Linux 上處理壞軌硬碟的兩三事
有養動物園或是管理伺服器的人，難免都會碰到一些硬碟故障的問題。這篇文章略為整理一些在 Linux 上處理壞軌硬體的一些軟體知識與技巧。針對讀者為中等程度以上的使用者，文中僅僅提供參考資料，不說明實際操作或指令明細，請自行參考相關文件。作者以最大善意盡力提供參考資訊，但文中如有疏漏或錯誤造成資料遺失，作者不負任何責任。
文中說明均以 Linux Extended file system 為主，操作平臺是 Debian GNU/Linux. 所提及工具授權均為 FLOSS 。假設錯誤硬碟為 /dev/sdb，所有指令需要以 root 執行。
章節結構
所謂的邏輯性錯誤，就是硬碟離線時，暫存資料來不及寫入，導致資料錯誤異常。所幸大部分的檔案系統都會有一個檔案系統狀態 (Filesystem state) 的值，若是最後使用未順利完成卸載 (umount)，下次掛載時就會提示要求作 fsck 檢查。如果是日誌式檔案系統如 ext3/ext4，則會試著回復未完成的操作。這種錯誤偶爾會破壞檔案，fsck/e2fsck 可能會將錯誤檔案移到 lost+found 目錄下，造成困擾，但問題不大。
物理性錯誤指的是硬體磁盤受到損壞，該段磁區無法讀取，也就是壞軌。肯定導致資料遺失，最常見的是系統吐出 I/O Error，無法讀取該檔案。實際的症狀是讀取變慢、聽到 Spin-up 時的卡卡聲(Clicking sound)，甚至是系統當機等問題。
當壞軌開始產生時，通常代表硬碟壽命將至，得趕快開始更換健康新硬碟。這篇文章主要討論的是壞軌這種物理性錯誤的處理辦法。
透過讀取這些參數，管理者能夠預先警覺硬碟錯誤。根據 Google 的調查十萬顆硬碟後的研究報告 (Failure Trends in a Large Disk Drive Population)，S.M.A.R.T. 的數值的確反應硬碟錯誤率 – 六十天內，出現 S.M.A.R.T. 掃描錯誤的硬碟是其他硬碟的 39 倍高。
在 Linux 上，可以使用 smartmontools 中的 smartctl (8) 來查詢硬碟的 S.M.A.R.T. 狀態。指令如下
除了使用 smartctl 手動檢測外，也可以設定 smarted，讓系統自動觀測 S.M.A.R.T. 狀態，有錯誤會顯示於桌面訊息或發送郵件。smartd 的設定可以參考 檢測硬碟狀態 – smartmontools 一文。S.M.A.R.T. 也支援 Self-Test，可以讓硬碟作效能與功能檢查，詳情請見 smartctl (8).
不過天有不測風雲，人有旦夕禍福。萬一資料損壞的區域不是資料區域，而是存放重要的系統資訊，那就需要額外的處置。建議無論任何時候，都不要在壞硬碟上直接操作，永遠先備份，再於備份碟上進行處理。以下略談三種情境的可用工具
對於這些壞軌，可以用 sector slipping 或叫做 defect mapping 的機制來跳過不用。基本上分成兩種形式，一是透過硬碟控制器或是透過檔案系統的 bad block table 來記錄。
傳統的 (1990 年代中期以前的硬碟)是可以進行低階格式化 (Low-Level Formatting) 的，透過原廠的指令來重新定義物理儲存格式、重新定義 CHS、若是硬碟中有壞軌，可以在低階格式化時避開不用。
由於低階格式化常因為操作錯誤而損壞 (bricked) 硬碟，新款硬碟已經不提供使用者透過指令作低階格式化的工具。取而代之的是透過 hard-drive defect management 功能，以 Hard drive defects table – P & G Lists 來記錄 Bad Sector Mapping。所謂 Primary defect list 是代表出廠時已經產生缺陷的磁區列表，而 Grown defect list 則是使用中產生缺陷的磁區列表。
當硬碟發現壞軌時，便會自動將該磁區列入 G-List 中，並從備用的磁區中替換。因此現在已經沒有所謂低階格式化，目前所謂低階格式化大多指的是 Zero-filled，對磁區填入空值，強迫硬碟重新分配損壞磁區，這也是前述 S.M.A.R.T. 所謂 Reallocated Sectors。
所以你可以做的事情是對壞軌區域寫入空值，迫使它重置。你可以直接透過一開始的 badblocks 所產生之數值直接覆寫錯誤區塊，範例請見 Bad block HOWTO for smartmontools。
上述 HOWTO 中詳述了，怎麼計算 e2fsck 吐出來數值，人工計算有點麻煩。以下介紹如何處理利用工具自動處理。
