磁盘 SMART 健康检查

硬盘坏之前大多有迹可循，SMART（Self-Monitoring, Analysis and Reporting Technology，磁盘自监测技术）数据就是它的体检单，盘体固件持续记录坏道、重映射和错误计数，操作系统只负责读取，在线查询不用停机，查一次只要几秒钟，是巡检里性价比最高的一项。 准备：安装 smartmontools（yum install smartmontools 或 apt install smartmontools），lsblk 确认盘符；部分 SATA 盘走 USB 或阵列卡时需要指定协议，比如 smartctl -d sat -a /dev/sda。 一、先看总体结论 smartctl -H /dev/sda，输出 PASSED 只代表没到厂商判定线，不代表健康无虞，还要往下看明细。SMART 状态由各品牌自己的阈值判定，标准不一，别只信一个 PASSED。新盘首次读取的记录值得存档，日后对比就看它。刚上电不久的盘，自检数据可能还没生成，先跑一轮短测再看。 二、哪几个字段要警惕 smartctl -A /dev/sda 列出属性表，重点四个：Reallocated_Sector_Ct，重映射扇区数，持续增长说明盘面在坏，准备换盘；Current_Pending_Sector，待定扇区，非零就要警惕，随时可能转成重映射；Reallocated_Event_Count，重映射事件，与前者互相印证；UDMA_CRC_Error_Count，CRC 错误，多指向线缆或接口接触不良，重插线再看。重点看趋势而不是静态值：数值偏高不可怕，持续增长才要命。读取错误率这类厂商私有算法的字段参考意义有限，别被吓到。SSD 额外看 Wear_Leveling_Count（磨损度）与温度。 三、做成定期任务 smartctl -t short /dev/sda 发起短测，几分钟后 smartctl -l selftest 看结果；短测期间盘有轻微性能损耗，避开业务高峰执行，多盘机器写个循环，一块盘都不漏。cron 里每周跑一次 smartctl -H 并把输出追加到日志文件，变化趋势比单次读数有用，读数突然清零要怀疑盘被动过，与资产记录核对。监控平台能收 SMART 指标的，把重映射数也加进告警。 云主机的适用性：云盘在宿主机后面，用户通常看不到物理盘的 SMART，磁盘健康由云平台负责。云盘 IO 异常抖动时，直接提工单让平台侧检查底层，不必自己瞎测。物理机用户则建议每月自查一次，双管齐下。