什么叫S.M.A.R.T.
2020-07-21 19:28:30
供稿：網(wǎng)友
S.M.A.R.T.（自監(jiān)測、分析、報告技術）：這是現(xiàn)在硬盤普遍采用的數(shù)據(jù)安全技術，在硬盤工作的時候監(jiān)測系統(tǒng)對電機、電路、磁盤、磁頭的狀態(tài)進行分析，當有異常發(fā)生的時候就會發(fā)出警告，有的還會自動降速并備份數(shù)據(jù)。
早在上個世紀九十年代，人們就意識到數(shù)據(jù)的寶貴性勝于硬盤自身價值，渴望有種技術能對硬盤故障進行預測并實現(xiàn)相對安全的數(shù)據(jù)保護，因此S.M.A.R.T技術應運而生。目前，雖然大多數(shù)硬盤的平均無故障時間(MTBF)已達30000～50000小時以上，然而對于不少用戶，特別是商業(yè)用戶而言，一次普通的硬盤故障便足以造成災難性后果，所以時至今日，S.M.A.R.T技術仍為我們所用。
一、S.M.A.R.T究竟是什么？
S.M.A.R.T的全稱為“Self-Monitoring，Analysis and Reporting Technology”，即“自我監(jiān)測、分析及報告技術”。支持S.M.A.R.T技術的硬盤可以通過硬盤上的監(jiān)測指令和主機上的監(jiān)測軟件對磁頭、盤片、馬達、電路的運行情況、歷史記錄及預設的安全值進行分析、比較。當出現(xiàn)安全值范圍以外的情況時，就會自動向用戶發(fā)出警告。
該技術由Compaq公司率先開發(fā)，IBM、希捷、富士通、昆騰等硬盤廠商參與修正，并融合了Compaq公司的IntelliSafe診斷技術和IBM的PFA檢測技術特點。
1995年5月，Compaq公司向Small Form Factor(SFF)委員會提交了IntelliSafe的技術標準報告(SFF-8035i)；1996年1月進行1.0版的修正(SFF-8035R2)；1996年6月進行了1.3版的修正(SFF-8055)，并聯(lián)合IBM等公司向SFF正式申請將IntelliSafe技術加入到ATA-3的行業(yè)標準中，正式更名為S.M.A.R.T
作為行業(yè)標準，S.M.A.R.T規(guī)定了硬盤制造廠商應遵循的標準。滿足S.M.A.R.T標準的條件主要包括：在設備制造期間完成S.M.A.R.T需要的各項參數(shù)、屬性的設定；在特定系統(tǒng)平臺下，能夠正常使用S.M.A.R.T；通過BIOS檢測，能夠識別設備是否支持S.M.A.R.T并可顯示相關信息，而且能辨別有效和失效的S.M.A.R.T信息；允許用戶自由開啟和關閉S.M.A.R.T功能；在用戶使用過程中，能提供S.M.A.R.T的各項有效信息，確定設備的工作狀態(tài)，并能發(fā)出相應的修正指令或警告。在硬盤以及操作系統(tǒng)都支持S.M.A.R.T.技術并且該技術默認開啟的的情況下，在不良狀態(tài)出現(xiàn)時S.M.A.R.T.技術能夠在屏幕上顯示英文警告信息：“WARNING：IMMEDIATLY BACKUP YOUR DATA AND REPLACE YOUR HARD DISK DRIVE，A FAILURE MAY BE IMMINENT．” (警告：立刻備份你的數(shù)據(jù)同時更換硬盤驅動器，可能有錯誤出現(xiàn)。)
二、S.M.A.R.T在何處？如何工作？
S.M.A.R.T信息保留在硬盤的系統(tǒng)保留區(qū)(service area)內(nèi)，這個區(qū)域一般位于硬盤0物理面的最前面幾十個物理磁道，由廠商寫入相關內(nèi)部管理程序。除了S.M.A.R.T信息表外還包括低級格式化程序、加密解密程序、自監(jiān)控程序、自動修復程序等。監(jiān)測軟件通過一個名為“SMART RETURN STATUS”的命令(命令代碼為：B0h)對S.M.A.R.T信息進行讀取，且不允許最終用戶對信息進行修改。
三、S.M.A.R.T信息表由什么組成？
