Linux之smartctl命令磁盘检测运维

最新推荐文章于 2024-09-25 15:20:43 发布

中国人很伟大

最新推荐文章于 2024-09-25 15:20:43 发布

阅读量2.1w

点赞数 5

分类专栏： Linux 文章标签： linux 运维 ide

原文链接：https://www.jianshu.com/p/da26137065d9

版权

Linux 专栏收录该内容

20 篇文章 2 订阅

订阅专栏

知识介绍

SMART是一种磁盘自我分析检测技术，早在90年代末就基本得到了普及
每一块硬盘（包括IDE、SCSI）在运行的时候，都会将自身的若干参数记录下来
这些参数包括型号、容量、温度、密度、扇区、寻道时间、传输、误码率等
硬盘运行了几千小时后，很多内在的物理参数都会发生变化
某一参数超过报警阈值，则说明硬盘接近损坏
此时硬盘依然在工作，如果用户不理睬这个报警继续使用
那么硬盘将变得非常不可靠，随时可能故障

启用SMART
SMART是和主板BIOS上相应功能配合的
要使用SMART，必须先进入到主板BIOS设置里边启动相关设置
一般从Pentium2级别起的主板，都支持SMART
BIOS启动以后，就是操作系统级别的事情了
很遗憾，Windows没有内置SMART相关工具（需要安装第三方工具软件）
好在Linux上很早就有了SMART支持了
如果把Linux装在VMware等虚拟机上，在系统启动时候可以看到有个服务启动报错：smartd
这个服务器就是smart的daemon进程（因为vmware虚拟机的硬盘不支持SMART，所以报错）

grep"error" /var/log/messages*

常用命令

1、smartctl -a <device> ：显示硬盘SMART的全部信息。检查该设备是否已经打开SMART技术。

2、smartctl -H <device> ：查看硬盘的健康状况。一般看不出来问题，没啥用。

3、smartctl -l selftest <device> ：显示硬盘测试信息。

4、smartctl -l error <device> ：显示硬盘历史错误信息。

5、smartctl -A <device> ：显示设备SMART厂商属性和值。

6、对硬盘进行检测手工对硬盘进行测试的方法有以下四种：
smartctl -t short <device> 后台检测硬盘，消耗时间短
smartctl -t long <device> 后台检测硬盘，消耗时间长
smartctl -C -t short <device> 前台检测硬盘，消耗时间短
smartctl -C -t long <device> 前台检测硬盘，消耗时间长

其实就是利用硬盘SMART的自检程序。此时可以用smartctl -X中断后台测试。

7、smartctl -i <device> ：显示设备的身份信息，检查硬盘是否打开了SMART支持。
看到有：SMART support is: Enabled，说明硬盘支持SMART。
如果为Disabled，使用：smartctl --smart=on --offlineauto=on --saveauto=on <device>，启用SMART。

8、smartctl -s on <device> 如果没有打开SMART技术，使用该命令打开SMART技术。

处理过程

首先通过smartctl -H /dev/sda检查磁盘健康状态，然后smartctl -a /dev/sda查看磁盘详细情况，再对磁盘进行短期测试smartctl -t short /dev/sda，最后查看磁盘测试结果smartctl -l selftest /dev/sda，基本磁盘健康状态就可以定位出来，最后检查磁盘错误日志smartctl -l error /dev/sdb

查看测试结果

# smartctl -a /dev/sda
smartctl 5.42 2011-10-20 r3458 [x86_64-linux-2.6.32-358.el6.x86_64] (local build)
Copyright (C) 2002-11 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF INFORMATION SECTION ===
Device Model:     KINGSTON SV300S37A60G
Serial Number:    50026B724A01E182
LU WWN Device Id: 5 0026b7 24a01e182
Firmware Version: 580ABBF0
User Capacity:    60,022,480,896 bytes [60.0 GB]
Sector Size:      512 bytes logical/physical
Device is:        Not in smartctl database [for details use: -P showall]
ATA Version is:   8
ATA Standard is:  ACS-2 revision 3
Local Time is:    Wed Oct 11 15:41:49 2017 CST
SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status:  (0x02) Offline data collection activity
                    was completed without error.
                    Auto Offline Data Collection: Disabled.
Self-test execution status:      (   0) The previous self-test routine completed
                    without error or no self-test has ever 
                    been run.
Total time to complete Offline 
data collection:        (    0) seconds.
Offline data collection
capabilities:            (0x7d) SMART execute Offline immediate.
                    No Auto Offline data collection support.
                    Abort Offline collection upon new
                    command.
                    Offline surface scan supported.
                    Self-test supported.
                    Conveyance Self-test supported.
                    Selective Self-test supported.
SMART capabilities:            (0x0003) Saves SMART data before entering
                    power-saving mode.
                    Supports SMART auto save timer.
Error logging capability:        (0x01) Error logging supported.
                    General Purpose Logging supported.
Short self-test routine 
recommended polling time:    (   1) minutes.
Extended self-test routine
recommended polling time:    (  48) minutes.
Conveyance self-test routine
recommended polling time:    (   2) minutes.
SCT capabilities:          (0x0025) SCT Status supported.
                    SCT Data Table supported.

