磁盘可靠性测试技术

磁盘可靠性测试技术磁盘可靠性测试技术 0. 前言前言-磁盘故障概率几何？磁盘故障概率几何？ 在实际的使用场景中，磁盘的故障概率远远高于其他的模块 在网上收集到的数据显示，EMC 等公司的存储，HDD 的年故障率是 5%，据说 xio 是可 以达到 0.06%，另外 SSD 的年故障率是 1.5%，另外根据硬盘公司的相关数据显示，硬盘的故 障率一般在 2%-5% 磁盘替换率与其它硬件替换率的比较磁盘替换率与其它硬件替换率的比较 在HPC1、COM1和COM2中十种最频繁替换的组件的相对频率。缩写词直接来源于数据，并 不清楚在不同的数据集它们是否有同样的定义 1. 磁盘的故障类型磁盘的故障类型 在线备份服务提供商 Backblaze 已经得到了新一批的磁盘可靠性数据，其来自于该公司所 拥有的近 40000 块机械硬盘。Backblaze 深入分析 SMART 状态信息，以挖掘出与预测磁盘可 靠性最有关联的数据。事实证明，仅有极少数的属性与硬盘的阵亡密切相关。 S.M.A.R.T，全称叫，全称叫 Self-Monitoring, Analysis, and Reporting Technology 自我监测，分析和自我监测，分析和 报告技术报告技术。可以用来预测分析硬盘的潜在问题。可以用来预测分析硬盘的潜在问题。 Backblaze 在研究后指出，五年内的硬盘故障，主要集中在如下 5 个方面： SMART 5 - Reallocated_Sector_Count 重映射扇区计数 SMART 187 - Reported_Uncorrectable_Errors 不可修复错误计数 SMART 188 - Command_Timeout 指令超时计数 SMART 197 - Current_Pending_Sector_Count 当前待映射扇区计数 SMART 198 - Offline_Uncorrectable 自检时发现的不可修复错误 Reallocated Sector Count， “重映射扇区计数重映射扇区计数” 每块硬盘都有一定数量的备用扇区，用来在正常扇区出现读写错误的时候替换该扇区以保持硬 盘和数据的稳定性。硬盘出现扇区读写错误，如果以计入“重映射扇区数” ，无法用现有任何 软件修复，也就是说，这个损坏时永久的。一般来说重映射扇区数到达“Threshold” （阈值， 临界值）之前，硬盘厂商都建议要做好数据备份工作，以免因为硬盘物理损坏造成数据丢失。 全新的硬盘，Reallocated Sector Count Data 值是 0，以后会逐渐增加，不会减少。如果全新硬 盘在较短时间内连续出现重映射扇区数增加的现象，则说明此硬盘品质较低，稳定性存在隐患。 Reported Uncorrectable Errors 无法校正的错误无法校正的错误 报告给操作系统的无法通过硬件 ECC 校正的错误。如果数据值不为零，就应该备份硬盘 上的数据了。 报告给操作系统的在所有存取命令中出现的无法校正的 RAISE（URAISE）错 误。 Command Timeout 命令超时命令超时 由于硬盘超时导致操作终止的次数。通常数据值应为 0，如果远大于零，最有可能出现的 是电源供电问题或者数据线氧化致使接触不良，也可能是硬盘出现严重问题。 Current Pending Sector Count 当前待映射扇区计数当前待映射扇区计数 数据应为 0，当前值应远大于临界值。 这个参数的数据表示了“不稳定的”扇区数，即等待被映射的扇区（也称“被挂起的扇区” ）数量。如果不稳定的扇区随后被读写成功，该扇区就不再列入等待范围，数据值就会下降。 仅仅读取时出错的扇区并不会导致重映射，只是被列入“等待” ，也许以后读取就没有问 题。所以只有在写入失败时才会发生重映射。下次对该扇区写入时如果继续出错，就会产生一 次重映射操作，此时重映射扇区计数（05）与重映射事件计数（C4）的数据值增加，此参数 的数据值下降。 Offline Uncorrectable Sector Count 脱机无法校正的扇区计数脱机无法校正的扇区计数 数据应为 0，当前值应远大于临界值。 这个参数的数据累计了读写扇区时发生的无法校正的错误总数。数据值上升表明盘片表面 介质或机械子系统出现问题，有些扇区肯定已经不能读取，如果有文件正在使用这些扇区，操 作系统会返回读盘错误的信息。下一次写操作时会对该扇区执行重映射。 而下面则是与年故障率相关的“不可纠正错误”的统计数据： Backblaze 为你揭示 SMART 信息与磁盘故障率之间的联系 当然，在这些相对重要的数据类别中， “重置扇区计数”(reallocated sector count)是最危险的 坏掉的扇区越多，硬盘的故障率就越高。 详细的故障分析报告 https:/ 2. 磁盘检查工具磁盘检查工具 Smartctl 检查检查 smartmontools 是一款开源的磁盘控制，监视工具，利用它可以测试硬盘的健康状况，并在发 生故障前进行预警。 使用说明 在开始测试或监控之前，先检查一下目标硬盘是否支持 S.M.A.R.T，这里的参数-i 指出显示设 备信息，-d 指出设备类型，这里指定的设备类型为 ata，当然，如果是 SCSI 硬盘，就指定 scsi 了，最后的/dev/sda 就是设备 执行命令：smartctl -i -d ata /dev/sda smartctl 6.3 2014-07-26 r3976 x86_64-linux-3.10.0 (local build) Copyright (C) 2002-14, Bruce Allen, Christian Franke, www.smartmontools.org = START OF INFORMATION SECTION = Model Family: Western Digital Caviar Green (AF, SATA 