چگونه ویژگی‌های S.M.A.R.T. خرابی هارد دیسک را پیش از از دست رفتن اطلاعات پیش‌بینی می‌کنند

در اوایل سال ۲۰۲۶ در یک دیتاسنتر در ساکرامنتو، یک تکنسین یک هارد دیسک ۱۲ ترابایتی را از یک محفظه ذخیره‌سازی بیرون کشید. درایو همچنان در حال چرخش بود، فایل‌ها را می‌خواند و بدون هیچ نشانه ظاهری از مشکل فیزیکی، به کلاینت‌ها سرویس می‌داد. با این حال، تنها یک خط متن در یک گزارش عیب‌یابی — مقدار خام "۱" در ویژگی SMART 187 — این سخت‌افزار را برای نابودی فوری علامت‌گذاری کرده بود.

در محیط حساس ذخیره‌سازی سازمانی، منتظر ماندن برای شنیدن "کلیک مرگ" معروف درایو یا قطع کامل آن، ریسکی است که مدیران نمی‌توانند بپذیرند. همان یک خطای ثبت‌شده، اثبات ریاضیاتی کافی برای شروع فروپاشی معماری داخلی درایو بود و باعث شد پیش از خراب شدن یا از دست رفتن اطلاعات مشتریان، درایو به‌طور پیشگیرانه تعویض شود.

آن یک خطا به این معنا بود که الگوریتم‌های تصحیح خطای سخت‌افزاری درایو نتوانسته‌اند یک سکتور را بخوانند، که نشان‌دهنده فرسایش میکروسکوپی روی دیسک مغناطیسی است. برای ارائه‌دهنده فضای ابری Backblaze که ۳۴۹,۴۶۲ درایو را در زیرساخت خود نظارت می‌کند، منتظر ماندن تا زمان از کار افتادن واقعی درایو بسیار دیر است.

این شرکت در گزارش سالانه ۲۰۲۵ خود اشاره کرد: "در حالی که نتایج درایوهای فردی ممکن است از سه‌ماهه به سه‌ماهه متفاوت باشد، الگوهای بلندمدت در کل ناوگان، مفیدترین بستر را برای ارزیابی قابلیت اطمینان فراهم می‌کنند." با ردیابی این نقص‌های میکروسکوپی در صدها هزار واحد، دانشمندان داده ثابت کرده‌اند که علائم هشداردهنده خاصی به‌طور قابل‌اعتمادی پیش از خرابی فاجعه‌بار رخ می‌دهند و به آن‌ها اجازه می‌دهند سخت‌افزار را طبق برنامه خودشان تعویض کنند، نه اینکه در واکنش به یک وضعیت اضطراری مجبور به بازسازی RAID شوند.

این هفته، یک راهنمای فنی منتشر شده توسط MakeUseOf نشان داد که دقیقاً همین سیستم هشدار زودهنگام در حال حاضر به‌طور بی‌صدا روی هر رایانه شخصی ویندوزی در حال اجراست و در حالی که کاربران کاملاً بی‌خبرند، خطاها را شمارش می‌کند. این مکانیزم، فناوری خودنظارتی، تحلیل و گزارش‌دهی (S.M.A.R.T.) نامیده می‌شود؛ یک استاندارد صنعتی که مستقیماً در فرم‌ور تقریباً تمام هارد دیسک‌ها (HDD) و درایوهای حالت جامد (SSD) مدرن تعبیه شده است.

این پروتکل که در ابتدا در دهه ۱۹۹۰ از طریق تلاش هماهنگ تولیدکنندگان بزرگ تجهیزات ذخیره‌سازی توسعه یافت، به گونه‌ای طراحی شد که به سیستم‌عامل‌های میزبان یک روش استاندارد برای بررسی معیارهای سلامت داخلی درایو ارائه دهد و عملاً به سخت‌افزار اجازه دهد تا مرگ قریب‌الوقوع خود را پیش از آنکه کاربر دسترسی به فایل‌هایش را از دست بدهد، گزارش کند.[1][2]

کاربرد واقعی SMART در توانایی آن برای تشخیص فرسایش قابل‌بینی سخت‌افزار پیش از رسیدن به نقطه خرابی فاجعه‌بار است. طبق مستندات این استاندارد، "خرابی‌های مکانیکی عامل حدود ۶۰ درصد از تمام خرابی‌های درایو هستند." در حالی که نوسان ناگهانی برق، ریختن یک فنجان قهوه یا افتادن لپ‌تاپ باعث خرابی غیرقابل‌پیش‌بینی می‌شود که هیچ نرم‌افزاری نمی‌تواند آن را پیش‌بینی کند، استهلاک مکانیکی و فرسایش تدریجی سطح، یک ردپای ریاضیاتی مشخص به جا می‌گذارند.

