S.M.A.R.T.-диагностика жёсткого диска: как читать атрибуты и когда менять диск

Что на самом деле измеряет S.M.A.R.T.

S.M.A.R.T. — служебная подсистема жёсткого диска, которая ведёт набор внутренних счётчиков (атрибутов) и позволяет прочитать их снаружи. Официальная документация Seagate (вики проекта openSeaChest) описывает структуру данных так: у каждого атрибута есть текущее значение (Nominal, иногда его называют «Current» или «Normalized»), «худшее» значение за историю (Worst) и пороговое значение (Threshold), заданное производителем для этого конкретного атрибута.

Отдельно от таблицы атрибутов диск поддерживает команду проверки общего статуса — «Return SMART Status», которая возвращает бинарный результат: диск считает, что сам находится в норме, либо превысил собственный порог по одному или нескольким атрибутам и сигнализирует об этом. Это тот самый флаг, который системные утилиты показывают как «PASSED» или «FAILED».

Ключевая оговорка из того же источника: нет требования, что какой-либо конкретный атрибут вообще присутствует или отслеживается каким-то определённым образом — набор атрибутов, их количество и смысл raw-значений производитель определяет сам. Это не изъян реализации, а особенность технологии с момента её появления: S.M.A.R.T. — это интерфейс для отчёта производителя о собственной телеметрии, а не единый промышленный стандарт измерения «здоровья» диска.

Pre-fail и Advisory: как читать флаг атрибута

Помимо числовых значений, у каждого атрибута в схеме Seagate есть тип — им говорят, что́ вообще значит ухудшение этого конкретного счётчика:

Pre-fail (предотказный). Атрибут этого типа предупреждает о вероятности скорого физического отказа диска. Именно такие атрибуты чаще всего покрываются гарантийной заменой производителя, если истинность предупреждения подтверждается: логика в том, что деградация конкретно этого параметра статистически связана с приближающимся выходом диска из строя.

Advisory (справочный). Атрибут этого типа фиксирует старение или условия эксплуатации — например, число включений/выключений или общее время наработки — и сам по себе не является сигналом надвигающегося отказа. Рост такого счётчика — это факт истории использования диска, а не диагноз.

Практический вывод: прежде чем реагировать на «покрасневший» атрибут в любой утилите мониторинга, стоит понимать, к какому из двух классов он относится по документации конкретного производителя — иначе легко принять безобидное справочное значение за предвестник отказа, или наоборот.

Пять атрибутов, на которые стоит смотреть в первую очередь

Официальная вики Seagate называет несколько атрибутов, которые на практике встречаются чаще всего и типично относятся к предотказным: пересчитанные секторы, ожидающие пересчёта секторы, некорректируемые ошибки, температура, ошибки поиска/чтения. Отдельно, независимо от Seagate, компания Backblaze опубликовала в собственном блоге статистику по своему парку дисков дата-центров, сопоставив уровни конкретных атрибутов с годовой частотой отказов (AFR) внутри своего парка. Это данные одного конкретного облачного оператора за указанный период, а не универсальный прогноз для любой модели диска — но именно это делает их полезными как ориентир, а не как норматив:

Важное методологическое замечание из той же публикации Backblaze: raw-значения этих атрибутов коррелируют с отказом заметно сильнее, чем «нормализованные» (Normalized/Nominal) значения — то есть смотреть стоит именно на сырой счётчик (например, фактическое число пересчитанных секторов), а не только на итоговый «нормализованный балл» утилиты.

Почему нет универсального «безопасного» порога

Соблазн после таблицы выше — завести собственное «красная зона: больше N секторов». Это будет ошибкой ровно по той причине, которую называет сама Seagate: пороги и способ кодирования raw-значений специфичны для производителя и модели и не сравнимы напрямую между вендорами. Одно и то же числовое значение атрибута у разных производителей — а иногда и у разных линеек одного производителя — может кодироваться по-разному и означать разную степень серьёзности.

Отсюда следует практическое правило: числа из таблицы Backblaze — это иллюстрация того, что рост этих конкретных атрибутов связан с отказом, а не таблица «безопасных лимитов» для вашего конкретного диска. Надёжный сигнал — это динамика (растут ли счётчики со временем) и собственный статус диска (pass/fail по «Return SMART Status»), а не сравнение сырого числа с чужим порогом.

