02. 硬件体检:SMART 与温度

目标

给家里 PVE 做一次彻底硬件体检:

1. 温度:CPU、APU、SSD、HDD 都在合理范围?
2. SMART:4 块盘健康度?
3. 寿命预估:SSD 还剩多少寿命?

1. 温度监控:lm-sensors 装好

安装

1
2
3
4
5

apt install lm-sensors
sensors-detect    # 一路回车 (选 yes 自动)
modprobe k10temp  # AMD CPU 温度
modprobe amdgpu   # APU 温度
sensors           # 第一次看

第一次结果

 1
 2
 3
 4
 5
 6
 7
 8
 9
10

k10temp-pci-00c3
Adapter: PCI adapter
Tctl:        +42.6°C   # CPU 温度
Tdie:        +42.6°C   # die 温度

amdgpu-pci-0600
Adapter: PCI adapter
vddgfx:      N/A       # 待机没数(正常)
vddnb:       N/A
edge:        +42.0°C   # APU 边缘温度

结论: 一切正常。42°C 远低于警戒线(70°C)。

2. SMART 体检:4 块盘

设备清单

1
2
3
4
5

lsblk -d -o NAME,SIZE,MODEL,SERIAL
# sda  119G  KINGSTON SA400S37120G   (系统A)
# sdb  119G  KINGSTON RBUSC180DS37256GY (系统B)
# sdc  931G  Great Wall GW600 1TB     (退化的 SSD)
# sdd  2.7T  ST3000NM0053-1ZE10Z      (HDD 备份)

装 smartmontools

1

apt install smartmontools

sda (Kingston 120GB) - 系统 A

1

smartctl -A /dev/sda

• Reallocated_Sector_Ct: 0 ✓
• Wear_Leveling_Count: 85% (剩 85% 寿命) ✓
• 不支持 self-test (Kingston 低端 SSD)
• 温度:34°C
• 结论:健康

sdb (Kingston 128GB) - 系统 B

• Wear_Leveling_Count: 90% (剩 90%) ✓
• 同样不支持 self-test
• 结论:健康

sdc (Great Wall GW600 1TB) - ⚠️ 退化盘

1

smartctl -A /dev/sdc

• Current_Pending_Sector: 0
• Reallocated_Sector_Ct: 0
• ATA Error Count: 121 ⚠️
• Offline_Uncorrectable: 1 ⚠️

1
2
3
4

smartctl -t long /dev/sdc
# 跑 long self-test (~30 min)
smartctl -l selftest /dev/sdc
# 90% stuck, 不完成

结论:已退化。这块 SSD 不是关键盘,装着不重要的数据。决策:不立刻换,先监控,周末有空替换。

sdd (Seagate 3TB HDD) - 备份

• Reallocated_Sector_Ct: 0 ✓
• Temperature_Celsius: 35°C
• self-test 通过 ✓
• 结论:健康

总结表

3. 温度趋势

1
2

# 跑了一个 sensors loop 看波动
watch -n 5 sensors

结论: 温度全部正常,无需额外散热。

关键发现

sdc 退化的事实

1. 121 个 ATA error 不是一次性突发,是长期累积
2. self-test 跑到 90% 卡住(典型坏块导致读不到)
3. 不支持 SMART Replace Sector(便宜 SSD 的通病)
4. 这块盘未来几个月内可能彻底坏

应对方案

• 本周内:备份 sdc 上的重要数据(虽然不重要)
• 周末:换 1TB SSD(可能买便宜点的)
• 持续:每周看一次 smartctl -A /dev/sdc

教训

教训 1: 便宜 SSD 不要用来存重要数据

Kingston SA400 / GW600 这些便宜消费级 SSD:

• 没 DRAM cache
• 不支持高级 SMART
• 寿命短(几百 TBW)

原则: NAS / 备份盘用企业级(如 Samsung PM893 / Intel DC S3710),系统盘可以便宜。

教训 2: SMART 自检不是万能

sdc self-test 卡在 90% 证明:当磁盘已经退化严重,SMART 自检会挂掉或失败,不能完全依赖。

做法: 监控 ATA Error Count + Current_Pending_Sector,这些才是早期信号。

教训 3: PVE 默认没装 smartmontools / lm-sensors

PVE 安装默认不带硬件监控,需要自己装。

配置: 把 apt install smartmontools lm-sensors 加到 PVE 装机脚本(如果有)。

实操命令清单

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

# 安装
apt install smartmontools lm-sensors

# 加载 AMD 温度模块
modprobe k10temp amdgpu

# 一次性看全部 SMART
for d in sda sdb sdc sdd; do
  echo "=== /dev/$d ==="
  smartctl -H -A /dev/$d | head -20
done

# 单盘详细
smartctl -x /dev/sdc | less

# 跑 long self-test (后台)
smartctl -t long /dev/sdc

# 看 self-test 结果
smartctl -l selftest /dev/sdc

# 温度轮询
watch -n 5 sensors

下一篇

03. PBS 数据备份迁移 →