低越好 | 操作系统报告的不可纠正读错误 | | 183 0xB7 | **`End-to-End_Error`** / `IOEDC` | 值越低越好 | 这个属性值是HP的SMART IV技术，作为其他厂商的IO Error Dection and Correction schemas(IO错误检测和修复机制)，它包含了校验错误的计数，也就是通过驱动器的缓存RAM发生在到介质的数据路径上的校验错误 | | 187 0xBB | **`Reported_Uncorrect`** | 值越低越好 | 这个属性表示不能通过硬件ECC修复的错误数量 | | 188 0xBC | **`Command_Timeout`** | 值越低越好 | 这个数值表示HDD超时放弃操作的计数。通常这个数值应该等于 0 | | 196 0xC4 | **`Reallocation Event Count`** | 值越低越好 | 扇区重映射操作技术。这个参数值的raw值表示尝试从重分配扇区到空闲区域尝试传递数据的次数。成功或失败的尝试都会计算 | | 197 0xC5 | `Current_Pending_Sector` | 值越低越好 | "不稳定"扇区数量（等待重映射，因为不可修复的读错误）。如果一个不稳定的扇区在后续读取中成功，这个扇区就会重映射并且这个数值就会降低。当扇区读取错误，这个扇区就不会被立即重映射（因为正确值读取不出来，所以这个重映射值是不可知的，但也可能在以后可以读取出数据）；相反，驱动器的firmware会记得这个扇区需要重映射，并且会在它下次写的时候重映射。然而，一些驱动器不会在写这种扇区的时候立即重映射；相反，驱动器会首先尝试写入故障的扇区，并且如果写入操作成功就标记这个扇区是好的（这种情况下`Reallocation Event Count (0xC4)`将不会降低）。这是一个缺点，此时驱动器会包含由于成功写入但实际上存在隐患的扇区，而扇区后续故障将再也不能重映射。 | | 198 0xC6 | **`(Offline) Uncorrectable Sector Count`** | 值越低越好 | 当读写一个扇区时候不可纠正错误的次数。这个数值上升表示磁盘表面存在瑕疵以及机械子系统故障 | | 201 0xC9 | **`Soft Read Error Rate`或`TA Counter Detected`** | 值越低越好 | 计数表示不能纠正的软件读错误数量 | > 上述属性表仅摘录了主要表述磁盘故障（**`加粗字体`**）情况的属性 ## 检查坏块 在完成了SMART检查之后，可以对磁盘进行扇区的详细扫描和检查，采用工具`badblocks`来完成。 ``` sudo badblocks -v /dev/sdb | tee /tmp/bad-blocks_sdb.txt ``` > 这里检查磁盘坏块的时候将日志记录输出到另外一块磁盘，例如`/dev/sdc`所挂载的目录 ## 通知操作系统不使用坏块 上述`badblocks`工具检查完成后，如果有报告坏的扇区，则可以通过`e2fsck`命令通知操作系统不要使用坏块存储数据。 注意，在使用`e2fsck`命令之前，需要先卸载掉磁盘（umount） ``` sudo e2fsck -l /tmp/bad-blocks_sdb.txt /dev/sdb ``` ## 调整服务器挂载次数的`fsck` `tune2fs`命令可以检查和调整磁盘scan的计划安排，例如 ``` sudo tune2fs -l /dev/sda1 ``` 可以看到输出 ``` Mount count: 1 Maximum mount count: 38 Last checked: Wed Mar 29 04:02:35 2017 Check interval: 15552000 (6 months) Next check after: Mon Sep 25 04:02:35 2017 ``` 假设想调整成挂载次数50次以后检查，可以使用`-c`参数 ``` sudo tune2fs -c 50 /dev/sda1 ``` ## 参考 * [How to check the health of a hard drive](https://superuser.com/questions/171195/how-to-check-the-health-of-a-hard-drive) * [The Beginner’s Guide to Linux Disk Utilities](https://www.howtogeek.com/howto/37659/the-beginners-guide-to-linux-disk-utilities/) * [Check Hard drive for bad sectors or bad blocks in linux](http://www.linuxtechi.com/check-hard-drive-for-bad-sector-linux/) * [SMART tests with smartctl](https://www.thomas-krenn.com/en/wiki/SMART_tests_with_smartctl) * [Monitoring Hard Disks with SMART](http://www.linuxjournal.com/magazine/monitoring-hard-disks-smart?page=0,1) * [ATA S.M.A.R.T. attributes](https://en.wikipedia.org/wiki/S.M.A.R.T.#ATA_S.M.A.R.T._attributes) - 这是详细的SMART属性解释文档 --- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://huataihuang.gitbook.io/cloud-atlas-draft/storage/das/test/check_disk_health.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.