S.M.A.R.T. - 硬盘健康监控分步指南
如果您正在运行服务器，存储基础设施的健康和可靠性是您最关心的问题之一。硬盘故障可能导致昂贵的停机时间、数据丢失以及性能下降，尤其是在正常运行时间至关重要的环境中。S.M.A.R.T.（自监控、分析与报告技术）是一项先进技术，旨在主动监控硬盘的健康状况，帮助您在问题变得严重之前及早检测潜在问题。
在本文中，我们将探讨如何实施和利用 S.M.A.R.T. 监控技术，以确保硬盘的可靠性和使用寿命，无论您的底层环境如何。
步骤一：了解 S.M.A.R.T.监控
S.M.A.R.T. 是几乎所有现代硬盘和固态硬盘（SSD）都具备的一项自监控功能。它可以监控与硬盘性能和可靠性相关的各种属性。通过跟踪诸如重映射扇区数、通电时间以及温度等属性，该技术能够为即将发生的硬盘故障提供早期预警。
在存储可靠性直接影响托管服务的可用性和数据完整性的设置中，监控这些属性至关重要。
步骤二：设置 S.M.A.R.T.在 Windows 上
如果您在 Windows 上运行，可以通过几种不同的方法实现 S.M.A.R.T. 监控，这取决于您的硬盘是通过硬件 RAID 控制器/伪 RAID（芯片上的 RAID）连接，还是作为独立硬盘连接。
RAID 配置
MegaRAID Storage Manager (MSM) 是由 Broadcom（前身为 LSI）开发的，专门用于管理和监控基于其芯片组的 RAID 控制器。对于来自其他制造商的 RAID 控制器的监控，您需要使用专门为这些特定卡开发的软件。
值得注意的是，99% 的 IPTP 控制器是 Broadcom（LSI）控制器。然而，也有其他制造商，如 Adaptec，使用完全不同的系统。我们的基础设施中也有一些这种控制器。
虽然 MSM 提供了基于图形用户界面的 RAID 阵列磁盘监控方法，但对于更深入的分析，我们仍然使用 smartctl（smartmontools 的一部分）来监控控制器后面的磁盘。以下是如何在 RAID 设置中使用 smartctl 的方法：
独立磁盘
您可以通过命令行使用 smartmontools 访问 S.M.A.R.T. 信息。安装完成后，运行以下命令以获取所选硬盘的完整健康报告：
smartctl -A /dev/sda
此命令将列出关键的 S.M.A.R.T. 属性，例如重映射扇区数、温度和通电时间。
在 Windows 上使用自动化进行调度
对于偏好自动化的 Windows 用户，您可以使用 PowerShell 脚本或批处理文件来调度任务，执行 S.M.A.R.T. 检查、创建日志或在必要时生成警报。
Step 3: 设置 S.M.A.R.T.在 Linux 上
对于在无头模式下运行的 Linux 系统，过程稍有不同。大多数 Linux 发行版默认不包含 smartmontools，即使已安装，S.M.A.R.T.服务（smartd）也可能没有开箱即用地启用。
安装 smartmontools:
使用发行版的包管理器安装 smartmontools:
- 对于 Ubuntu/Debian:
sudo apt install smartmontools - 对于 RedHat/CentOS:
sudo yum install smartmontools
启用 smartd 守护进程持续监控：
sudo systemctl enable smartd
sudo systemctl start smartd
更改其配置文件 –
sudo nano /etc/smartd.conf
配置示例 –
DEVICESCAN -a -o on -S on -n standby,q -s (S//./02|L//6/03) -W 4,35,40 -m root
让我们分解一下这个配置：
- DEVICESCAN: 告诉 smartd 扫描所有设备
- -a: 监控所有属性
- -o on: 启用自动离线测试
- -S on: 启用属性自动保存
- -n standby,q: 不检查磁盘是否处于待机状态，并且保持安静
- -s (S//./02|L//6/03): 每天凌晨 2 点安排短时间自检，每周六凌晨 3 点安排长期自检
- -W 4,35,40: 设置温度阈值（低温、高温、临界温度）
- -m root: 将电子邮件警报发送给 root 用户
要对任何磁盘执行快速运行状况检查，请运行：
sudo smartctl -A /dev/sda
此命令将返回一个属性列表，包括当前待处理扇区计数、CRC 错误计数和温度，提供磁盘当前健康状况的总体情况。