همان‌طور که هدهای خواندن/نوشتن درایو میلیون‌ها بار روی دیسک‌ها حرکت می‌کنند، کنترلر داخلی دائماً نقص‌های میکروسکوپی، تلاش‌های مجدد و خطاهای کالیبراسیون را شمارش می‌کند و یک پروفایل جامع از یکپارچگی فیزیکی سخت‌افزار در طول عمر عملیاتی آن می‌سازد.[2]

هنگامی که کاربر یک ابزار عیب‌یابی متن‌باز مانند CrystalDiskInfo را اجرا می‌کند، نرم‌افزار از فرم‌ور درایو درخواست می‌کند تا این شمارش‌های داخلی را بازیابی کرده و آن‌ها را به یک فرمت قابل خواندن تبدیل کند. این داده‌ها به صورت یک جدول متراکم از ویژگی‌ها برگردانده می‌شوند که هر کدام دارای مقادیر فعلی (Current)، بدترین (Worst)، آستانه (Threshold) و خام (Raw) هستند.

از آنجا که سیستم‌عامل به‌ندرت این اطلاعات را به تنهایی نمایش می‌دهد، ابزارهای شخص ثالث به عنوان یک لایه ترجمه ضروری عمل می‌کنند؛ آن‌ها داده‌های هگزادسیمال خام را از تراشه کنترلر درایو استخراج کرده و در داشبوردی ارائه می‌دهند که دقیقاً مشخص می‌کند کدام قطعات در زیر بار عملیات خواندن و نوشتن روزانه در حال تقلا هستند.[3][5]

درک نحوه خواندن این جدول، کلید پیش‌بینی خرابی سخت‌افزار است. مقدار خام (Raw)، شمارش واقعی و مقیاس‌بندی‌نشده رویدادهاست — مانند تعداد دفعات دقیقی که هد خواندن مجبور شده برای دریافت یک بلوک داده دوباره تلاش کند.

سپس فرم‌ور این شمارش خام را به یک مقدار فعلی (Current) نرمال‌سازی می‌کند که معمولاً با یک امتیاز کامل ۱۰۰ یا ۲۰۰ شروع می‌شود و با گذشت زمان و فرسایش درایو کاهش می‌یابد. اگر مقدار فعلی به زیر آستانه (Threshold) تعریف‌شده توسط سازنده برسد، درایو رسماً وضعیت "احتیاط" (Caution) یا "بد" (Bad) را اعلام می‌کند که نشان می‌دهد سخت‌افزار حاشیه‌های ایمنی مهندسی‌شده خود را تمام کرده است.[2][3]

با این حال، دیتاسنترهای مستقل و تحلیلگران ذخیره‌سازی دریافته‌اند که منتظر ماندن برای رسیدن به آستانه رسمی سازنده اغلب یک اشتباه خطرناک است. تحلیل Backblaze از میلیون‌ها روز-درایو نشان می‌دهد که مقادیر خام خاص بسیار بیشتر از امتیاز فعلی نرمال‌سازی‌شده، مرگ قریب‌الوقوع را پیش‌بینی می‌کنند؛ امتیازی که اغلب طوری برنامه‌ریزی شده تا برای جلوگیری از ادعاهای زودهنگام گارانتی، به‌طور مصنوعی بالا بماند.

تا زمانی که مقدار فعلی یک درایو واقعاً از آستانه رسمی عبور کند، سخت‌افزار اغلب در مراحل نهایی خرابی قرار دارد و بازیابی اطلاعات را به شدت دشوار یا کاملاً غیرممکن می‌سازد.[4]

حیاتی‌ترین معیار برای درایوهای مکانیکی سنتی، ویژگی ۰۵: تعداد سکتورهای جابه‌جاشده (Reallocated Sectors Count) است. هنگامی که یک درایو یک سکتور میکروسکوپی در حال خرابی را روی دیسک مغناطیسی خود تشخیص می‌دهد، آن سکتور خاص را برای همیشه غیرقابل استفاده علامت‌گذاری می‌کند و داده‌ها را به یک فضای ذخیره پنهان از سکتورهای یدکی که در کارخانه درون درایو تعبیه شده‌اند، منتقل می‌کند.

مقدار خام بالاتر از صفر در این دسته به این معناست که درایو به طور فعال در حال مصرف ذخایر اضطراری خود برای پنهان کردن آسیب فیزیکی از سیستم‌عامل است. به محض اتمام این سکتورهای یدکی، هرگونه فرسایش بیشتر در سطح منجر به از دست رفتن فوری و غیرقابل جبران اطلاعات خواهد شد.[2]

ویژگی ۱۹۷، تعداد سکتورهای در انتظار فعلی (Current Pending Sector Count)، برای هر کسی که سلامت فضای ذخیره‌سازی خود را زیر نظر دارد به همان اندازه اضطراری است. این ویژگی سکتورهایی را شمارش می‌کند که درایو مشکوک به خرابی آن‌هاست — معمولاً به دلیل شکست در عملیات خواندن — اما هنوز نمی‌تواند با خیال راحت آن‌ها را جابه‌جا کند زیرا داده‌ها با موفقیت خوانده نشده و به یک سکتور یدکی منتقل نشده‌اند.

