运维与排障 / 2026-06-21
硬盘提前三个月坏:SMART 里该盯哪几个数
不是所有 SMART 项都重要。五个指标加上趋势,比"健康状态:良好"这句话有用得多。
smartctl -H 告诉你"PASSED",然后硬盘在两周后掉盘。这不是工具的问题,是你只看了结论没看趋势。
五个真正该盯的项
| ID | 名称 | 含义 | 危险信号 |
|---|---|---|---|
| 5 | Reallocated_Sector_Ct | 已重映射扇区 | 任何非零且增长 |
| 187 | Reported_Uncorrect | 无法纠正的错误 | 非零 |
| 197 | Current_Pending_Sector | 待重映射扇区 | 非零 |
| 198 | Offline_Uncorrectable | 离线不可纠正 | 非零 |
| 199 | UDMA_CRC_Error_Count | 传输层校验错误 | 增长通常意味着线/背板问题 |
前四个是盘本身,第五个往往不是盘的问题——SATA 线松了、背板接触不良,都会让 199 往上涨。先换线再看盘,能省一块盘的钱。
趋势比瞬时值重要
# 存一份基线,之后每周对比
smartctl -A /dev/sda > /var/lib/smart/$(date +%F).txt
如果 5 号从 0 涨到 8,再涨到 24,这块盘就该准备了。单看"当前 24"没有意义,"三个月涨了 24"才有。
温度也在其中:机械盘长期 50℃ 以上,寿命曲线明显变陡。机箱风道比降噪重要。
SSD 额外的两项
- Percentage Used(NVMe):厂商给的寿命估算,比 TBW 直观
- Wear_Leveling_Count(SATA):平均值掉得快说明写入放大严重
消费级 SSD 在 PVE 上跑容器,写入量普遍被低估。用 smartctl -a 里的 Data Units Written 折算实际 TBW 消耗,比看标称值可靠。
落地成监控
最简单的方式是 cron + 脚本,异常就发通知:
#!/usr/bin/env bash
for d in /dev/sd? /dev/nvme?n1; do
smartctl -H "$d" | grep -q PASSED || echo "ALERT $d" | mail -s "disk" [email protected]
done
只看 PASSED 会漏掉"正在恶化但还没失败"的盘。真要提前发现,还是得盯上面那五个数的变化。
五个值得盯的指标
| 指标 | 阈值参考 | 含义 |
|---|---|---|
Reallocated_Sector_Ct | >0 且持续增长 | 已经出现坏道 |
Current_Pending_Sector | >0 | 有扇区读不出来,等着重映射 |
Offline_Uncorrectable | >0 | 已确认不可修复 |
Wear_Leveling_Count | SSD 寿命百分比 | 剩余寿命 |
Temperature_Celsius | 机械盘 >50℃ | 散热问题 |
前三个任何一项非零,就该安排替换,而不是"再观察观察"。Current_Pending_Sector 从 0 变 1 再变 2,往往几周内就会掉盘。
一条能用的巡检
for d in /dev/sd[a-z]; do
echo "== $d =="
smartctl -A -H "$d" | grep -E "Reallocated|Pending|Uncorrectable|Temperature|Power_On_Hours"
done
-H 打印总体健康判定(PASSED/FAILED),-A 打属性表。只看 -H 会漏掉"还 PASSED 但已经在恶化"的盘。
自动化写法
#!/bin/bash
bad=$(smartctl -A /dev/sda | awk '/Current_Pending_Sector|Offline_Uncorrectable/{if($10+0>0) print $2":"$10}')
[ -n "$bad" ] && echo "SMART WARN $(hostname): $bad" | mail -s "disk warning" [email protected]
关键是只报非零:每天一封"一切正常"的邮件,三天后就会被过滤掉,真出事反而看不见。
一个常见误判
USB 外置盘盒经常读不到 SMART(smartctl -d sat 才行)。读不到不等于没问题,也不等于坏了——是协议桥不转发。这种情况只能靠 dmesg 里的 I/O error 和读写速率下降来判断。
再补一条:机械盘上电小时数超过 3 万、且温度长期高于 50℃,即使 SMART 全绿也建议换——它的故障往往是突然的,不是渐进的。