6Gb/s) Device Model: WDC WD20EZRX-00D8PB0 Serial Number: WD-WMC4M0E6KT4L LU WWN Device Id: 5 0014ee 6afedf806 Firmware Version: 80.00A80 User Capacity: 2,000,398,934,016 bytes 2.00 TB Sector Sizes: 512 bytes logical, 4096 bytes physical Rotation Rate: 5400 rpm Device is: In smartctl database for details use: -P show ATA Version is: ACS-2 (minor revision not indicated) SATA Version is: SATA 3.0, 6.0 Gb/s (current: 6.0 Gb/s) Local Time is: Tue Jun 16 20:21:50 2015 GMT-8 SMART support is: Available - device has SMART capability. SMART support is: Enabled 从返回的信息中，可以看到硬盘的生产厂家，型号，序列号，容量，是否支持 SMART，目前 SMART 开启没有。结果的最后两行就是我们需要的信息，从这里可以看出，这块硬盘是支持 SMART 技术的，而且已经开启。 开始测试 其实就一条命令就完成了测试，如： #smartctl -H -d ata /dev/sda 这里的参数-H 就是指定显示目标硬盘的健康状态 smartctl 6.3 2014-07-26 r3976 x86_64-linux-3.10.0 (local build) Copyright (C) 2002-14, Bruce Allen, Christian Franke, www.smartmontools.org = START OF READ SMART DATA SECTION = SMART overall-health self-assessment test result: PASSED SMART 信息说明信息说明 hd tun 的健康检查其实和我们在后台执行 smartctl -A /dev/sdb 效果一样的，为了方便说明，这 里用 windows 展示 当前是还能记录坏道数据的单位，具体单位不清楚。 最差是整个硬盘在所有启动状态下最差时候的剩余存储值 阈值是指 低于这个值就会出现真正的物理硬盘坏道了，不可修复 SMART 参数（参数（05,C5） 硬盘 SMART 参数中（05）是非常重要的一项，称为重新映射扇区计数（Reallocated Sectors Count） ，它直接表示硬盘是否已经出现了不良扇区。 以前的硬盘只要某磁道出现一个坏扇区，该磁道就算“坏磁道（Bad Track） ” ，修复时就整个 磁道所有扇区一起“跳过（skipped） ” 。所以，坏磁道和坏扇区没有区别开，一起称为“坏道” 。 而现在的硬盘每个磁道划为数百上千个扇区，不能因为有一个坏扇区就丢掉整个磁道。再说硬 盘在制造完成后本身就已有相当多的不良扇区（可能有成百上千之多） ，所以为了提高成品率， 硬盘的设计容量是大于标称容量的，多余的那部分（用户不可见的）容量就是用来弥补“制造 时已出现的”以及“以后使用时新增的”不良扇区的。这也是现代硬盘的一个自修复功能，只 要这个功能在起作用，你就不会发现硬盘出现坏道，所以说“坏道”也是一个应该淘汰的老词 了。 这一自修复功能的原理是：当硬盘的某扇区持续出现读/写/校验错误时，硬盘固件程序会将这 个不良扇区的地址重定向到预先保留的某个备用扇区，这就称为重新映射扇区。此后这个不良 扇区不会再被使用，这等于将这个不良扇区屏蔽了，所以这样的硬盘容量不会减少，在 Windows 常规检测中也不会发现坏扇区，只有从 SMART 参数中才能发现已经有不良扇区被替 换。 完好的硬盘， （05）项的数据肯定为零，当前值远大于临界值。如果数据不为零就表示已经有 不良扇区被“重映射” ，被重映射的扇区增加，当前值就会下降。如果当前值下降到接近临界 值，就说明备用扇区将用尽。 与（05）项相配合的参数还有（C5） 。 （C5）是当前待映射扇区计数（Current Pending Sector Count） ，这一参数的数据表示了“不稳定”的扇区数，即“等待被映射”的扇区数量。因为扇 区仅仅读取错误并不会导致立即重映射，只有在写入失败时才会发生重映射。 所以，如果有扇区在读取时出现错误， （C5）就会有计数，表示有扇区不稳定。如果该扇区随 后被读写成功，等待被映射的操作就会取消， （C5）的计数会下降。如果下一次对该扇区的写 操作继续发生错误，就会产生重映射，然后（05）计数要增加， （C5）计数随之下降。如果以 后长时间并未再对该扇区进行任何读写操作，那么（C5）的计数也会一直维持下去。 因此，当你的硬盘发现（05）参数有了数据量后，并不需要任何操作，只要注意以后的发展。 如果（05）的数据量不大，也不再增长，那这块硬盘还可继续使用。若（05）的数据不断上升， 说明硬盘已处于不稳定状态，应当立即备份数据，调换硬盘了。因为备用扇区一旦用尽，再有 不良扇区就会真的出现坏道导致数据丢失。即使使用专门的工具把坏道隔离出来，也不能保证 不再出现新的坏道，而且硬盘容量会明显减少。 由于不同硬盘的备用扇区数量并不相同，所以单看（05）的数据量并不能判断硬盘还可支持多 长时间，还要注意（05）的当前值，即使（05）的数据量不大，但当前值下降很快，甚至接近 临界值，也应果断调换硬盘。另外，有的硬盘（05）的数据量很大，但不再增长，而且当前值 也下降很少，这样的硬盘最好也不要再使用，因为保留的备用扇区都