监控磁盘SMART状态的脚本如何写

wen 实用脚本 2026-07-07 3

监控磁盘SMART状态的脚本如何写：从入门到生产级部署

目录导读

为什么必须监控磁盘SMART状态？
SMART监控的核心原理与关键指标
手写第一个基础SMART监控脚本
进阶：带报警与日志的生产级脚本
常见问题与调试技巧
Q&A：读者最关心的5个问题

为什么必须监控磁盘SMART状态？

在服务器运维中,磁盘故障是导致数据丢失和服务中断的头号原因，根据Backblaze发布的硬盘故障率报告（2022-2024年数据），通过SMART（Self-Monitoring, Analysis and Reporting Technology）监控，可以在磁盘物理损坏前提前发现80%以上的潜在故障。SMART是磁盘自带的健康监测系统，堪称“硬盘的体检报告”。

监控磁盘SMART状态的脚本如何写

核心收益：

即时发现坏道、磁头老化、马达异常
在数据彻底丢失前留出备份窗口（通常有数小时至数天）
降低RPO（恢复点目标）到分钟级

适用场景：
无论你是管理单台Linux开发机、NAS家庭服务器，还是运维云主机（注意：云磁盘通常由云平台托管SMART，但物理机仍需自行监控），掌握SMART脚本都是基础技能。

SMART监控的核心原理与关键指标

1 必读的SMART属性解读

运行smartctl -a /dev/sda（需要安装smartmontools），输出中重点关注以下属性：

属性ID	名称	临界值	异常信号
5	Reallocated_Sector_Ct	36	非零值即警告
187	Reported_Uncorrect	0	任何非零值
197	Current_Pending_Sector	0	等待重映射的坏道
198	Offline_Uncorrectable	0	不可纠正扇区

注意：不同品牌（西数、希捷、三星）的阈值定义可能不同，建议使用官方文档或经验值。

2 监控脚本的核心逻辑

判断条件：
- Reallocated_Sector_Ct > 0  → 立即告警
- Current_Pending_Sector > 0 → 黄色警告
- 任何Raw_Read_Error_Rate 趋势上升 → 定期检查
- Total_LBAs_Written 过高 → 预估剩余寿命

手写第一个基础SMART监控脚本

环境准备

# Debian/Ubuntu
sudo apt install smartmontools -y
# RHEL/CentOS
sudo yum install smartmontools -y

最简单的检查脚本：check_smart_basic.sh

#!/bin/bash
# 基础SMART检查脚本
DISK="/dev/sda"
# 检查SMART是否可用
if ! smartctl -H $DISK | grep -q "PASSED"; then
    echo "Warning: $DISK SMART health check FAILED!"
    exit 1
fi
# 提取高危属性
REALLOC=$(smartctl -a $DISK | grep "Reallocated_Sector_Ct" | awk '{print $10}')
UNCORRECT=$(smartctl -a $DISK | grep "Reported_Uncorrect" | awk '{print $10}')
# 判定阈值（根据磁盘品牌调整）
if [ "$REALLOC" -gt 0 ] || [ "$UNCORRECT" -gt 0 ]; then
    echo "Alert: Disk has bad sectors! Reallocated=$REALLOC, Uncorrect=$UNCORRECT"
    exit 2
fi
echo "SMART status OK"
exit 0

运行方法：
chmod +x check_smart_basic.sh && ./check_smart_basic.sh

局限性：

只检查/dev/sda，不支持多磁盘
无日志记录
无邮件/钉钉报警

进阶：带报警与日志的生产级脚本

1 脚本设计要点

生产级脚本必须包含：

自动发现所有磁盘（排除NVMe、RAID卡特殊设备）
分级报警（Warning/Critical）
持久化日志（追加上一次检查结果）
集成通知（邮件、Webhook、Prometheus metrics）