S.M.A.R.T標準中采用二進制代碼作為S.M.A.R.T的基本指令，并規(guī)定寫入標準的寄存器中，形成特定的S.M.A.R.T信息表，以供正常檢測和運行。S.M.A.R.T指令分主指令(Command)和次指令(Subcommands)。主指令主要提供設備是否支持S.M.A.R.T或忽略某一次指令特征的信息。而次指令則提供支持S.M.A.R.T設備的檢測信息。這些指令主要由設備廠商寫入，一些專業(yè)硬盤維修軟件可以通過這些代碼進行設備的檢測。
四、通過軟件查看硬盤的健康狀況
S.M.A.R.T技術的原理是通過偵測硬盤各屬性，如數(shù)據(jù)吞吐性能、馬達起動時間、尋道錯誤率等屬性值和標準值進行比較分析，推斷硬盤的故障情況并給出提示信息，幫助用戶避免數(shù)據(jù)損失。S.M.A.R.T因此規(guī)定了專門的檢測參數(shù)，由于硬盤結構、性能和定位上的不同，除了ATA-3標準規(guī)定的參數(shù)外，廠商可以根據(jù)自己產(chǎn)品的特性提供不同的S.M.A.R.T檢測參數(shù)。普通用戶則可以通過常用的系統(tǒng)工具(如AIDA32)來查看，并通過這些參數(shù)了解硬盤的“健康”狀況。
接下來，我們以希捷硬盤的S.M.A.R.T檢測參數(shù)為例，具體分析主要參數(shù)的含義。如圖2所示，S.M.A.R.T檢測參數(shù)分為7列，分別是ID檢測代碼、屬性描述、閾值、屬性值、最大錯誤值、實際值和屬性狀態(tài)。
1.ID檢測代碼
ID檢測代碼不是唯一的，廠商可以根據(jù)需要，使用不同的ID代碼或根據(jù)檢測參數(shù)的多少增減ID代碼的數(shù)量。例如，西數(shù)公司的產(chǎn)品ID檢測代碼為“04”，檢測的參數(shù)是Start/Stop Count(加電次數(shù))，而富士通公司同樣代碼的檢測參數(shù)卻為“Number of times the spindle motor is activated”(電機激活時間)。
2.屬性描述(Attribute Description)
屬性描述(Attribute Description)即檢測項目名稱?？捎蓮S商自定義增減，由于ATA標準不斷更新，有時候同一品牌的不同型號產(chǎn)品也會有所不同。但必須確保S.M.A.R.T規(guī)定的幾個主要檢測項目(雖然不同廠商對檢測項目都有特定的命名規(guī)則，但這些監(jiān)測項目的實質其實是一樣的)。
Read Error Rate 錯誤讀取率
Start/Stop Count 啟動/停止次數(shù)(又稱加電次數(shù))
Relocated Sector Count 重新分配扇區(qū)數(shù)
Spin up Retry Count 旋轉重試次數(shù)(即硬盤啟動重試次數(shù))
Drive Calibration Retry Count 磁盤校準重試次數(shù)
ULTRA DMA CRC Error Rate (ULTRA DMA奇偶校驗錯誤率)
Multi-zone Error Rate 多區(qū)域錯誤率
Vendor-specific 廠商特性
需要注意的是，不同廠商、不同類型產(chǎn)品的屬性描述不盡相同。對用戶而言，無須深入了解它們的具體含義，只需了解屬性監(jiān)測值的含義即可。
3.閾值(Threshold)
又稱門限值。是由硬盤廠商指定的可靠的屬性值，通過特定公式計算而得。如果有一個屬性值低于相應的閾值，就意味著硬盤將變得不可靠，保存在硬盤里的數(shù)據(jù)也很容易丟失?？煽繉傩灾档慕M成和大小對不同硬盤來說是有差異的。這里需要注意的是，ATA標準中只規(guī)定了一些S.M.A.R.T參數(shù)，它沒有規(guī)定具體的數(shù)值，“Threshold”的數(shù)值是廠商根據(jù)自己產(chǎn)品特性而確定的。因此，用廠商自己提供的檢測軟件往往會跟Windows下的檢測軟件(例如AIDA32)的檢測結果有較大出入。