上个月家里又多了一台机器：一台淘汰下来的旧台式机，装了 Debian 12，插了两块二手的 4T 机械盘，专门当存储用（下文就叫它 NAS）。二手盘便宜是便宜，但谁也不知道前任主人是怎么用的，心里总有点不踏实。再加上笔记本服务器里那块固态也跑了好几年，我决定把硬盘健康监控认真搞一下。

目标很简单：硬盘出现变坏的苗头时，手机上能收到通知，而不是等到数据读不出来才发现。

smartctl：先看看盘的状况

SMART 是硬盘自己记录的健康数据，Linux 下用 smartmontools 里的 smartctl 来读：

apt install smartmontools

smartctl --scan                 # 列出能识别的盘
smartctl -i /dev/sda            # 型号、序列号、是否支持 SMART
smartctl -H /dev/sda            # 总体健康结论，PASSED 不代表万事大吉
smartctl -A /dev/sda            # 属性表，重点看这个
smartctl -t short /dev/sda      # 发起短自检，一般两分钟左右
smartctl -l selftest /dev/sda   # 查看自检记录
smartctl -a /dev/nvme0          # NVMe 盘的输出格式不一样，用 -a 看全部

-H 的结论只有在属性跌破厂商设定的阈值时才会变成 FAILED，往往为时已晚。真正有参考价值的是属性表里的原始值（RAW_VALUE），机械盘我主要看这几项：

  • 5 Reallocated_Sector_Ct：已经被重映射的坏扇区数。不为零就要留意，持续增长就该准备换盘了。
  • 197 Current_Pending_Sector：等待重映射的可疑扇区。
  • 198 Offline_Uncorrectable：离线扫描时发现的无法纠正的扇区。
  • 199 UDMA_CRC_Error_Count：传输校验错误，通常是线材或接口的问题，跟盘本身关系不大。
  • 9 Power_On_Hours：通电时间，二手盘看这个就知道用了多久。

NVMe 固态是另一套格式，重点看 Percentage Used（寿命消耗百分比）、Available Spare（剩余备用块）和 Media and Data Integrity Errors。

我那两块二手盘，一块通电三万多小时、各项干净；另一块的 199 有几百的计数，换了根 SATA 线之后就不再涨了，算是虚惊一场。

smartd：让它自己定期检查

手动看一次不难，难的是长期坚持。smartd 是 smartmontools 自带的守护进程，可以定时检查属性、安排自检、发现问题时调用脚本通知。配置文件是 /etc/smartd.conf：

# /etc/smartd.conf
# 默认的 DEVICESCAN 一行要注释掉，否则它后面的配置会全部被忽略
#DEVICESCAN -d removable -n standby -m root -M exec /usr/share/smartmontools/smartd-runner

/dev/disk/by-id/ata-DISK_MODEL_SERIAL_A -a -o on -S on -n standby,q -s (S/../.././02|L/../../6/03) -W 4,45,55 -m <nomailer> -M exec /usr/local/bin/smartd-notify.sh
/dev/disk/by-id/ata-DISK_MODEL_SERIAL_B -a -o on -S on -n standby,q -s (S/../.././02|L/../../7/03) -W 4,45,55 -m <nomailer> -M exec /usr/local/bin/smartd-notify.sh

逐个解释一下：

  • -a：开启一组常用检查，包括健康状态、属性变化、错误日志和自检日志。
  • -o on -S on：打开盘自带的离线数据收集和属性自动保存。
  • -n standby,q：盘处于待机状态时跳过本次检查，不去把它唤醒，q 表示跳过时不写日志。
  • -s (S/../.././02|L/../../6/03)：每天凌晨 2 点做短自检，周六凌晨 3 点做长自检。格式是“类型/月/日/星期/小时”的正则，星期 1 是周一、7 是周日。两块盘的长自检我错开到了周六和周日，避免同时跑。
  • -W 4,45,55：温度变化超过 4 度记录一次，达到 45 度记一条信息，达到 55 度告警。
  • -m <nomailer> -M exec ...：不发邮件，改为执行指定的脚本。

设备路径用 /dev/disk/by-id/ 下面的名字而不是 /dev/sda，因为 sdX 的顺序每次开机都可能变，by-id 里带着型号和序列号，是固定的。

通知脚本很短。我家里自建了一个 ntfy，直接用 curl 推过去：

#!/bin/sh
# /usr/local/bin/smartd-notify.sh
# smartd 会通过环境变量把出问题的设备和原因传进来
curl -fsS \
  -H "Title: SMART alert on $(hostname)" \
  -H "Priority: high" \
  -d "${SMARTD_DEVICE}: ${SMARTD_FAILTYPE} - ${SMARTD_MESSAGE}" \
  https://ntfy.example.com/homelab-disk

记得 chmod +x。改完配置后验证一下：

# 临时在某一行末尾加上 -M test，重启后会立刻触发一次通知，确认收到后再删掉
systemctl restart smartmontools
journalctl -u smartmontools -n 50    # 看 smartd 有没有报配置错误

smartd -q showtests    # 打印接下来的自检计划，检查正则写对没有

踩过的坑

  1. DEVICESCAN 吃掉了后面的配置。 我第一次只是在文件末尾追加了自己的几行，结果怎么都不生效，翻了 man 才知道 DEVICESCAN 之后的行全被忽略了。
  2. USB 硬盘盒读不到 SMART。 我还有一块放在 USB 硬盘盒里的冷备份盘，直接 smartctl -a 报错，要加 -d sat 告诉它走 SATA 转译。有些廉价硬盘盒的桥接芯片干脆不支持透传，那就没办法了。
  3. Proxmox 上已经装好了。 PVE 默认就带了 smartmontools，smartd 也在跑，网页的“磁盘”页面能直接看到 SMART 状态。笔记本上我只改了配置文件加上通知，不需要另外安装。
  4. 服务名。 Debian 12 上的服务单元叫 smartmontools，smartd 只是它的别名，查日志时用 smartmontools 更稳妥。

小结

SMART 不能预测所有故障，很多盘是毫无征兆直接挂掉的，所以它替代不了备份，只是让“慢慢变坏”的那一类问题能被提前发现。配好之后基本不用管，手机上一直收不到消息，就是最好的消息。