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