smartctl 硬盘健康检查
什么是 Smartctl
Smartctl 是一个命令行工具，用于监测和分析硬盘的状态。它可以读取硬盘的 S.M.A.R.T（Self-Monitoring, Analysis, and Reporting Technology 其中包括健康状态、温度、错误率）信息，并且可以通过这些信息来预测硬盘故障的可能性。
Smartctl 的作用
Smartctl 可以帮助我们检测出可能出现故障的硬盘，并在故障前采取相应的措施，以减少数据丢失和系统停机的风险。
如何安装 Smartctl
本机已安装smartctl，通过如下命令可确认smartctl所属的软件包：smartmontools
[root@localhost ~]# which smartctl | xargs rpm -qf
smartmontools-7.1-1.ky10.x86_64
#可使用apt-get或者yum安装：
sudo apt-get install smartmontools
sudo yum install smartmontools
基本使用方式：
环境介绍：/dev/sda为 raid 5 磁盘组（含4块磁盘），/dev/sdc为 jbod 直通硬盘。
扫描现有磁盘：
[root@localhost ~]# smartctl --scan #可以查看所有硬盘的设备路径，如/dev/sda。
/dev/sda -d scsi # /dev/sda, SCSI device
/dev/sdc -d scsi # /dev/sdc, SCSI device
/dev/bus/0 -d megaraid,0 # /dev/bus/0 [megaraid_disk_00], SCSI device
/dev/bus/0 -d megaraid,1 # /dev/bus/0 [megaraid_disk_01], SCSI device
/dev/bus/0 -d megaraid,2 # /dev/bus/0 [megaraid_disk_02], SCSI device
/dev/bus/0 -d megaraid,3 # /dev/bus/0 [megaraid_disk_03], SCSI device
/dev/bus/0 -d megaraid,4 # /dev/bus/0 [megaraid_disk_04], SCSI device
查看常规磁盘（非raid组内磁盘）健康状态：
sudo smartctl -a /dev/sda #可以查看特定硬盘的详细SMART信息，包括健康状态、温度、错误率等。
sudo smartctl -H /dev/sda #可以仅查看硬盘的健康状态，如果显示“PASSED”或者“OK”则表示硬盘运行正常，如果显示“FAILED”或“WARNING”则可能存在问题。
如果直接查看 raid 组的smart信息，会提示不支持：
[root@localhost ~]# smartctl -a /dev/sda
smartctl 7.1 2019-12-30 r5022 [x86_64-linux-4.19.90-24.4.v2101.ky10.x86_64] (local build)
Copyright (C) 2002-19, Bruce Allen, Christian Franke, www.smartmontools.org
=== START OF INFORMATION SECTION ===
Vendor: AVAGO
……omit
=== START OF READ SMART DATA SECTION ===
Current Drive Temperature: 0 C
Drive Trip Temperature: 0 C
Error Counter logging not supported
Device does not support Self Test logging
查看raid组内磁盘的信息
需要使用scan输出信息中megaraid行的“#”之前的信息，来作为检查命令的参数：
[root@localhost ~]# smartctl -H /dev/bus/0 -d megaraid,3
smartctl 7.1 2019-12-30 r5022 [x86_64-linux-4.19.90-24.4.v2101.ky10.x86_64] (local build)
Copyright (C) 2002-19, Bruce Allen, Christian Franke, www.smartmontools.org
=== START OF READ SMART DATA SECTION ===
SMART Health Status: OK
或详细信息：
[root@localhost ~]# smartctl -a /dev/bus/0 -d megaraid,0
smartctl 7.1 2019-12-30 r5022 [x86_64-linux-4.19.90-24.4.v2101.ky10.x86_64] (local build)
Copyright (C) 2002-19, Bruce Allen, Christian Franke, www.smartmontools.org
=== START OF INFORMATION SECTION ===
……omit
SMART Attributes Data Structure revision number: 16
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000b 100 100 016 Pre-fail Always - 0
2 Throughput_Performance 0x0005 129 100 054 Pre-fail Offline - 104
3 Spin_Up_Time 0x0007 137 100 024 Pre-fail Always - 309 (Average 310)
4 Start_Stop_Count 0x0012 100 100 000 Old_age Always - 40
5 Reallocated_Sector_Ct 0x0033 100 100 005 Pre-fail Always - 0
7 Seek_Error_Rate 0x000b 100 100 067 Pre-fail Always - 0
8 Seek_Time_Performance 0x0005 128 100 020 Pre-fail Offline - 18
9 Power_On_Hours 0x0012 096 096 000 Old_age Always - 30060
10 Spin_Retry_Count 0x0013 100 100 060 Pre-fail Always - 0
12 Power_Cycle_Count 0x0032 100 100 000 Old_age Always - 40
192 Power-Off_Retract_Count 0x0032 099 099 000 Old_age Always - 1287
193 Load_Cycle_Count 0x0012 099 099 000 Old_age Always - 1287
194 Temperature_Celsius 0x0002 193 166 000 Old_age Always - 31 (Min/Max 20/36)
196 Reallocated_Event_Count 0x0032 100 100 000 Old_age Always - 0
197 Current_Pending_Sector 0x0022 100 100 000 Old_age Always - 0
198 Offline_Uncorrectable 0x0008 100 100 000 Old_age Offline - 0
199 UDMA_CRC_Error_Count 0x000a 200 200 000 Old_age Always - 0
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% 36 -
# 2 Short offline Completed without error 00% 29 -
# 3 Extended offline Completed without error 00% 17 -
# 4 Short offline Completed without error 00% 9 -
SMART Selective self-test log data structure revision number 1
SPAN MIN_LBA MAX_LBA CURRENT_TEST_STATUS
1 0 0 Not_testing
2 0 0 Not_testing
3 0 0 Not_testing
4 0 0 Not_testing
5 0 0 Not_testing
Selective self-test flags (0x0):
After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.