這里，我們推薦以廠商軟件的檢測結果為標準，因為Windows環(huán)境下，系統(tǒng)要求硬盤的啟動程序比DOS下多得多，這可能導致硬盤S.M.A.R.T值比DOS環(huán)境下檢測的波動更大。以參數(shù)Raw ErrorRate(錯誤讀取率)為例：該參數(shù)的計算公式為10×log10(主機和硬盤之間所傳輸數(shù)據(jù)的扇區(qū)數(shù))×512×8/重讀的扇區(qū)數(shù)。其中 “512×8”是把扇區(qū)數(shù)轉化為所傳輸?shù)臄?shù)據(jù)位(bits)，這個值只在所傳輸?shù)臄?shù)據(jù)位處于10^10～10^12范圍時才作計算，而當Windows系統(tǒng)啟動后，主機和硬盤之間所傳輸?shù)臄?shù)據(jù)扇區(qū)大于或等于10^12時，此值將重新復位。這就是為什么有些值在不同的操作環(huán)境、不同檢測程序下時波動較大的原因。
4.屬性值(Attribute value)
屬性值是指硬盤出廠時預設的最大正常值，一般范圍為1～253。通常，最大的屬性值等于100(適用于IBM、昆騰、富士通)或253(適用于三星)。當然，也有例外的時候，比如由西部數(shù)據(jù)公司生產(chǎn)的部分型號硬盤，就用了兩個不同的屬性值，最初生產(chǎn)時屬性值設為200，但后來生產(chǎn)的硬盤屬性值又改為100。
5.最大出錯值(Worst)
最大出錯值是硬盤運行中曾出現(xiàn)過的最大的非正常值。它是對硬盤累計運行的計算值，根據(jù)運行周期，該數(shù)值會不斷地刷新，并且會非常接近閾值。S.M.A.R.T分析和判定硬盤的狀態(tài)是否正常，就是根據(jù)這個數(shù)值和閾值的比較結果而定。新硬盤開始時有最大的屬性值，但隨著日常使用或出現(xiàn)錯誤，該值會不斷減小。因此，較大的屬性值意味著硬盤質量較好而且可靠性較高，而較小的屬性值則意味著故障發(fā)生的可能性增大。
6.實際值(Date)
是硬盤各檢測項目運行中的實際數(shù)值，很多項目是累計值。例如：圖3中的Start/Stop Count(啟停次數(shù))，累計的實際值是436，即該硬盤從開始到現(xiàn)在累計加電啟停436次。
7.屬性狀態(tài)(Status)
這是S.M.A.R.T針對前面的各項屬性值進行比較分析后，提供的硬盤各屬性目前的狀態(tài)，也是我們直觀判斷硬盤“健康”狀態(tài)的重要信息。根據(jù)S.M.A.R.T的規(guī)定，這種狀態(tài)一般有正常、警告和報告故障或錯誤等3種狀態(tài)。S.M.A.R.T判定出這3個狀態(tài)與S.M.A.R.T的 Pre-failure/advisory BIT(預知錯誤/發(fā)現(xiàn)位)參數(shù)的賦值密切相關。
當Pre-failure/advisory BIT=0，并且可靠屬性值遠大于閾值的情況下，為正常提示“OK”標志。當Pre-failure/advisory BITt=0，并且可靠屬性值大于閾值但接近閾值臨界值時，為警告提示“！”標志；當Pre-failure/advisory BITt=1，并且可靠屬性值小于閾值時，為報告故障或錯誤提示“?。?！”標志。
在圖2中，我們發(fā)現(xiàn)出現(xiàn)“OK”標志的正常狀態(tài)下有“值正?！?Value is Normal)和“總是略過”(Always Passing)兩個狀態(tài)說明。它們的區(qū)別是：“值正?！北砻鞔隧桽.M.A.R.T值是正常的，硬盤沒有故障；“永遠略過”則表明此項只是某參數(shù)的記錄，沒有合格與不合格的標準，如“Power on time count”，這個參數(shù)只是記錄了硬盤已經(jīng)加電工作的時間，這個參數(shù)應當永遠合格，它不用來衡量硬盤的性能，因此顯示為“OK:Value is Normal”。
