通过所有诊断后确认磁盘已损坏

Question

我有一个磁盘可能损坏的系统，但磁盘通过了各种诊断。我一直无法确认磁盘是否损坏。我有哪些选择？

我可以只更换磁盘，但因为这种情况与我遇到的另一个更严重的情况非常相似（长话短说），我想实际做出正确的诊断，而不是随机装箱硬件。

问题和历史是这样的：

1. 我有一台 Debian Linux PC (500 MHz P3) 作为路由器、nagios 和 munin。
2. 它每隔几周就崩溃一次。无法获得日志或 dmesg（因为它是一个旧的 Compaq，只有在您将其配置为无键盘时才能启动，因此一旦启动就无法连接键盘）。
3. 当时，我只是用另一台康柏（P4 2.4 GHz）更换了计算机，因为我认为硬件有问题。但是，它仍然每隔几周崩溃一次。
4. 不同的是，在这台计算机上，我仍然可以通过 SSH 进入它。它在 hda 上给出了各种错误。

我想确认磁盘坏了，但我所做的一切都没有证实这一点：

1. SMART 错误日志显示没有错误。通常当磁盘开始运行时，SMART my pass，但它仍然在错误日志中记录读取错误。
2. SMART 自检 ( smartctl -t long /dev/sda) 无错误完成。
3. 重新分配的扇区数（一个指示参数）在其整个生命周期中一直是 31，即使磁盘多年前仍在我的台式机中使用，现在仍然如此。这个数字从未改变。
4. dd if=/dev/sda of=/dev/null bs=4096 以绚丽的色彩传递。

我还能做些什么来评估驱动器的健康状况？

同样，这不是要让这个路由器再次完全正常运行，这是一个磁盘取证问题，因为碰巧我有另一台服务器可能有同样的问题，知道这个问题的答案可能会对我有很大帮助。

为了记录，以下是日志等。

这是smartctl -a输出：

smartctl 5.40 2010-07-12 r3124 [i686-pc-linux-gnu] (local build)
Copyright (C) 2002-10 by Bruce Allen, http://smartmontools.sourceforge.net

=== START OF INFORMATION SECTION ===
Model Family:     Seagate Barracuda 7200.7 and 7200.7 Plus family
Device Model:     ST3120026A
Serial Number:    5JT1CLQM
Firmware Version: 3.06
User Capacity:    120,034,123,776 bytes
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   6
ATA Standard is:  ATA/ATAPI-6 T13 1410D revision 2
Local Time is:    Mon Jul  1 21:18:33 2013 CEST
SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status:  (0x82) Offline data collection activity
                    was completed without error.
                    Auto Offline Data Collection: Enabled.
Self-test execution status:      (  24) The self-test routine was aborted by
                    the host.
Total time to complete Offline 
data collection:         ( 430) seconds.
Offline data collection
capabilities:            (0x5b) SMART execute Offline immediate.
                    Auto Offline data collection on/off support.
                    Suspend Offline collection upon new
                    command.
                    Offline surface scan supported.
                    Self-test supported.
                    No Conveyance Self-test supported.
                    Selective Self-test supported.
SMART capabilities:            (0x0003) Saves SMART data before entering
                    power-saving mode.
                    Supports SMART auto save timer.
Error logging capability:        (0x01) Error logging supported.
                    No General Purpose Logging support.
Short self-test routine 
recommended polling time:    (   1) minutes.
Extended self-test routine
recommended polling time:    (  85) minutes.

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     0x000f   050   046   006    Pre-fail  Always       -       47766662
  3 Spin_Up_Time            0x0003   097   096   000    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0032   100   100   020    Old_age   Always       -       10
  5 Reallocated_Sector_Ct   0x0033   100   100   036    Pre-fail  Always       -       31
  7 Seek_Error_Rate         0x000f   084   060   030    Pre-fail  Always       -       820305
  9 Power_On_Hours          0x0032   048   048   000    Old_age   Always       -       46373
 10 Spin_Retry_Count        0x0013   100   100   097    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   100   100   020    Old_age   Always       -       605
194 Temperature_Celsius     0x0022   036   065   000    Old_age   Always       -       36
195 Hardware_ECC_Recovered  0x001a   050   046   000    Old_age   Always       -       47766662
197 Current_Pending_Sector  0x0012   100   100   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0010   100   100   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x003e   200   196   000    Old_age   Always       -       6
200 Multi_Zone_Error_Rate   0x0000   100   253   000    Old_age   Offline      -       0
202 Data_Address_Mark_Errs  0x0032   100   253   000    Old_age   Always       -       0