2 完整脚本：smart_monitor_pro.sh

#!/bin/bash
# 生产级SMART监控，支持多磁盘、JSON日志、企业微信告警
LOG_DIR="/var/log/smart_monitor"
ALERT_EMAIL="admin@example.com"  # 替换为实际邮箱
WEBHOOK_URL="https://qyapi.weixin.qq.com/cgi-bin/webhook/send?key=YOUR_KEY"  # 可选
# 颜色输出
RED='\033[0;31m'
GREEN='\033[0;32m'
YELLOW='\033[1;33m'
NC='\033[0m'
# 创建日志目录
mkdir -p $LOG_DIR
# 获取所有可用磁盘（排除MD阵列、RAID卷、nvme）
DISKS=$(lsblk -ndo NAME -e 7,253,254 | grep '^sd' | sort | head -8)
if [ -z "$DISKS" ]; then
    echo "No disks found"
    exit 2
fi
# 报警计数
CRITICAL_COUNT=0
WARN_COUNT=0
TIMESTAMP=$(date '+%Y%m%d_%H%M%S')
REPORT_FILE="$LOG_DIR/report_$TIMESTAMP.log"
for DISK in $DISKS; do
    DEVICE="/dev/$DISK"
    echo -e "Checking ${YELLOW}$DEVICE${NC}..."
    # 获取原始值
    realloc=$(smartctl -A $DEVICE | awk '/Reallocated_Sector_Ct/{print $10}')
    pending=$(smartctl -A $DEVICE | awk '/Current_Pending_Sector/{print $10}')
    raw_read=$(smartctl -A $DEVICE | awk '/Raw_Read_Error_Rate/{print $10}')
    # 默认值处理（如果没找到属性则为0）
    realloc=${realloc:-0}
    pending=${pending:-0}
    raw_read=${raw_read:-0}
    # 判断严重程度
    if [ "$realloc" -gt 0 ] || [ "$pending" -gt 0 ]; then
        echo -e "${RED}CRITICAL: $DEVICE has bad sectors!${NC}"
        echo "CRITICAL: $DEVICE realloc=$realloc pending=$pending" >> $REPORT_FILE
        ((CRITICAL_COUNT++))
    elif [ "$raw_read" -gt 10000 ]; then
        echo -e "${YELLOW}WARNING: $DEVICE raw read rate high ($raw_read)${NC}"
        echo "WARNING: $DEVICE raw_read=$raw_read" >> $REPORT_FILE
        ((WARN_COUNT++))
    else
        echo -e "${GREEN}PASSED${NC}"
    fi
done
SUMMARY="SMART监控报告 ($(date))\n"
SUMMARY+="检查磁盘数: $(echo $DISKS | wc -w)\n"
SUMMARY+="严重问题(Critical): $CRITICAL_COUNT\n"
SUMMARY+="警告(Warning): $WARN_COUNT\n"
echo -e "$SUMMARY" >> $REPORT_FILE
# 报警逻辑
if [ $CRITICAL_COUNT -gt 0 ]; then
    # 发送邮件（需配置mailx或postfix）
    echo "$SUMMARY" | mail -s "SMART Critical Alert" "$ALERT_EMAIL"
    # 发送Webhook（例如企业微信机器人）
    if [ -n "$WEBHOOK_URL" ]; then
        curl -s -X POST -H "Content-Type: application/json" \
            -d "{\"msgtype\":\"text\",\"text\":{\"content\":\"$SUMMARY\"}}" \
            "$WEBHOOK_URL"
    fi
    exit 1
fi
exit 0

3 部署到定时任务

# 每6小时检查一次
0 */6 * * * /opt/scripts/smart_monitor_pro.sh >> /var/log/smart_monitor_cron.log 2>&1

4 扩展功能：Prometheus输出

如果您使用Prometheus+Grafana监控，可将脚本输出改为exporter格式：

# 在循环中添加
echo "smart_disk_realloc{sector=\"sda\"} $realloc"
# 通过node_exporter的textfile收集器收集
# 配置：--collector.textfile.directory=/var/lib/node_exporter/textfile

常见问题与调试技巧

问题	解决方案
`smartctl: device lacks SMART capability`	部分虚拟化磁盘不支持SMART（如KVM虚拟磁盘）需跳过
脚本运行极慢（扫描20块盘耗时30秒）	增加缓存机制，每1小时执行一次全扫描，平时只读缓存
对NVMe SSD失效	NVMe使用`nvme smart-log /dev/nvme0`，需单独适配
RAID卡上的磁盘	使用`smartctl -d megaraid,N /dev/sda`（N为设备编号）

调试技巧：

# 获取单个磁盘的所有SMART属性（跳过解释）
smartctl -A /dev/sda | grep -E "^(  5|197|198)" | awk '{print $1": "$10}'

Q&A：读者最关心的5个问题

Q1：SMART监控能100%防止数据丢失吗？
不能，SMART只能检测到约60%~80%的磁盘故障（突发掉电、主控芯片故障无法预知）。必须结合RAID、定期备份、坏道检查。

Q2：如何判断我的磁盘支持SMART？
执行smartctl -i /dev/sda，查看“SMART support is: Available”和“Enabled”，如果为Disabled，先启用：smartctl -s on /dev/sda

Q3：Reallocated_Sector_Ct出现5个，需要立刻换盘吗？
分情况：

如果磁盘还在保修期内,建议换盘。
如果仅5个且不再增长,可能是物理震荡导致，可观察1周。
如果持续增长（每天增加≥1），必须换盘。

Q4：脚本中awk '{print $10}'有时获取不到值怎么办？
因为SMART输出格式因品牌而异，建议使用grep -A1或sed定位行，再提取值，更稳健的方法是用smartctl -x输出JSON格式（smartmontools 7.0+支持）。

Q5：Windows如何监控SMART？
推荐使用CrystalDiskInfo的CLI版（无GUI脚本环境），或Windows计划任务配合PowerShell调用Get-PhysicalDisk命令，但生产环境建议基于Linux/FreeBSD。

本文从SMART基础原理出发,提供了基础检查脚本和生产级集成报警脚本两个版本，核心要点：

监控属性优先看Reallocated_Sector_Ct、Current_Pending_Sector
生产脚本必须自动发现磁盘、分级告警、记录日志
没有完美监控,必须结合SMART+RAID+备份三层防御

建议行动：立即登录你的服务器，运行smarctl -a /dev/sda查看原始数据进行评估，再部署本文的脚本到cron，数据安全始于一次简单的检查。