自我監控分析報告技術 監控工具 smartmontools

現代的磁碟機都有自我監控分析報告技術 (Self-Monitoring, Analysis and Reporting Technology, 簡稱 SMART)，利用 SMART 的資訊我們可以取得磁碟衰退 (degradation) 和故障 (failure) 的警告，提早更換有問題的磁碟機以避免資料損毀。

在 Linux 平台上，我們可以使用 smartmontools 套件讀取磁碟的 SMART 資訊，
Ubuntu 上安裝的指令是  sudo apt-get -y install smartmontools，
以下說明皆以 Ubuntu distribution 為主。在smartmontools 套件中包含兩個公用程式 (utility programs)：

• smartctl
  控制和讀取磁碟的 SMART 資訊，與執行 SMART 的測試，指令的最後一個引數是裝置名稱 (例如 /dev/sda )，記得執行 smartctl 需要 root 的權限。
• smartd
  監控 (monitor) SMART 磁碟的服務程式 (daemon)，smartd設定檔位於 /etc/smartd.conf，預設是每1800秒 (30分鐘) 檢查磁碟的 SMART 資訊。

smartctl 和 smartd 的使用方法可以參考說明文件，沒有什麼困難的地方。比較需要注意的是 SMART 中有三種測試，這些「測試」的意義和我們認知不太一樣！(下面的 device 是指你的磁碟機位置，例如 /dev/sda )

• 線上測試 (online-testing)
  磁碟的 SMART 功能開啟時就會進行的「測試」，對效能沒有影響，利用 smartctl -s on device 指令可以開啟線上測試功能。
• 離線測試 (offline-testing)
  每隔4小時進行的「測試」，若磁碟忙碌中則延後執行，對效能可能有影響，利用 smartctl -o on device 指令可以開啟自動離線測試的功能，或是使用 smartctl -t offline device 立即執行離線測試。
• 自我測試 (self-testing)
  分成簡短自我測試 (short self-test) 和擴充自我測試 (extended self-test) 兩種，擴充自我測試也稱為完整自我測試 (long self-test) ，自我測試需要花費數分鐘至數百分鐘進行，其測試結果會在 SMART 日誌 (Log) 上顯示。使用 smartctl -t short device 或 smartctl -t long device 執行自我測試，再使用 smartctl -l selftest device 查看檢查結果。

嚴格來說，SMART 的線上測試和離線測試不能稱為「測試」，線上和離線測試事實上只是更新磁碟 SMART 屬性的數值，因此應該稱為資料收集 (data collection) 較為貼切，在 smartctl 的說明文件提到使用「測試」一詞是個不幸，容易讓人們混淆。在 smartctl 的「Test」一詞都是指離線測試，而「Self-Test」 則是指自我測試。

如果要使用 smartd 當我們監控磁碟狀態，建議安裝 smartmontools 套件執行 sudo service smartd start 啟動服務程式，另外執行 sudo update-rc.d smartd defaults 讓系統啟動時執行 smartd 服務程式。

最後說明 SMART 的屬性 (Attributes)， 每個屬性有個 ID 和名稱，ID 是從 1 至 253 的整數。屬性有 3 個重要的數值：

• RAW_VALUE
  屬性的原始數值
• VALUE
  正規化 (Normalized) 的數值，各磁碟製造商利用自家的演算法將 RAW_VALUE 轉換成 1 至 254 的整數
• THRESH
  門檻 (Threshold) 值，範圍從 0 至 255 的整數。當 VALUE 小於或等於 THRESH 則代表故障 (failure)。

另外說明屬性的 TYPE 和 UPDATED 欄位。

• TYPE 代表屬性的意義，有兩種類型：
• Pre-failure
  預先故障的屬性，當VALUE 低於 THRESH 表示磁碟即將故障。
• Old age
  已使用的屬性，當VALUE 低於 THRESH 表示磁碟超出使用期限與設計的耗損次數。
• UPDATED 代表屬性的更新方式，有兩種類型：
• Always
  正常運作下，或是執行離線測試時都會更新數值。
• Offline
  只有在離線測試時才會更新數值。

講了這麼多，不如直接看執行的結果會比較清楚，在我的電腦上執行 sudo smartctl -A /dev/sda，得到下列的屬性結果。

smartctl 5.41 2011-06-09 r3365 [x86_64-linux-3.11.0-24-generic] (local build)
Copyright (C) 2002-11 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF READ SMART DATA SECTION ===
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     0x0033   120   120   050    Pre-fail  Always       -       0
  5 Reallocated_Sector_Ct   0x0033   100   100   003    Pre-fail  Always       -       0
  9 Power_On_Hours          0x0032   099   099   000    Old_age   Always       -       132766029055628
 12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       249
171 Unknown_Attribute       0x000a   000   000   000    Old_age   Always       -       0
172 Unknown_Attribute       0x0032   000   000   000    Old_age   Always       -       0
174 Unknown_Attribute       0x0030   000   000   000    Old_age   Offline      -       23
177 Wear_Leveling_Count     0x0000   000   000   000    Old_age   Offline      -       0
181 Program_Fail_Cnt_Total  0x000a   000   000   000    Old_age   Always       -       0
182 Erase_Fail_Count_Total  0x0032   000   000   000    Old_age   Always       -       0
187 Reported_Uncorrect      0x0012   100   100   000    Old_age   Always       -       0
194 Temperature_Celsius     0x0022   038   089   000    Old_age   Always       -       38 (Min/Max 15/89)
195 Hardware_ECC_Recovered  0x001c   120   120   000    Old_age   Offline      -       0
196 Reallocated_Event_Count 0x0033   100   100   003    Pre-fail  Always       -       0
201 Soft_Read_Error_Rate    0x001c   120   120   000    Old_age   Offline      -       0
204 Soft_ECC_Correction     0x001c   120   120   000    Old_age   Offline      -       0
230 Head_Amplitude          0x0013   100   100   000    Pre-fail  Always       -       100
231 Temperature_Celsius     0x0013   100   100   010    Pre-fail  Always       -       0
233 Media_Wearout_Indicator 0x0032   000   000   000    Old_age   Always       -       1010
234 Unknown_Attribute       0x0032   000   000   000    Old_age   Always       -       569
241 Total_LBAs_Written      0x0032   000   000   000    Old_age   Always       -       569
242 Total_LBAs_Read         0x0032   000   000   000    Old_age   Always       -       472

補充說明，這個 /dev/sda 是 SSD，所以有些屬性不會在硬碟上出現。

###