TechOverflow Logo
TechOverflow

如何解释 smartctl 消息如 Error: UNC at LBA？

English Deutsch 简体中文

在硬盘上运行 smartctl 时，你通常会获得大量信息，对于没有经验的用户来说可能难以解释。本文试图提供帮助来解释错误消息背后的技术原因。如果你正在寻找是否更换硬盘的建议，我能给你的唯一指导是它可能随时失败，所以最好备份你的数据，但它也可能继续运行很多年。。此外，本文不描述基本的 SMART WHEN_FAILED 检查，而是解释可能即将发生的 HDD 故障的更微妙迹象的解释。

一个特别难以解释的示例是存储最后几个错误的设备错误日志，例如

smartctl_error_log_example.txt
Error 8910 发生在磁盘上电寿命：7257 小时（302 天 + 9 小时）
  当导致错误的命令发生时，设备处于活动或空闲状态。

  命令完成后，寄存器为：
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 41 1a 00 33 96 61  Error: UNC at LBA = 0x01963300 = 26620672

  导致错误的命令之前的命令为：
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 08 18 00 33 96 40 00      03:09:52.125  READ FPDMA QUEUED
  60 88 10 50 06 11 40 00      03:09:52.125  READ FPDMA QUEUED
  60 08 08 60 ac 5e 40 00      03:09:52.113  READ FPDMA QUEUED
  60 08 00 48 cf 6d 40 00      03:09:52.099  READ FPDMA QUEUED
  60 90 f0 b0 ef e5 40 00      03:09:52.065  READ FPDMA QUEUED

显然，第一行显示此错误何时发生。然而，其他行不那么明显。让我们检查下一部分：

smartctl_error_log.txt
命令完成后，寄存器为：
ER ST SC SN CL CH DH
-- -- -- -- -- -- --
40 41 1a 00 33 96 61  Error: UNC at LBA = 0x01963300 = 26620672

虽然此部分还显示了错误发生时某些寄存器的内容，但其有趣的部分是错误描述 Error: UNC at LBA = 0x01963300 = 26620672.

LBA 是逻辑块地址，即硬盘上的某个逻辑地址。它以十六进制形式 0x01963300 和十进制形式 26620672 显示。要将其转换为字节地址，你需要将其乘以 smartctl 输出头部列出的值：

smartctl_sector_size.txt
扇区大小：      512 字节逻辑/物理

在几乎所有情况下，此值为 512 字节，因此在此示例中字节偏移量为 26620672 * 512 = 13629784064 = 12.69 GiB。在某些情况下，在 GParted 等工具中查找此地址以查看错误发生在哪个分区可能会有帮助。另请参见此 smartmontools HOWTO详细描述此过程。

UNC 错误

错误消息现在告诉我们在此 LBA 发生了名为 UNC 的错误。UNC 是UNCorrectable的简写，意思是在此 LBA 从硬盘读取的数据已损坏且无法纠正。

硬盘不仅本身存储你的数据，还自动计算所谓的纠错码（ECC）。虽然这些数学代码有许多子类型，但它们有一个共同点：给定一组可能轻微损坏的字节（例如存储在硬盘上的字节）（即某些 0 位现在变为 1 位或反之）和匹配的 ECC 代码（由几个额外字节组成），合适的解码器可以恢复有限数量的位错误。在大多数情况下，ECC 代码也可以检测错误 - 例如，某个特定的 ECC 代码可能能够纠正两字节中的一位翻转，但可以检测到两字节中最多三位翻转。

如果位翻转多于 ECC 可以恢复的（但不多于它可以检测的），这会导致不可恢复的错误 - UNC。如果位翻转多于 ECC 可以检测的，任何事情都可能发生：通常，从 ECC 计算的数据将损坏，或者可能根本检测不到错误。

