存储基础设施健康与耐久度的陈述性评估

本文档旨在就指定服务器环境内存储设备的健康状况与运行状态提供一份正式的、陈述性的报告。所有数据的评估基准时间为 2025 年 10 月 28 日（亚洲/东京时区）。本文档的范围严格限定于所提供的设备数据，不包含任何推测性分析或超出数据范围的结论。

本报告的所有结论均完全源自设备报告的自我监控、分析与报告技术（SMART）数据、企业级 SAS 健康日志，并依据原始设备制造商公开发布的技术规格与白皮书进行解读。这些制造商包括但不限于 Intel、Seagate、Kingston Technology、Samsung Semiconductor 及 Western Digital。本文档明确声明，不包含任何主观评价或操作性建议，仅对客观数据进行结构化呈现。

本报告将首先分节评估各个服务器环境（Dell PowerEdge R420、Proxmox VE 主机、Dell PowerEdge R620）的存储设备状态，随后对部署于不同主机上的同型号 Kingston SSD 进行横向比较分析，最后通过全局综合汇总，提供对整体基础设施健康状况的全面视图。

本节对 Dell PowerEdge R420 服务器中的四块存储设备进行详细分析。

该阵列的整体状况呈现出显著的两极分化，其成员设备覆盖了从状态完好的驱动器（megaraid,2）到已出现明确早期故障指标的驱动器（megaraid,3）的整个健康范围。下表概述了各设备的核心状态。

表 1.1: R420 阵列健康摘要

设备识别：SEAGATE ST33000650SS，3TB SAS 硬盘，7200 rpm，企业级 3.5"。生产时间为 2013 年第 07 周。

运行指标：累计上电时间约 22,245 小时（约 2.54 年）。当前温度为 35°C，处于 Seagate 规格定义的安全工作范围内。

关键故障指标：

verify total uncorrected errors = 1：此为最关键的数据点。该错误在硬盘内部的后台介质扫描（一种主动自检过程）中被记录。在此阶段出现不可校正的错误，意味着某个扇区已经劣化到驱动器内部的纠错码（ECC）无法恢复其数据的程度，这是该扇区即将发生数据丢失的强烈预警信号。

Non-medium error count = 314：该数值被定义为记录主机总线适配器与驱动器之间通信层异常的计数器。根据 Seagate 的定义，这些错误并非介质表面缺陷，而是信号完整性问题、命令超时或协议错误。314 这一数值远高于同一机箱内其他驱动器（均为 0），表明该驱动器的控制器、背板插槽或物理连接可能存在问题。

矛盾指标：Elements in grown defect list = 0。值得注意的是，尽管存在上述关键错误，该驱动器尚未将其任何扇区重映射到备用池。这呈现了一幅故障正在发展中的复杂图景。

陈述性声明（源自原文）：该设备被描述为已出现“失效早期迹象”，并被指定为该阵列中的“最高风险”组件。

设备识别：SEAGATE ST33000650SS，3TB SAS 硬盘，7200 rpm，企业级 3.5"。生产时间为 2012 年第 37 周。

运行指标：累计上电时间约 26,262 小时（约 3.00 年）。当前温度为 36°C。

关键健康指标：Elements in grown defect list = 21。该指标计录了 21 个在驱动器出厂后被识别为有缺陷并已成功重映射至备用扇区的扇区数量。根据 Seagate 的技术文档，虽然非零的 G-List 并不意味着立即故障，但一个持续增长的列表表明介质正在发生进行性劣化。

正面指标：Total uncorrected errors = 0，Non-medium error count = 0。这与 megaraid,3 的情况形成对比，表明虽然介质表面正在老化，但该驱动器尚未遇到无法恢复的读取错误，且其通信接口保持稳定。

