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 <short|long|conveyance|select> /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

Previous磁盘检测技术NextGlusterFS

Last updated