注意此解释高度简化。例如，ECC 代码不作为与数据分离的字节存储，而是在数据上计算数学函数，产生一组比原始数据集更大的字节 - 包含数据本身加上错误恢复额外数据。换句话说，ECC 数据加上数据本身混合在一起。

这对解释有多个后果。首先，这意味着物理上可以读取数据，但似乎不正确。这意味着

其他错误消息

虽然 UNC 错误相当频繁地发生，但还有其他更罕见的错误，你找不到太多文档。

所有 smartctl 错误消息有一个权威来源：smartmontools 源代码。

我们可以在 ataprint.cpp 中找到错误描述（另请参见源 tarball 中的 GPL 许可信息）：

ataprint_examples.c
const char  *abrt  = "ABRT";  // 已中止
const char   *amnf  = "AMNF";  // 未找到地址标记
const char   *ccto  = "CCTO";  // 命令完成超时
const char   *eom   = "EOM";   // 媒体结束
const char   *icrc  = "ICRC";  // 接口 CRC 错误
const char   *idnf  = "IDNF";  // 未找到 ID
const char   *ili   = "ILI";   // 此位的含义是命令集特定的
const char   *mc    = "MC";    // 媒体已更改
const char   *mcr   = "MCR";   // 媒体更改请求
const char   *nm    = "NM";    // 无媒体
const char   *obs   = "obs";   // 已过时
const char   *tk0nf = "TK0NF"; // 未找到磁道 0
const char   *unc   = "UNC";   // 不可纠正
const char   *wp    = "WP";    // 写保护

实际上，即使你专业地使用硬盘，你也只会遇到这些错误中的少数几个。其中一些错误如 MC、MCR 或 NM 也与硬盘热插拔相关，不一定代表与硬盘健康本身相关的错误。

一个重要的错误是 ICRC - 接口 CRC 错误。这意味着在硬盘连接的 IDE/SATA 或 PCIe 总线上检测到错误。虽然这很罕见，可能由 HDD 本身引起，但可能意味着你的芯片组（控制例如 SATA 的硬件）已损坏 - 在这种情况下，更换硬盘不会修复问题。可能还存在间歇性的电缆连接。

这些错误有多严重？

在大多数硬盘的寿命期间，特别是消费型号，会发生错误 - 在更可能遇到高加速度力的便携设备中更是如此。

将好的硬盘与寿命末期的硬盘区分开来（不包括那些无警告失败的）通常是新错误的频率。如果你查看 HDD 的总寿命，即 Power_On_Hours 或类似值：

smartctl_power_on_hours.txt
9 Power_On_Hours          0x0032   082   082   000    Old_age   Always       -       8586

并将该值（在此示例中为 8586）与最后一次错误时的寿命比较，

smartctl_error_line.txt
Error 8911 发生在磁盘上电寿命：7257 小时

在此示例中为 7257，你可以看到自最后一次错误以来已经过了一千多个 HDD 运行小时。这表明没有可能导致硬盘破坏的机械缺陷，而只是几个有缺陷或损坏的扇区。UNC 错误甚至不一定意味着扇区物理损坏。

通常硬盘错误在访问非常少的文件（例如每隔几年才打开一次的存档视频文件）时触发。当此类文件中由于任何原因有足够的位翻转时，这可能导致大量 HDD 错误同时出现。

另一个指标是硬盘遇到的总错误数，即 8911 在

smartctl_error_count.txt
Error 8911 发生在磁盘上电寿命：7257 小时

or in

smartctl_ata_error_count.txt
ATA 错误计数：8911（设备日志仅包含最近的五个错误）

虽然不是所有硬盘都显示此数字，但非常高的数字或快速增长的数字表明驱动器存在某些物理问题。仅与少数坏扇区相关的问题会导致错误计数器突然跳变，但之后。但请注意，高错误计数器可能有其他原因，例如与硬盘的连接不良或间歇性。

另请参见此之前的文章了解如何修复坏的 HDD 扇区。

Check out similar posts by category: Linux