افزایش این عدد اغلب پیش از خرابی فاجعه‌بار اطلاعات رخ می‌دهد، زیرا نشان می‌دهد که درایو برای دسترسی به فایل‌های کاربر در حال تقلا است و منتظر است تا سیستم‌عامل روی بلوک خراب بنویسد تا در نهایت بتواند آن را بازنشسته کند.[2]

برای درایوهای حالت جامد (SSD) مدرن، مکانیک خرابی کاملاً تغییر می‌کند و کاربران باید مجموعه متفاوتی از ویژگی‌های SMART را زیر نظر بگیرند. از آنجا که SSDها به جای دیسک‌های مغناطیسی چرخان و بازوهای محرک متحرک از تراشه‌های حافظه فلش NAND استفاده می‌کنند، دچار خرابی‌های مکانیکی هد یا موتور نمی‌شوند.

در عوض، ویژگی‌های SMART آن‌ها استقامت محدود نوشتن را ردیابی می‌کنند — به طور خاص کل تعداد پاک کردن‌ها (Erase Count) و درصد بلوک‌های فلش یدکی باقی‌مانده. هر بار که داده‌ای روی یک SSD نوشته می‌شود، حافظه فلش اندکی فرسوده می‌شود؛ داده‌های SMART به کاربران اجازه می‌دهد دقیقاً ردیابی کنند که چه مقدار از این طول عمر محدود مصرف شده است.[2]

با وجود گستردگی آن در سراسر صنعت فناوری، SMART یک پیشگوی بی‌نقص برای سلامت سخت‌افزار نیست. این استاندارد فاقد پیاده‌سازی یکپارچه و دقیق در بین تولیدکنندگان است، به این معنی که یک ویژگی خاص ممکن است در یک درایو Seagate حیاتی تلقی شود اما در مدل Western Digital یا Toshiba نادیده گرفته شود یا کاملاً متفاوت مقیاس‌بندی شود.

علاوه بر این، ویندوز تا زمانی که درایو از آستانه نهایی خرابی سازنده عبور نکند، به‌طور فعال به کاربران در مورد کاهش ویژگی‌های SMART هشدار نمی‌دهد — نقطه‌ای که اغلب از دست رفتن اطلاعات از قبل رخ داده است و کاربر را با یک سیستم فایل خراب و بدون هیچ هشدار قبلی رها می‌کند.[1][2][4]

برای پر کردن این شکاف مهم در دیدپذیری، کاربران می‌توانند بدون نصب هیچ نرم‌افزار شخص ثالثی، وضعیت درایو را به صورت دستی بررسی کنند. باز کردن Command Prompt ویندوز به عنوان مدیر (Administrator) و اجرای دستور 'wmic diskdrive get status' سیستم‌عامل را مجبور می‌کند تا مستقیماً کنترلر SMART را بررسی کند.

مقدار بازگشتی "OK" به این معناست که درایو هنوز از آستانه نهایی خود عبور نکرده است، اگرچه عدم وجود خطاهای خام هشدار زودهنگام را تضمین نمی‌کند. برای دید دقیق‌تر، کاربران باید به ابزارهای اختصاصی تکیه کنند تا مقادیر خام دقیقی را که سلامت واقعی سخت‌افزار را دیکته می‌کنند، آشکار سازند.[1][3]

در نهایت، داده‌های SMART به جای یک تضمین مطلق برای ایمنی ذخیره‌سازی، به عنوان یک پنجره عیب‌یابی عمل می‌کنند. یک گزارش SMART کاملاً تمیز از نابودی فوری درایو در اثر خرابی ناگهانی قطعات الکترونیکی، سوختن خازن یا نوسان برق جلوگیری نمی‌کند.

با این حال، نادیده گرفتن یک ویژگی فرسوده تضمین می‌کند که یک مرگ سخت‌افزاری قابل‌پیش‌بینی و کند، اطلاعات کاربر را نیز با خود از بین خواهد برد. با نظارت پیشگیرانه بر این معیارها، کاربران می‌توانند درایوهای در حال خرابی را با شرایط خودشان تعویض کنند و یک فاجعه بالقوه از دست رفتن اطلاعات را به یک ارتقای سخت‌افزاری معمول تبدیل کنند.[1][4]