物理年龄因素：该驱动器约 13 年的物理年龄被视为评估企业级机械设备时的一个相关背景因素。

陈述性声明（源自原文）：该设备因其物理年龄和已记录的介质缺陷，被描述为“可继续用但要密切观察”的“老龄企业级 SAS 盘”。

该阵列中的企业级硬盘展现了两种截然不同的故障路径。megaraid,1 体现了一种渐进式退化模型，其特征是 G-List 的增长，这是驱动器固件仍在成功管理介质老化的迹象。相比之下，megaraid,3 则展示了一种更急性的故障模型，在没有 G-List 预警的情况下，直接出现了严重的后台校验错误和通信层不稳定性。这表明，仅监控单一指标（如 G-List）不足以预测所有类型的驱动器故障。

设备识别：SanDisk SSD PLUS 2000GB，SATA 6.0 Gb/s，消费级 2.5" 固态硬盘。

运行指标：累计上电时间 35,708 小时（约 4.08 年）。温度为 34°C，远低于 Western Digital 规定的 0°C–70°C 工作范围上限。

耐久度与磨损：

属性 232 “Available Reserved Space” = 100（阈值为 5）。该属性是衡量许多 SSD NAND 耐久度的主要指标。值为 100 意味着为替换磨损块而保留的备用闪存块池完全未被动用，这是一个强烈的健康信号。

Total_Writes_GiB = 49621 GiB（约 53.28 TB）。对于一块消费级 SSD 而言，此累计写入量可被视为中高强度的持续工作负载。

数据完整性：Reallocated_Sector_Ct = 0，Program_Fail_Count = 0，Erase_Fail_Count = 0，Reported_Uncorrect = 0。这些错误的缺失表明 NAND 介质当前性能正常。

运行风险因素：Unexpected_Power_Loss_Ct = 25。这是一个重要的风险因素，因为消费级 SSD 通常缺乏企业级驱动器中的掉电保护（PLP）电容。每一次意外断电事件都存在数据损坏或元数据不一致的风险 [Intel]。

陈述性声明（源自原文）：该设备被描述为“可继续运行的消费级 SSD，需定期监控”。

在专为企业级 SAS 设备设计的环境中部署消费级 SATA SSD，构成了一种潜在的架构性妥协。该 SSD 缺乏企业级产品所具备的 PLP 功能和更高的耐久度等级。其记录的 25 次意外断电事件代表了一种潜在的数据完整性风险，这种风险在同阵列的 SAS 驱动器中是不存在的。这在单一阵列内部造成了异构的风险分布，其风险性质与介质磨损截然不同。

设备识别：HITACHI HUS72303CLAR3000，3TB SAS 硬盘，7200 rpm，企业级 3.5"。

运行指标：累计上电时间约 6,854 小时（约 0.78 年）。温度为 33°C。

完好健康指标：Elements in grown defect list = 0，read/write/verify total uncorrected errors = 0，Non-medium error count = 0。所有已记录的介质或通信错误均为零，这一点被特别指出。

陈述性声明（源自原文）：该设备被描述为阵列中“当前状态最干净”和“当前健康状态最好”的驱动器，“短期内无异常信号”。

综合来看，该阵列中没有完全失效的驱动器。然而，megaraid,3 呈现出预测性故障指标，megaraid,1 显示出老化迹象，megaraid,0 作为一块消费级设备正承受持续负载，而 megaraid,2 则处于极佳的健康状态。

本节详述 Proxmox VE 主机上两块本地驱动器的状态。

该主机包含两块技术和风险特征各异的驱动器：一块健康且使用强度较低的 SSD（/dev/sda），以及一块有高温运行史且存在固有性能局限的机械式 SMR 驱动器（/dev/sdb）。

设备识别：Netac SSD 480GB，mSATA/SATA 接口。

运行指标：累计上电时间 11,635 小时（约 1.33 年）。温度为 41°C。

关键健康指标：所有关键 SMART 属性（Reallocated_Sector_Ct、Current_Pending_Sector、Offline_Uncorrectable、UDMA_CRC_Error_Count）均为零。这表明该驱动器在介质和接口层面均处于完美健康状态。