SAS磁盘的输出
smartctl 7.1 2019-12-30 r5022 [x86_64-linux-4.19.90-24.4.v2101.ky10.x86_64] (local build)
Copyright (C) 2002-19, Bruce Allen, Christian Franke, www.smartmontools.org
=== START OF INFORMATION SECTION ===
Vendor: HGST
……omit
=== START OF READ SMART DATA SECTION ===
SMART Health Status: OK
Current Drive Temperature: 32 C
Drive Trip Temperature: 85 C
Manufactured in week 30 of year 2018
Specified cycle count over device lifetime: 50000
Accumulated start-stop cycles: 125
Specified load-unload count over device lifetime: 600000
Accumulated load-unload cycles: 156
Elements in grown defect list: 0
Vendor (Seagate Cache) information
Blocks sent to initiator = 61858937569280
Error counter log:
Errors Corrected by Total Correction Gigabytes Total
ECC rereads/ errors algorithm processed uncorrected
fast | delayed rewrites corrected invocations [10^9 bytes] errors
read: 0 16 0 16 4343 1498.502 0
write: 0 43 0 43 25269 968.836 0
verify: 0 0 0 0 22004 0.685 0
Non-medium error count: 0
SMART Self-test log
Num Test Status segment LifeTime LBA_first_err [SK ASC ASQ]
Description number (hours)
# 1 Background long Completed - 52 - [- - -]
# 2 Background long Completed - 24 - [- - -]
Long (extended) Self-test duration: 34237 seconds [570.6 minutes]
一些输出信息的解释
TYPE
SMART Attributes Data中，每一项属性都有一个TYPE列，其中：
Pre-fail指该属性是指磁盘制造商认为可能会在磁盘出现故障之前发生变化的属性，这些属性的改变可能是磁盘健康状况恶化的早期迹象。Old_age指该属性反映了硬盘随着时间的推移而自然老化的指标。这些属性的变化通常与磁盘的工作小时数、读写操作次数等因素有关，而非直接关联到可能引发故障的具体事件。
UPDATED
Offline的信息，这是某些属性只在磁盘离线时才被更新。
Always就是总是更新。
一些建议的关注指标【来自AI】
读错误率 (Read Error Rate):
- 意义: 表示读取数据时发生的错误次数。
- 重要性: 高读错误率可能表明磁盘即将出现故障。
重映射扇区计数 (Reallocated Sector Count):
- 意义: 表示磁盘上已经被重映射到备用区域的坏扇区数量。
- 重要性: 高重映射扇区计数可能意味着磁盘上有较多的坏扇区。
当前待映射扇区 (Current Pending Sector Count):
- 意义: 表示尚未被重映射的潜在坏扇区数量。
- 重要性: 高当前待映射扇区计数可能预示着磁盘即将出现故障。
离线未映射扇区 (Offline Uncorrectable Sector Count):
- 意义: 表示在离线自检期间检测到的不可纠正的扇区数量。
- 重要性: 高离线未映射扇区计数可能表明磁盘存在严重问题。
校验和错误 (Checksum Errors):
- 意义: 表示在磁盘缓存中检测到的校验和错误数量。
- 重要性: 高校验和错误可能表明磁盘缓存存在问题。
启动/停止周期计数 (Start/Stop Cycle Count):
- 意义: 表示磁盘启动和停止的总次数。
- 重要性: 高启动/停止周期计数可能表明磁盘经常断电，这可能会影响磁盘寿命。
寻道错误率 (Seek Error Rate):
- 意义: 表示磁头定位时发生的错误次数。
- 重要性: 高寻道错误率可能表明磁头定位有问题。
气流温度 (Airflow Temperature Celsius):
- 意义: 表示磁盘内部的温度。
- 重要性: 高温可能导致磁盘过热，影响磁盘性能和寿命。
电源接通时间 (Power-On Hours):
- 意义: 表示磁盘自生产以来的累计运行时间。
- 重要性: 长期运行时间可能表明磁盘接近其预期寿命。
SMART状态 (SMART Status):
- 意义: 总体上表示磁盘的SMART状态，通常会报告为“PASSED”、“FAILED”或“UNKNOWN”。
- 重要性: “FAILED”状态表明磁盘可能存在问题。
