关键在识别四个危险smart原始值：id 5（已重映射扇区）、id 197（待重映射扇区）、id 198（离线不可纠正错误）、id 199（udma crc错误），而非仅看passed；需先确认smart启用，raid环境注意通道模式，并结合short自检与自动化告警。
直接用 smartctl 查磁盘健康，关键不在命令多复杂，而在看懂哪些数据真能预警故障。很多运维人员看到 PASSED 就放心，结果几天后硬盘突然离线——因为没关注那几个真正危险的原始值。
先确认SMART是否真实启用
别跳过这步。有些服务器（尤其带硬件RAID卡或老主板）默认屏蔽SMART通道，smartctl -i /dev/sdb 可能显示 SMART support is: Disabled 或报错 No Information。
- 先执行
sudo smartctl -i /dev/sdb，检查输出中是否有 SMART support is: Enabled - 若未启用，尝试加设备类型参数：对 MegaRAID 卡用
-d megaraid,N（N为物理盘序号），SATA盘常用-d ata - 仍失败？可能是RAID卡固件限制，需进卡管理界面开启“Pass-through”模式，或改用厂商专用工具（如 storcli）
重点盯住这四个原始值（RAW_VALUE）
SMART属性表里几十行，90%可忽略。真正要每天扫一眼的只有这四个ID的原始值（不是VALUE列，它被厂商缩放过）：
- ID 5 Reallocated_Sector_Ct：已重映射扇区数。>0 表示物理坏道已发生；持续上涨=盘在加速老化
- ID 197 Current_Pending_Sector：待重映射扇区数。>0 是红灯，说明有扇区读写不稳定，下次写入可能直接触发故障
- ID 198 Offline_Uncorrectable：离线无法纠正错误数。>0 意味着该扇区连后台校验都失败了，基本不可恢复
- ID 199 UDMA_CRC_Error_Count：不是盘的问题，是线缆松动、供电不稳或主板SATA口老化。反复上升先换线再测
日常巡检用 short 自检，别乱跑 long
自检不是越长越好，选错会拖慢业务甚至让盘掉线：
-
sudo smartctl -t short /dev/sdb：2–5分钟，只扫高频区域（FAT、目录区），适合每日自动执行 -
sudo smartctl -t long /dev/sdb：HDD上耗时2–4小时，全盘扫描，I/O卡顿明显；仅在 Current_Pending_Sector > 0 时才跑，目的是逼出隐患扇区 - SSD不用 long 自检，意义不大；重点看 ID 233 Media_Wearout_Indicator 和 ID 234 Available_Reserve_Space
- 查进度用
sudo smartctl -c /dev/sdb，中断用sudo smartctl -X /dev/sdb，结果必须用sudo smartctl -l selftest /dev/sdb看 Status 列
自动化监控不能只靠手动
人工检查容易遗漏，生产环境建议固化流程：
- 给监控账户配 sudo 权限：
echo "monitor ALL=(root) NOPASSWD: /usr/sbin/smartctl" | sudo tee /etc/sudoers.d/smartctl - 写个简单脚本每天凌晨检查关键ID：
smartctl -A /dev/sdb | awk '/Reallocated_Sector_Ct|Current_Pending_Sector|Offline_Uncorrectable/ {print $1,$10}' - 把结果推送到企业微信或钉钉；原始值一旦超阈值（如 Pending > 0），自动发告警并标记该盘待更换
- 注意：NVMe盘要用
nvme smart-log，smartctl 对部分NVMe支持有限，别混用