耐久度与磨损：

Available_Reservd_Space (ID 232) = 100。与前述 SanDisk 驱动器类似，这表示备用块池完好无损 [Intel]。

厂商自定义的健康属性（ID 169）值为 99，可解释为剩余寿命为 99%。

Total_LBAs_Written 换算后总写入量约 8.3 TiB，属于非常轻量级的工作负载（约 17.6 GB/天）。

陈述性声明（源自原文）：该设备被描述为“健康良好，可继续服役”。

设备识别：Seagate ST2000LM015，2TB，2.5"，5400rpm，叠瓦式磁记录（SMR）硬盘。

关键健康指标：所有关键介质健康属性（Reallocated_Sector_Ct、Current_Pending_Sector、Offline_Uncorrectable）均为零。UDMA_CRC_Error_Count 也为零。这表明介质表面当前无缺陷。

历史与性能警示：

热历史：历史最高温度达到 62°C。这是一个值得注意的事件，因为在高于 60°C 的环境下运行被认为是机械硬盘的高风险工况，可能加速组件老化并增加未来发生故障的概率。

技术类型：该驱动器的 SMR 技术是一种关键限制。根据 Seagate 的官方文档，由于重叠磁道所需的“读取-修改-写入”过程会导致性能下降，SMR 技术不适用于高随机写入负载（这在虚拟化场景中很常见）。

Command_Timeout = 2。虽然数值很低，但这些事件表明 I/O 操作未在预期时间内完成，这可能是 SMR 技术在特定负载下性能问题的症状。

陈述性声明（源自原文）：该设备被描述为“目前表面健康”，但有“过热记录”，并且其物理结构“不适合高随机 I/O 和高随机写入场景”。

此驱动器的案例表明，一份“健康”的 SMART 报告（零重映射扇区）可能具有误导性。其风险并非源于当前的介质状态，而是其基础设计（SMR）和过去承受的运行压力（62°C 高温）。SMR 的特性使其在虚拟化这种高随机 I/O 的工作负载下成为一个潜在的性能瓶颈，而 62°C 的历史高温事件则如同一个“应力性骨折”，虽当前不可见，却增加了未来失效的可能性。这种工作负载与硬件技术之间的不匹配，构成了一种架构层面的风险。

总结而言，虽然两块驱动器目前均无关键错误，但 SMR 驱动器（/dev/sdb）因其技术类型和热历史，代表了一种潜在的性能和可靠性风险。

本节对部署在三台不同主机上的三块同型号 SSD 进行并列分析，旨在揭示工作负载对设备寿命的直接影响。

三块 Kingston SKC600MS256G SSD 在功能上均表现健康，无介质错误。它们之间最关键的差异在于耐久度的消耗速率，该速率因主机工作负载的不同而呈现巨大差异。下表量化了这一对比。

表 3.1: Kingston SKC600MS256G 队列耐久度对比分析

通过对比这三块完全相同的驱动器，工作负载作为单一变量的影响被清晰地展现出来。数据将抽象的“磨损”转化为具体的数字（例如，PVE01/02 每日写入约 50 GiB，而 Galaxy 为 15 GiB），并将其与剩余寿命百分比（64-66% 对比 94%）直接关联，从而构建了一个由数据支持的、关于工作负载影响的有力叙述。

设备识别：Kingston SKC600MS256G，256GB，3D TLC SATA SSD。

运行指标：上电时间约 10,490 小时。温度分别为 48°C 和 45°C，处于 0°C-70°C 的规格范围内。

健康与完整性：所有关键 SMART 属性（Reallocated_Sector_Ct 等）均为零。SMART 自我评估为“PASSED”。

耐久度消耗：

总写入量分别约为 23.9 TB（PVE02）和 23.7 TB（PVE01）。

平均每日写入速率很高，分别约为 51 GiB/天和 50 GiB/天。

剩余寿命指标（属性 169/231）分别为 66% 和 64%。这被解释为固件对已消耗 P/E（编程/擦除）周期的直接评估。

此消耗量与制造商额定的 150 TBW（总可写入字节数）进行比较，显示约 16% 的绝对 TBW 已被使用，但固件的磨损均衡算法报告了更显著的约 34-36% 的寿命消耗。