下面我們以ID為“04”的Start/Stop Count(加電次數(shù))檢測參數(shù)為例，完整地來理解這7列參數(shù)的意義：從圖2中我們看到此參數(shù)規(guī)定的屬性正常值(Attribute value)為“100”，這個正常值是通過計算公式：“100-硬盤正常使用壽命期間的加電次數(shù)/1024”而給出的。而最大出錯值是硬盤運行的累計計算值。例如如果是新硬盤，則加電次數(shù)為0，因此為100-0/1024＝100，最大出錯值＝屬性正常值。隨著加電次數(shù)的增加，該最大出錯值不斷變化。廠商規(guī)定的閾值為20，即當硬盤的開關電次數(shù)達到81920次時(100-81920/1024=20)，最大出錯值＝閾值，系統(tǒng)就會提示用戶備份數(shù)據(jù)。因此，加電次數(shù)在81920次范圍之內(nèi)，并且最大出錯值始終大于閾值20的狀態(tài)下，均為正常。圖中的加電次數(shù)(Date實際值)為107次，因此最大出錯值近似為100，狀態(tài)顯示為“OK:Value is Normal(值正常)”。需要特別注意的是：每一個參數(shù)所給出的值都是經(jīng)過一些特定的計算公式而給出的。作為用戶，只要觀察“Worst”和“Threshold”值的關系，并注意狀態(tài)提示屬性狀態(tài)信息即可大致了解硬盤的健康狀況。
五、SCSI系統(tǒng)中的S.M.R.A.T技術
由于目前硬盤領域存在ATA和SCSI兩種標準，所以不可否認，S.M.A.R.T技術是同時支持這兩個系列的產(chǎn)品的，只是在一些參數(shù)設定上存在一些差異，在關鍵參數(shù)上SCSI比ATA硬盤更為復雜。但在實際運作中，由于用戶和使用環(huán)境不同，S.M.A.R.T對ATA/IDE系統(tǒng)的干預比SCSI系統(tǒng)要多一些，而對SCSI故障的判定更為專業(yè)和準確些。SCSI硬盤的S.M.A.R.T技術與ATA硬盤的S.M.A.R.T技術相比更為復雜，以下僅列舉SCSI硬盤所特有參數(shù)中的一部分。
Primary Temp：硬盤盤體的工作溫度
Secondary Temp：PCB板周圍的工作溫度
Min and Max Temp：在一段時間內(nèi)硬盤盤體的最高和最低工作溫度
Velocity Observer Count：在一段時間內(nèi)伺服尋道時偏離指定磁道的次數(shù)
12V：12V供電電壓值
5V：5V供電電壓值
MR Res：MR磁頭的電阻值
Sectors Read：在一段時間內(nèi)從硬盤中讀取的扇區(qū)數(shù)
Sectors Written：在一段時間內(nèi)數(shù)據(jù)寫入硬盤中的扇區(qū)數(shù)
在ATA/IDE環(huán)境下，由主機上的軟件對S.M.A.R.T“報告狀態(tài)”命令生成的、來自硬盤的報警信號進行解讀。主機對硬盤進行查詢，以檢查這一命令的狀態(tài)，如果顯示馬上要發(fā)生故障，就將告警信號送至最終用戶或系統(tǒng)管理員。系統(tǒng)管理員就安排關機時間，以備份數(shù)據(jù)和更換硬盤。主系統(tǒng)除對來自硬盤的“報告狀態(tài)”命令進行評估外，還可對屬性和告警報告進行評估。在SCSI環(huán)境下，S.M.A.R.T則只報告“狀況完好”或“出現(xiàn)故障”。由硬盤進行故障判斷，再由主機通知用戶采取措施。在SCSI標準中有一個檢測位，當硬盤確定可靠性出現(xiàn)問題時，檢測位就打上標記并通知最終用戶或系統(tǒng)管理員，采取相應措施。
六、S.M.A.R.T的預測效果究竟如何？
通常我們面對的硬盤故障可以分為兩大類：不可預測和可預測。
不可預測故障，通常指不可預料的電子和機械故障，這類故障發(fā)生在瞬間，如硬盤加電狀態(tài)意外碰撞導致硬盤磁頭撞擊盤片，或瞬間電流過大引起的芯片或電路故障。通常是在S.M.A.R.T反映出性能下降之前，硬盤就已經(jīng)不能工作。而這些只可通過質量、設計、工藝、制造等方面的改進以及使用過程中規(guī)范操作來降低不可預測故障的發(fā)生率(例如硬盤防震技術的開發(fā)和進展，有效降低了硬盤震動物理故障的概率)。