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     0x0032   095   095   050    Old_age   Always       -       8601004262
  5 Reallocated_Sector_Ct   0x0033   099   099   003    Pre-fail  Always       -       0
  9 Power_On_Hours          0x0032   085   085   000    Old_age   Always       -       145066815403100
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       120
171 Unknown_Attribute       0x000a   100   100   000    Old_age   Always       -       0
172 Unknown_Attribute       0x0032   100   100   000    Old_age   Always       -       0
174 Unknown_Attribute       0x0030   000   000   000    Old_age   Offline      -       97
177 Wear_Leveling_Count     0x0000   000   000   000    Old_age   Offline      -       96
181 Program_Fail_Cnt_Total  0x000a   100   100   000    Old_age   Always       -       0
182 Erase_Fail_Count_Total  0x0032   100   100   000    Old_age   Always       -       0
187 Reported_Uncorrect      0x0012   100   100   000    Old_age   Always       -       0
189 High_Fly_Writes         0x0000   029   041   000    Old_age   Offline      -       77312098333
194 Temperature_Celsius     0x0022   029   041   000    Old_age   Always       -       29 (Min/Max 18/41)
195 Hardware_ECC_Recovered  0x001c   102   102   000    Old_age   Offline      -       8601004262
196 Reallocated_Event_Count 0x0033   099   099   003    Pre-fail  Always       -       0
201 Soft_Read_Error_Rate    0x001c   102   102   000    Old_age   Offline      -       8601004262
204 Soft_ECC_Correction     0x001c   102   102   000    Old_age   Offline      -       8601004262
230 Head_Amplitude          0x0013   100   100   000    Pre-fail  Always       -       100
231 Temperature_Celsius     0x0013   091   091   010    Pre-fail  Always       -       0
233 Media_Wearout_Indicator 0x0032   000   000   000    Old_age   Always       -       9261
234 Unknown_Attribute       0x0032   000   000   000    Old_age   Always       -       14820
241 Total_LBAs_Written      0x0032   000   000   000    Old_age   Always       -       14820
242 Total_LBAs_Read         0x0032   000   000   000    Old_age   Always       -       6033

SMART Error Log not supported
SMART Self-test log structure revision number 1
Num  Test_Description    Status                  Remaining  LifeTime(hours)  LBA_of_first_error
# 1  Short offline       Completed without error       00%     13404         -
# 2  Selective offline   Completed without error       00%     13404         -
# 3  Selective offline   Completed without error       00%     13404         -
# 4  Selective offline   Completed without error       00%     13404         -
# 5  Short offline       Completed without error       00%     13403         -

SMART Selective self-test log data structure revision number 1
 SPAN  MIN_LBA  MAX_LBA  CURRENT_TEST_STATUS
    1        0       10  Not_testing
    2       10       20  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.

FLAG是标记，WHEN_FAILED 代表错误信息，上面显示的WHEN_FAILED纵行是空行，说明硬盘没有故障。如果WHEN_FAILED显示数字，表明硬盘磁道可能有比较大的坏道。
1、read error rate 错误读取率：记录读取数据错误次数（累计），非0值表示硬盘已经或者可能即将发生坏道；

2、Reallocated_Sector_Ct 出厂后产生的坏块个数, 初始值为100，如果有坏块，从1开始增加，每4个坏块增加1

2、reallocated sectors count 重分配扇区计数：硬盘生产过程中，有一部分扇区是保留的。当一些普通扇区读/写/验证错误，则重新映射到保留扇区，挂起该异常扇区，并增加计数。随着计数增加，io性能骤降。如果数值不为0，就需要密切关注硬盘健康状况；如果持续攀升，则硬盘已经损坏；如果重分配扇区数超过保留扇区数，将不可修复；