陈述性声明（源自原文）：这些驱动器被描述为“健康但已进入中期寿命”。

设备识别：Kingston SKC600MS256G，256GB，3D TLC SATA SSD。

运行指标：上电时间约 6,542 小时。温度为 49°C。

健康与完整性：所有关键 SMART 属性均为零。SMART 自我评估为“PASSED”。

耐久度消耗：

总写入量约 4.4 TB。

平均每日写入速率较低，约为 15 GiB/天。

剩余寿命指标为 94%。

这仅相当于额定 150 TBW 的约 3%。

陈述性声明（源自原文）：该驱动器被描述为“非常健康（固件剩余寿命 94%），接近新盘状态”。

结论是，虽然所有驱动器均健康，但 PVE01 和 PVE02 节点承受的工作负载约是 Galaxy 节点的 3.3 倍，这导致了其有限的 NAND 耐久度以相应更快的速度被消耗。这种数据差异不仅是现状快照，更揭示了各自的损耗速率。PVE01/02 上的 SSD 正在以远超 Galaxy 上同类设备的速度老化，这表明硬件的健康状况与其所支持的应用程序架构密不可分。硬件的命运由其运行角色所决定。

本节分析 R620 中由消费级 QLC SSD 和企业级 10K SAS 硬盘组成的八盘位复杂阵列。

该阵列是一个混合技术环境，其风险集中在两个特定设备上：一块严重磨损的消费级 QLC SSD（megaraid,1）和一块存在显著通信错误的企业级 SAS 驱动器（megaraid,7）。其余六块驱动器据报告均处于健康状态。

表 4.1: R620 阵列健康摘要

设备识别：Samsung SSD 870 QVO 1TB，SATA，QLC NAND，消费级。

运行指标：上电时间约 33,490 小时（约 3.82 年）。温度为 30°C。

关键耐久度指标：

Wear_Leveling_Count (ID 177) VALUE = 30：这是一个归一化值，代表剩余寿命，其中 100 为全新，0 为寿命终点。30 这一数值表明 QLC NAND 已经历了显著且高级别的磨损。

Total_LBAs_Written 换算后总写入量约 184.5 TB。这是一个极高的写入负载（约 132 GB/天）。

与制造商 360 TBW 的规格相比，该驱动器在约 3.8 年内消耗了其总额定写入耐久度的约 51%。

技术背景：需要指出，这是一款 QLC（每单元 4 比特）SSD，其固有耐久性低于企业级驱动器中常用的 TLC 或 MLC NAND。

陈述性声明（源自原文）：该设备被指定为“阵列里最脆的盘”，是一个高优先级关注对象。

设备识别：Seagate ST900MM0006，900GB，10,000 rpm，企业级 2.5" SAS。

运行指标：上电时间约 33,493 小时。温度为 33°C。

关键负面指标：Non-medium error count = 96。与 R420 中的分析一致，这被定义为通信层错误的计数。96 这一数值之所以重要，是因为同一阵列中的另一块相同型号驱动器（megaraid,6）的计数仅为 2。这种巨大差异指向一个与此特定驱动器或其连接路径相关的局部问题。

正面指标：Elements in grown defect list = 0，Total uncorrected errors = 0。介质表面本身据报告是健康的。