要从磁盘收集所有可能的 S.M.A.R.T. 数据，包括健康状态，请使用以下命令：
smartctl -h # Prints the help menu
smartctl --scan # Scans for all disks
smartctl -i /dev/sda # Displays information about a disk
smartctl -H /dev/sda # Performs a fast health check
smartctl -A /dev/sda # Displays all available information for the disk
对于 RAID 配置，在 RAID 控制器可能隐藏实际物理磁盘信息的情况下，–scan 命令将显示每个磁盘的正确路径。以下是 RAID 环境中的示例输出：
smartctl --scan
/dev/bus/6 -d megaraid,12 # Disk 12 in the RAID array, SCSI device
/dev/bus/6 -d megaraid,13 # Disk 13 in the RAID array, SCSI device
一旦您知道正确的磁盘路径，请通过以下方式获取详细信息：
smartctl -A /dev/bus/6 -d megaraid,12
Linux 上的自动化
您可以设置一个 cron 任务来自动执行磁盘检查，并在发现任何令人担忧的属性时通过电子邮件通知您。
步骤四：RAID 系统中的 S.M.A.R.T. 监控
在 RAID 环境中监控单个磁盘的健康状况可能具有挑战性，因为 RAID 控制器通常会隐藏每个磁盘的详细信息。然而，Windows 和 Linux 都有相应的解决方案。
对于 Windows RAID 设置
MegaRAID 存储管理器是硬件 RAID 系统中进行 S.M.A.R.T. 监控的必备工具。它提供了深入的 RAID 阵列中每个磁盘健康状况的洞察，确保故障磁盘不会被忽视。
- 打开 MegaRAID 存储管理器，输入 IP 地址进行登录，发现主机，选择服务器，并输入所需的用户名和密码以获得完全访问权限。
- 导航到“逻辑”选项卡以查看和选择驱动器，并查看关键的驱动器信息，如产品 ID、厂商 ID，以及关键的 S.M.A.R.T. 指标，如介质错误计数和预测故障计数。
对于 Linux RAID 设置
要管理和获取 RAID 阵列的 S.M.A.R.T. 信息，请使用 storcli：
sudo storcli /c0/e32/s0 show
此命令允许您提取与独立磁盘相同的 S.M.A.R.T. 指标，即使在复杂的 RAID 配置中，也能让您了解潜在的磁盘故障。
步骤五：S.M.A.R.T. 指标中需要关注的内容
并非所有 S.M.A.R.T. 属性都同样重要。以下是一些您应关注的关键指标：
- 重新分配扇区计数: 重新分配扇区数量增加表明磁盘正在重新映射坏扇区，这可能表示磁盘即将故障。
- 温度: 过高的温度可能导致磁盘提前故障。确保磁盘在安全的温度范围内运行。
- 开机小时数: 该指标通过跟踪磁盘使用时间来帮助估算磁盘的使用寿命。
- 命令超时和 CRC 错误: 这些错误可能表明磁盘与控制器之间的通信问题，通常是由于硬件故障或信号干扰。
- 对于存储设备: 关注介质磨损指示器，以监控设备是否接近其最大读写周期。
对 SSDs 使用 hdparm:
sudo hdparm --security-erase 12345 /dev/sdX
您还可以使用 dd 命令来覆盖数据：
sudo dd if=/dev/zero of=/dev/sdX bs=4096 status=progress
此过程确保磁盘上不再残留任何私人数据，使其准备好重新使用或报废。
结论：存储设备的主动健康监控
S.M.A.R.T. 监控是确保存储设备长期健康和可靠性的高效工具。通过定期检查关键的 S.M.A.R.T. 指标、自动化检查并理解潜在故障的迹象，您可以避免意外的停机时间并延长硬件的使用寿命。
对于对正常运行时间至关重要的服务器环境，在这些环境中数据完整性最为重要，S.M.A.R.T. 监控确保您始终领先一步，避免硬件问题。无论您使用的是 Windows 还是 Linux，还是管理复杂的 RAID 阵列，本指南提供了确保基础设施保持健康和安全所需的步骤。
准备在您的服务器中实施 S.M.A.R.T. 监控了吗？通过合适的工具和自动化，您可以确保基础设施保持可靠和安全。