可預測故障具有在硬盤完全不能工作前，其相應的參數(shù)會隨時間發(fā)生變化的特點。根據(jù)這一特點，可以通過S.M.A.R.T此類實時信息檢測技術監(jiān)測其屬性來進行故障預測、分析和提供建議，從而加以防范。此類故障中包括軟件故障和硬件故障。例如許多機械故障都被看作是典型的可預測故障，S.M.A.R.T技術對于此類故障就有了用武之地，在發(fā)生故障之前，可以發(fā)出提醒用戶備份數(shù)據(jù)的通知，保護用戶的數(shù)據(jù)。
據(jù)研究數(shù)據(jù)表明，利用S.M.A.R.T技術可預測的硬盤故障中，60％為機械性質的，40％左右則是對軟性故障的有效預測。隨著S.M.A.R.T技術及相關技術的漸漸成熟，可預測出的故障種類將越來越多，對故障的防范措施也會變得越來越有效。當然，對不想開啟S.M.A.R.T技術的讀者而言，也可以在BIOS設置的“Advanced BIOS Set Up”選項中將其關閉
七、對一些特殊問題的解答
1.組建RAID之后，S.M.A.R.T是否仍然生效？
用戶組建RAID之后，S.M.A.R.T功能仍然有效，但是這需要RAID卡控制芯片支持S.M.A.R.T功能。實際上，RAID卡的S.M.A.R.T報警功能與硬盤在常規(guī)狀態(tài)下的報錯信息并無太大差別。報警時，相應模塊所對應的硬盤指示燈(通常為紅色)會長亮以起到警示作用。
2.為什么監(jiān)測不到USB接口外置硬盤的S.M.A.R.T狀態(tài)？
對于一個USB接口外置硬盤而言，系統(tǒng)將它判定為一個USB設備，監(jiān)測不到S.M.A.R.T信息是因為USB標準中沒有此項規(guī)定。此時雖然硬盤自身仍然在記錄S.M.A.R.T狀態(tài)，但由于它是USB外設，系統(tǒng)就不會監(jiān)測它的S.M.A.R.T狀態(tài)。
3.S.M.A.R.T功能對系統(tǒng)性能是否有影響？
硬盤記錄S.M.A.R.T信息有兩種方式，第一種是“在線(On-line)”收集，所謂在線收集就是硬盤在工作時，根據(jù)硬盤的實際工作狀態(tài)收集到的信息，硬盤實時或在指定時間段內(nèi)更新自身的S.M.A.R.T數(shù)據(jù)。舉例來說，如果一個ATA硬盤在寫入數(shù)據(jù)到一個扇區(qū)時，遇到一個不可修正的錯誤，硬盤會及時把這個信息更新到SMART數(shù)據(jù)中；對于SCSI硬盤，如果它設定的S.M.A.R.T更新周期是4分鐘，則它會把在4分鐘內(nèi)收集到的相關S.M.A.R.T信息更新到S.M.A.R.T數(shù)據(jù)區(qū)，然后再開始下一個周期的跟蹤。在線收集狀態(tài)對系統(tǒng)性能沒有影響。
第二種是“離線(off-line)”收集，離線收集是硬盤收到主機發(fā)來的一些特定指令時而進行自檢測試，此時硬盤會處于“idel”狀態(tài)或錯誤修正狀態(tài)，在這類情況下，硬盤自身將作大量動作以測試健康狀態(tài)，導致硬盤對主機發(fā)出的正常要求產(chǎn)生延遲。所以離線收集狀態(tài)會造成系統(tǒng)性能的下降。
4.S.M.A.R.T技術對相關信息的記錄是否有周期性？
對于SCSI硬盤而言，記錄S.M.A.R.T信息有周期性，一般情況下周期處于4分鐘～120分鐘之間。這個值在硬盤出廠時就已設定，并且只能通過專業(yè)軟件進行修改；而對于ATA硬盤，S.M.A.R.T信息的記錄則沒有周期性。
八、寫在最后
經(jīng)過近9年的發(fā)展，S.M.A.R.T技術已成為ATA/SCSI規(guī)范中不可或缺的部分。目前，硬盤廠商關于數(shù)據(jù)保護技術的開發(fā)和研究，也基本是建立在S.M.A.R.T技術基礎上的。通過本文的分析可以看出，S.M.A.R.T具有被動性的檢測、預警功能，被新興的數(shù)據(jù)保護技術衍生為可主動修復的功能。隨著硬盤技術的更新，我們有理由相信，S.M.A.R.T技術將給用戶的數(shù)據(jù)提供更多保障。