陈述性声明（源自原文）：该设备被描述为“在 SAS 阵列里最值得重点关注的那个”。

此阵列中的两个风险点揭示了两种根本不同的潜在故障类型。megaraid,1 代表了一种可预测的、基于存储介质（NAND 闪存）磨损的故障。而 megaraid,7 则代表了互连或驱动器控制器电子设备（SAS 通信层）的潜在故障。这种区分至关重要，因为它们的根本原因不同，可能需要不同的修复措施。

megaraid,0 - Samsung 870 QVO 2TB：该驱动器与其 1TB 版本形成鲜明对比。Wear_Leveling_Count VALUE = 97，总写入量约 59.3 TB（约占其 720 TBW 额定值的 8%）。这表明其使用强度低，健康状况极佳。两块 QLC SSD 之间巨大的磨损差异（megaraid,1 消耗 51% vs megaraid,0 消耗 8%）揭示了存储工作负载中存在严重的“热点”，即某个特定应用或数据集正在不成比例地写入较小的 1TB 驱动器，从而造成了一个可预测的单点故障。

megaraid,2,3,4,5 - HGST HUC101890CSS204 队列：这四块 900GB 10K SAS 驱动器均显示 Grown Defect List = 0，uncorrected errors = 0，以及 Non-medium error count = 0。其状态被描述为“健康状况相当好”。它们的企业级设计和高 MTBF（平均无故障时间）评级（约 200 万小时）也被提及。

megaraid,6 - Seagate ST900MM0006：该驱动器作为与 megaraid,7 对比的健康基线。其 Non-medium error count = 2 被认为是正常范围。其状态被描述为“良好”。

该阵列的完整性取决于两个已识别的风险驱动器。消费级 QLC SSD（megaraid,1）因高强度写入工作负载而接近其磨损极限，而企业级 SAS 驱动器（megaraid,7）则表现出通信不稳定的迹象。

本节将所有调查结果整合为一个单一的、全面的视图。

下表为整个报告的主摘要表，提供了对基础设施的整体视图。

表 5.1: 全局存储资产健康矩阵

本报告对所检视的存储基础设施状况进行了全面评估，识别出以下核心主题：

存在两块具有明确、高风险故障指标的设备：R420/megaraid,3（SAS 硬盘，后台校验错误）和 R620/megaraid,1（QLC SSD，严重磨损）。

另有数块设备因物理年龄、介质磨损或通信异常而被列为中等风险，需要持续监控。

工作负载分布对 SSD 寿命具有决定性影响，这一点在 Kingston SSD 队列和 R620 的 QLC 驱动器对比中得到有力证明。

在企业级和虚拟化环境中使用消费级和 SMR 技术带来了架构性风险。

绝大多数企业级 SAS 硬盘仍保持在健康和可靠的状态。

本文档代表了截至指定基准日期，基于所提供数据和制造商规格，对该存储基础设施状况的完整、事实性陈述。

[Intel]：Intel 发布的关于固态硬盘 SMART 属性的公开解释，特别是关于可用预留空间（Available Reserved Space/Attribute 232）、编程/擦除失败计数（Program_Fail_Count, Erase_Fail_Count）以及预留块池耗尽与寿命终点关系的说明。

****：Seagate 针对企业级 SAS 磁盘（如 Constellation ES.2, Savvio/10K SAS 系列）发布的产品规格，其中定义了 MTBF、AFR、工作温度、后生长缺陷列表（Grown Defect List/G-list）、背景介质扫描（verify）和非介质错误计数（Non-medium error count）等字段。

****：Kingston KC600 / SKC600MS256G 系列的公开规格，列出了工作温度范围（0°C~70°C）、TBW（256GB 容量级别约 150 TBW）、以及用于表示健康度/剩余寿命百分比的固件属性（如 169/231）。

****：Samsung 870 QVO 系列（QLC SATA SSD）的公开规格，包括 QLC NAND 介质、容量相关的 TBW 指标（1TB 约 360 TBW，2TB 约 720 TBW），以及用于反映 NAND 磨损程度的 Wear_Leveling_Count 属性。

****：Western Digital/SanDisk SATA SSD 的规格书，公开了典型工作温度范围（0°C–70°C），并明确了备用块池（Available Reserved Space）从 100% 下降至接近阈值时即视为临近寿命终点的行为模式。