上述操作有點複雜，比較保險的做法是直接讓 e2fsck 用 badblocks 去作壞軌檢查，指令如下
轉載 : http://blog.nutsfactory.net/2011/05/30/manage-bad-blocks-on-linux/
文中說明均以 Linux Extended file system 為主，操作平臺是 Debian GNU/Linux. 所提及工具授權均為 FLOSS 。假設錯誤硬碟為 /dev/sdb，所有指令需要以 root 執行。
章節結構
- 錯誤類型。
- 壞軌測試。
- 預先偵測。
- 備份與資料回復。
- 排除壞軌磁區。
- 送修與資料清除。
錯誤類型
這裡討論的硬碟資料損毀，不外乎物理性傷害，摔落、靜電、停電、過熱、原件老化等等。這些傷害會造成邏輯性 (logical error) 上或物理 (physical error) 性的錯誤。所謂的邏輯性錯誤，就是硬碟離線時，暫存資料來不及寫入，導致資料錯誤異常。所幸大部分的檔案系統都會有一個檔案系統狀態 (Filesystem state) 的值，若是最後使用未順利完成卸載 (umount)，下次掛載時就會提示要求作 fsck 檢查。如果是日誌式檔案系統如 ext3/ext4，則會試著回復未完成的操作。這種錯誤偶爾會破壞檔案，fsck/e2fsck 可能會將錯誤檔案移到 lost+found 目錄下，造成困擾，但問題不大。
物理性錯誤指的是硬體磁盤受到損壞，該段磁區無法讀取，也就是壞軌。肯定導致資料遺失，最常見的是系統吐出 I/O Error，無法讀取該檔案。實際的症狀是讀取變慢、聽到 Spin-up 時的卡卡聲(Clicking sound)，甚至是系統當機等問題。
當壞軌開始產生時，通常代表硬碟壽命將至，得趕快開始更換健康新硬碟。這篇文章主要討論的是壞軌這種物理性錯誤的處理辦法。
壞軌測試
最基本的測試方法是利用 badblocks (8) 來檢測硬碟是否存在壞軌，這個指令不分檔案系統。若是含有重要資料的硬碟，應該先作預設的非破壞性唯讀測試 (non-destructive read-only test)，以避免寫入測試時異常，造成磁碟重置離線。badblocks -vs /dev/sdb上述只要一發現壞軌，請第一時間拔下備份吧。若是可承受資料損失，可以使用 “-n” 的非破壞性寫入式測試。這基本上會嘗試寫入資料，再三確認硬碟運作正常。
badblocks -nvs /dev/sdb
預先偵測
不過 badblocks 需要在離線時才能執行。很多時候，伺服器是無法忍受長時間的離線檢查的，必須要能夠線上檢測硬碟健康狀況才行。目前市面所有 ATA 硬碟都已經支援S.M.A.R.T. (Self-Monitoring, Analysis, and Reporting Technology)，S.M.A.R.T. 基本上提供一個界面讓管理者可以查詢幾個重要的參數。透過讀取這些參數，管理者能夠預先警覺硬碟錯誤。根據 Google 的調查十萬顆硬碟後的研究報告 (Failure Trends in a Large Disk Drive Population)，S.M.A.R.T. 的數值的確反應硬碟錯誤率 – 六十天內，出現 S.M.A.R.T. 掃描錯誤的硬碟是其他硬碟的 39 倍高。
在 Linux 上，可以使用 smartmontools 中的 smartctl (8) 來查詢硬碟的 S.M.A.R.T. 狀態。指令如下
smartctl --attributes /dev/sdb根據 Google 的研究以及 Bad block HOWTO for smartmontools 指出，與硬碟失效關係最高的數值是 Reallocated Sectors Count/Reallocations event count, Current Pending Sector Count, Uncorrectable Sector Count。這幾組數據代表硬碟發現該磁區已經損毀，它會重新從備用磁區分配一位置取代該損壞磁區，或磁區已發現問題尚未替換或無法替換。這通常可以視為磁區損耗 (surface wear) 的狀況。當你發現這些值不為 0 時，就該開始準備備份資料並作壞軌檢查了。
除了使用 smartctl 手動檢測外，也可以設定 smarted，讓系統自動觀測 S.M.A.R.T. 狀態，有錯誤會顯示於桌面訊息或發送郵件。smartd 的設定可以參考 檢測硬碟狀態 – smartmontools 一文。S.M.A.R.T. 也支援 Self-Test，可以讓硬碟作效能與功能檢查，詳情請見 smartctl (8).