3、power-on time 累计通电时间：指硬盘通电时间累计值。（单位：天/时/分/秒。休眠/挂起不计入？新购入的硬盘应小于100hrs）；

4、power cycle count 电源开关计数：每次加电增加一次计数，新硬盘应小于10次；

5、temperature 温度：没嘛好说的，硬盘温度而已，理论上比工作环境高不了几度。（sudo hddtemp /dev/sda）

6、reallocetion event count 重映射扇区操作次数：上边的重映射扇区还记得吧？这个就是操作次数，成功的，失败的都计数。成功好说，也许硬盘有救，失败了，也许硬盘就要报废了；

7、throughput performance 磁盘吞吐量：平均吞吐性能（一般在进行了人工 Offline S.M.A.R.T. 测试以后才会有值。）；

spinup time 主轴电机到达要求转速时间（毫秒/秒）；

start/stop count 电机启动/停止次数（可以当作开机/关机次数，或者休眠后恢复，均增加一次计数。全新的硬盘应该小于10）；

reallocated sectors count 重分配扇区计数：硬盘生产过程中，有一部分扇区是保留的。当一些普通扇区读/写/验证错误，则重新映射到保留扇区，挂起该异常扇区，并增加计数。随着计数增加，io性能骤降。如果数值不为0，就需要密切关注硬盘健康状况；如果持续攀升，则硬盘已经损坏；如果重分配扇区数超过保留扇区数，将不可修复；

seek error rate 寻道错误率：磁头定位错误一次，则技术增加一次。如果持续攀升，则可能是机械部分即将发生故障；

seek timer performance 寻道时间：寻道所需要的时间，越短则读取数据越快，但是如果时间增加，则可能机械部分即将发生故障；

power-on time 累计通电时间：指硬盘通电时间累计值。（单位：天/时/分/秒。休眠/挂起不计入？新购入的硬盘应小于100hrs）；

spinup retry count 电机启动失败计数：电机启动到指定转速失败的累计数值。如果失败，则可能是动力系统产生故障；

power cycle count 电源开关计数：每次加电增加一次计数，新硬盘应小于10次；

g-sensor error rate 坠落计数：异常加速度（例如坠落，抛掷）计数——磁头会立即回到landing zone，并增加一次计数；

power-off retract count 异常断电次数：磁头在断电前没有完全回到landing zone的次数，每次异常断电则增加一次计数；

load/unload cycle count 磁头归位次数：指工作时，磁头每次回归landing zone的次数。（ps：流言说某个linux系统——不点名，在使用电池时候，会不断强制磁头归为，而磁头归位次数最大值约为600k次，所以认为linux会损坏硬盘，实际上不是这样的）；

reallocetion event count 重映射扇区操作次数：上边的重映射扇区还记得吧？这个就是操作次数，成功的，失败的都计数。成功好说，也许硬盘有救，失败了，也许硬盘就要报废了；

current pending sector count 待映射扇区数：出现异常的扇区数量，待被映射的扇区数量。如果该异常扇区之后成功读写，则计数会减小，扇区也不会重新映射。读错误不会重新映射，只有写错误才会重新映射；

uncorrectable sector count 不可修复扇区数：所有读/写错误计数，非0就证明有坏道，硬盘报废；

SSD固态硬盘多出的Attributes 信息解释：

其中我们比较关注的有以下四点：

1、Media_Wearout_Indicator: 使用耗费，100为没有任何耗费; 表示SSD上NAND的擦写次数的程度，初始值为100，随着擦写次数的增加，开始线性递减，递减速度按照擦写次数从0到最大的比例。一旦这个值降低到 1，就不再降了，同时表示SSD上面已经有NAND的擦写次数到达了最大次数。这个时候建议需要备份数据，以及更换SSD。

上面的机器为099，按照100滴血算，目前只耗了1滴血

2、Reallocated_Sector_Ct: 出厂后产生的坏块个数, 初始值为100，如果有坏块，从1开始增加，每4个坏块增加1

这里offer的机器还没有任何坏块

3、Host_Writes_32MiB: 已写32MiB, 每写入65536个扇区raw value增加1。这个扇区还是个数量单位，512字节

比如：这块盘就是 1284966 * 65536 * 512 = 40155.1875 GB

注意到每个机器都有一块盘写的比较少，这块盘就是hotspare盘。

每台机器我们有7块ssd盘。其中6块盘做的raid 5,第7块盘做的hotspare。

4、Available_Reservd_Space: SSD上剩余的保留空间, 初始值为100，表示100%，阀值为10，递减到10表示保留空间已经不能再减少
-----------------------------------
smartctl 输出详解
https://blog.51cto.com/wenqiang/1434581

作者：上善若水_001
链接：https://www.jianshu.com/p/da26137065d9
来源：简书
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。