SMART Error Log Version: 1
No Errors Logged

SMART Self-test log structure revision number 1
Num  Test_Description    Status                  Remaining  LifeTime(hours)  LBA_of_first_error
# 1  Extended offline    Aborted by host               80%     46361         -
# 2  Extended offline    Completed without error       00%     46358         -
# 3  Short offline       Completed without error       00%     12046         -
# 4  Extended offline    Completed without error       00%     10472         -
# 5  Short offline       Completed without error       00%     10471         -
# 6  Short offline       Completed without error       00%     10471         -
# 7  Short offline       Completed without error       00%      6770         -
# 8  Extended offline    Aborted by host               90%      5958         -
# 9  Extended offline    Aborted by host               90%      5951         -
#10  Short offline       Completed without error       00%      5024         -
#11  Extended offline    Aborted by host               80%      5024         -
#12  Short offline       Completed without error       00%      3697         -
#13  Short offline       Completed without error       00%       237         -
#14  Short offline       Completed without error       00%       145         -
#15  Short offline       Completed without error       00%        69         -
#16  Extended offline    Completed without error       00%        68         -
#17  Short offline       Completed without error       00%        66         -
#18  Short offline       Completed without error       00%        49         -
#19  Short offline       Completed without error       00%        29         -
#20  Short offline       Completed without error       00%        29         -

SMART Selective self-test log data structure revision number 1
 SPAN  MIN_LBA  MAX_LBA  CURRENT_TEST_STATUS
    1        0        0  Not_testing
    2        0        0  Not_testing
    3        0        0  Not_testing
    4        0        0  Not_testing
    5        0        0  Not_testing
Selective self-test flags (0x0):
  After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.

这是崩溃时的 dmesg 错误（对一堆不同的扇区重复）：

[1755091.211136] sd 0:0:0:0: [sda] Unhandled error code
[1755091.211144] sd 0:0:0:0: [sda] Result: hostbyte=DID_BAD_TARGET driverbyte=DRIVER_OK
[1755091.211151] sd 0:0:0:0: [sda] CDB: Read(10): 28 00 08 fe ad 38 00 00 08 00
[1755091.211166] end_request: I/O error, dev sda, sector 150908216

Answer 1

你不能可靠。

或者更确切地说，您已经使用可用的选项完成了它。

谷歌的一项研究发现，出现故障的磁盘不一定会显示异常的 SMART 值（但反过来更可靠：当出现异常时，它们就会出现故障）。

暂时把这个放在一边，请记住，尽管计算中的很多内容都已标准化，但实际上硬件和软件中都存在错误，误差范围可能会累积等等。现实世界并不完美，而且也不是完美的。看不见的硬盘与特定控制器不能很好地配合- 反之亦然。有时这是固件故障的问题，有时是一些完全不同的系统组件不工作的问题，例如低于标准的 PSU 在特定负载峰值时崩溃。甚至温度变化、年龄……这个列表几乎可以随意扩展。

因此，这里的标准程序是将磁盘放入显着不同的系统配置中并重新运行测试 - 但由于您已经在完全更改系统的情况下这样做了，因此您已经正确地得出磁盘一定有故障的结论。（除非您没有像您告诉我们的那样更改其他所有内容 - 会想到电缆/HBA，在这种情况下，该假设将不成立）。

编辑：我刚刚意识到还剩下一个选择；您可以搜索是否有可用于此磁盘驱动器的固件版本比您特定驱动器上当前版本更新的固件版本。如果是这样，您可以查看更改日志，指出您的案例中可能存在的问题。

总之，要完全确信（在这种特殊情况下！）驱动器行为异常，您需要将其发送回制造商。