備份與資料回復
在發現壞軌之際，應該第一優先備份資料。如果還能夠掛起檔案系統，則趕緊利用rsync, tar 等工具備份檔案。或者利用 dd 將整顆硬碟資料或分割區存檔，未來置換到新硬碟上dd if=/dev/sdb of=sdb.img若要確保資料正確複製，可使用 dcfldd 來複製，它會邊複製邊作 hash 確保資料複製正確。不過由於壞軌處常常無法讀取，這會造成 dd 執行失敗。此時可以改用dd_rescue, 它可以略過無法讀取的部分，儘可能複製其他健康的資料。
不過天有不測風雲，人有旦夕禍福。萬一資料損壞的區域不是資料區域，而是存放重要的系統資訊，那就需要額外的處置。建議無論任何時候，都不要在壞硬碟上直接操作，永遠先備份，再於備份碟上進行處理。以下略談三種情境的可用工具
- 若不幸你的 MBR 爛掉以至於 partition table 消失，可以嘗試使用 testdisk 來猜測各 partition table 的位址，或許可以救回 partition table 資料。
- 若是檔案系統的 superblock 損壞，會看到 “can’t read superblock” 訊息，ext? 系列檔案系統通常有多個 superblock 備份，你可以從備份的 superblock 進行復原工作 (Recover Corrupted Partition From A Bad Superblock, 硬盘ext2/3文件系统superblock损坏修复试验)。
- 若你手忙腳亂已經把硬碟重新格式化，那麼只能透過 foremost 或 Sleuth Kit 慢慢的揀出硬碟中仍可辨識的檔案。祝你幸運。
排除壞軌區域
通常如果你的硬碟還在保固範圍，一般原廠均會更換健康的硬碟給你。但如果硬碟已經超過保固，壞軌硬碟仍堪用，可以用來存一些低度重要的資料。對於這些壞軌，可以用 sector slipping 或叫做 defect mapping 的機制來跳過不用。基本上分成兩種形式，一是透過硬碟控制器或是透過檔案系統的 bad block table 來記錄。
傳統的 (1990 年代中期以前的硬碟)是可以進行低階格式化 (Low-Level Formatting) 的，透過原廠的指令來重新定義物理儲存格式、重新定義 CHS、若是硬碟中有壞軌，可以在低階格式化時避開不用。
由於低階格式化常因為操作錯誤而損壞 (bricked) 硬碟，新款硬碟已經不提供使用者透過指令作低階格式化的工具。取而代之的是透過 hard-drive defect management 功能，以 Hard drive defects table – P & G Lists 來記錄 Bad Sector Mapping。所謂 Primary defect list 是代表出廠時已經產生缺陷的磁區列表，而 Grown defect list 則是使用中產生缺陷的磁區列表。
當硬碟發現壞軌時，便會自動將該磁區列入 G-List 中，並從備用的磁區中替換。因此現在已經沒有所謂低階格式化，目前所謂低階格式化大多指的是 Zero-filled，對磁區填入空值，強迫硬碟重新分配損壞磁區，這也是前述 S.M.A.R.T. 所謂 Reallocated Sectors。
所以你可以做的事情是對壞軌區域寫入空值，迫使它重置。你可以直接透過一開始的 badblocks 所產生之數值直接覆寫錯誤區塊，範例請見 Bad block HOWTO for smartmontools。
上述 HOWTO 中詳述了，怎麼計算 e2fsck 吐出來數值，人工計算有點麻煩。以下介紹如何處理利用工具自動處理。
不保留資料
如果確認整顆硬碟資料都不需要保留，可以直接下達一下 dd 指令，重寫整顆硬碟。dd if=/dev/zero of=/dev/sdb或者在格式化時下達 -c -c 參數，讓 mkfs.ext3 順便檢查壞軌。
mkfs.ext3 -c -c /dev/sdb1
保留資料
如果硬碟已有資料，並想保留此資料，可以用 badblocks 檢查，並生成 badblocks list，再將 badblocks 吐出的列表，餵給 e2fsck -l.。但是必須確認執行 badblocks 時，指派了正確的 block size，可用 dumpe2fs -h 確認 block size.然後指示給 badblocks。上述操作有點複雜，比較保險的做法是直接讓 e2fsck 用 badblocks 去作壞軌檢查，指令如下
e2fsck -k -c -c /dev/sdb1如此 e2fsck 會將壞軌寫入檔案系統列表中，可以用下述指令查詢目前壞軌列表
dumpe2fs -b /dev/sdb1
其他做法
本節前述可用低階格式化重置硬碟磁區分配，但是新款硬碟已少提供工具程式給終端使用者。有些工具透過反組譯硬碟韌體的方式取得 vendor specific ATA commands。另外，像是 Seagate 等品牌，則在硬碟上留有 TTLserial communication 的界面，於是你可以透過終端機連上硬碟韌體，以 Diagnostic Commands 進行一些偵錯以及重新格式化的動作。轉載 : http://blog.nutsfactory.net/2011/05/30/manage-bad-blocks-on-linux/