Когда показания говорят «готовьтесь менять диск»

Без универсального порога решение принимается по совокупности признаков, а не по одному числу:

Статус «Return SMART Status» = FAILED. Это самый однозначный сигнал: диск сам превысил собственный порог по одному или нескольким атрибутам. По методологии Seagate такие атрибуты чаще всего относятся к Pre-fail — то есть диск буквально сообщает о повышенной вероятности скорого отказа.

Ненулевые и особенно растущие Reallocated Sectors (5) или Pending Sectors (197). По данным Backblaze именно рост этих двух атрибутов сильнее всего связан с последующим отказом в их парке. Единичное старое стабильное значение — не то же самое, что счётчик, увеличивающийся от проверки к проверке.

Появление ненулевых Offline Uncorrectable (198). В статистике Backblaze это атрибут с самой высокой связанной частотой отказов среди рассмотренных пяти.

Если совпадает хотя бы одно из первых двух условий — не дожидаясь третьего, стоит сначала обеспечить актуальную резервную копию данных с этого диска, а уже потом разбираться дальше: диагностика точнее не заменяет своевременный бэкап.

Чего S.M.A.R.T. не предсказывает

S.M.A.R.T. по своей конструкции — это набор счётчиков, которые производитель посчитал полезными для раннего предупреждения, а не полная модель предсказания любого возможного отказа. Из самого определения технологии (набор атрибутов не стандартизован, производитель сам решает, что отслеживать) следует прямое ограничение: событие, для которого производитель не завёл отдельный счётчик, или внезапный отказ электроники/контроллера, не связанный с постепенной деградацией поверхности, не обязан отражаться в показаниях заранее.

Практический вывод: чистые показания S.M.A.R.T. — это основание для спокойствия «на сегодня», а не гарантия на будущее, и не повод откладывать базовую гигиену резервного копирования только потому, что диагностика ничего не показала. S.M.A.R.T. — дополнение к правилу 3-2-1, а не замена ему.

Практический алгоритм проверки

Порядок действий, который следует из разобранных выше принципов, а не из абсолютных чисел:

1. Проверить общий статус диска (pass/fail). Это самый быстрый и однозначный шаг — статус «FAILED» не требует дальнейшей интерпретации.

2. Прочитать raw-значения пяти атрибутов из таблицы выше. Смотреть именно на сырые счётчики, а не только на нормализованный балл утилиты — по данным Backblaze raw-значения информативнее.

3. Сравнить текущий снимок с предыдущим, а не оценивать разово. Стабильный ненулевой Reallocated Sectors, который не растёт месяцами, — не то же самое, что счётчик, увеличивающийся при каждой новой проверке. Регулярный (например, еженедельный) снимок показаний — единственный способ увидеть именно динамику.

4. Не сравнивать сырые значения между разными моделями/производителями как «норму». Порог, посчитанный приемлемым для одной модели, ничего не говорит о другой — используйте прежде всего собственную историю показаний этого диска.

5. При срабатывании статуса FAILED или росте Reallocated/Pending Sectors — сразу к следующему разделу. Не откладывать копирование данных ради «более точной» диагностики.

После тревожных показаний: бэкап и план замены

Первый шаг при тревожных показаниях S.M.A.R.T. — не более глубокая диагностика, а актуальная резервная копия данных с этого диска. Как устроена минимально надёжная схема резервного копирования — три копии, два типа носителей, одна копия вне офиса — разобрано в статье «Правило 3-2-1 для бэкапов на практике»; там же — почему RAID сам по себе не заменяет резервную копию, что особенно важно, если тревожный диск стоит в массиве.

Второй шаг — не полагаться на непроверенную копию: как убедиться, что резервная копия действительно восстанавливается, а не просто существует, — в статье «Проверка резервных копий: тестовое восстановление». Если у диска уже есть growing pending-sectors или статус FAILED, дожидаться планового ежемесячного теста не стоит — тестовое восстановление имеет смысл сделать внепланово, сразу после копирования.

Третий шаг — подбор диска на замену: серверные HDD различаются по классу нагрузки, интерфейсу и другим параметрам, которые стоит сверять по документации конкретной модели, а не по общим ожиданиям — с этого и начинается гайд по выбору жёсткого диска для сервера.

Частые вопросы