掌握 SMART 技術，預防硬碟災難性故障

硬碟是伺服器最脆弱的機械部件。S.M.A.R.T.（Self-Monitoring, Analysis and Reporting Technology）提供硬碟自我監測能力，透過 smartctl 工具可即時掌握健康狀態，在災難發生前完成遷移與更換。

一、SMART 核心概念

• 屬性監測：記錄溫度、重新配置扇區、尋找錯誤、通電時數等 200+ 參數
• 閾值判斷：每個屬性設有臨界值，超標即預警
• 自我測試：支援短時間/長時間/選擇性自我測試
• 日誌記錄：錯誤日誌、自我測試日誌、選擇性測試日誌

二、前置準備：BIOS 與核心支援

1. BIOS/UEFI 啟用 SMART 支援（現代主板預設開啟）
2. 核心模組載入：modprobe libata（SATA）、modprobe scsi_mod（SCSI/SAS）
3. 安裝工具：yum install -y smartmontools 或 apt install smartmontools

三、確認裝置 SMART 能力

smartctl -i /dev/sda

關鍵輸出：

SMART support is: Available - device has SMART capability.
SMART support is: Enabled

若顯示 Disabled，啟用之：

smartctl --smart=on --offlineauto=on --saveauto=on /dev/sda

四、快速健康檢查

smartctl -H /dev/sda

輸出關鍵行：

SMART overall-health self-assessment test result: PASSED

• PASSED：健康
• FAILED：立即備份並更換硬碟！

五、詳細屬性分析（-A 參數）

smartctl -A /dev/sda

重點關注屬性（ID 對應）：

ID	屬性名稱	關鍵含義	警戒閾值
5	Reallocated_Sector_Ct	重新配置扇區計數（壞軌替換）	> 0 即關注，> 10 嚴重
197	Current_Pending_Sector	待測扇區計數（可能壞軌）	> 0 需關注
198	Offline_Uncorrectable	離線不可修正扇區	> 0 極度危險
199	UDMA_CRC_Error_Count	CRC 錯誤（傳輸線/介面問題）	持續增長檢查纜線
190/194	Airflow_Temperature / Temperature_Celsius	溫度	> 50℃ 需改善散熱
9	Power_On_Hours	通電時數	> 40000h 進入老化期
12	Power_Cycle_Count	開關機次數	參考廠商壽命
1	Raw_Read_Error_Rate	讀取錯誤率（廠商編碼）	需參考 RAW 值
7	Seek_Error_Rate	尋找錯誤率	機械故障前兆

六、執行自我測試

# 短時間測試（約 2 分鐘）
smartctl -t short /dev/sda

# 長時間測試（數小時，建議離峰時段）
smartctl -t long /dev/sda

# 指定區塊測試
smartctl -t select,100-200 /dev/sda

# 查看測試進度/結果
smartctl -l selftest /dev/sda

七、完整資訊輸出（-a 參數）

smartctl -a /dev/sda

包含：裝置資訊、健康狀態、所有屬性、錯誤日誌、自我測試日誌。建議定期導出存檔趨勢分析。

八、自動化監控與告警

啟動 smartd 守護程式（/etc/smartd.conf）：

# 範例：每 30 分鐘檢查，健康狀態變化發郵件
DEVICESCAN -H -m admin@example.com -M exec /usr/share/smartmontools/smartd-runner

systemctl enable smartd
systemctl start smartd

九、虛擬化環境特殊說明

• VMware/KVM/Hyper-V 客體機：虛擬磁碟通常不支援 SMART，smartctl 會報錯或回傳虛擬資料
• 需在宿主機監控實體硬碟 SMART
• 直通模式（PCI Passthrough）可在客體看到真實 SMART

十、NVMe 固態硬碟監控

# NVMe 使用 nvme-cli 而非 smartctl
nvme smart-log /dev/nvme0
# 關鍵指標：percentage_used（壽命百分比）、critical_warning、temperature

📋 維運檢查清單

1. 每日：自動檢查健康狀態（smartd）
2. 每週：人工審核 smartctl -A 關鍵屬性趨勢
3. 每月：執行長時間自我測試
4. 更換判斷：Reallocated_Sector_Ct > 0 且持續增長、或 Pending Sector 不歸零、或溫度異常