Ogni disco può rompersi in qualsiasi momento

Questa massima, tradotta da "Any drive can fail anytime" dovrebbe sempre essere tenuta presente. La tecnologia ci ha abituato a sistemi sempre più robusti e sempre più economici. I computer si cambiano sempre più spesso e quindi non hanno il tempo di invecchiare.

No so voi, ma io in passato ogni anno avevo a che fare con dischi danneggiati e sistemi da recuperare, ma ultimamente mi stavo abituando a questo concetto...

Settimana scorsa lo ho dovuto affrontare nuovamente, però, e ne ho approfittato per scoprire i passi avanti, ma anche i falsi positivi, che la tecnologia dei dischi ha fatto negli ultimi 5-10 anni.

Premetto che ho un MacBook Pro da circa 2 anni al quale avevo cambiato il disco con un Seagate Momentum XT da 750GB modello ST750LX003, sì il disco ibrdo di cui avevo parlato in un posto precedente. Come ogni utente Mac diligente, ho il mio bravo time capsule, quindi affronto con spavalderia il rischio di dischi danneggiati. Ogni utente Mac dovrebbe usare questo ottimo prodotto, o almeno fare un backup costantemente con un disco estero Time Machine.

Vado subito al punto, presentando le cose interessanti che ho "scoperto".

1. Vai a fidarti dello SMART ...!

Lo stato SMART "verificato" è un colossale falso positivo. Possibile che un disco con quasi 3000 settori danneggiati sia considerato "SMART VERIFIED"?

Includo qui di seguito la lettura delle informazioni SMART, noterete a riga 22 che l'esito della saluto del disco è "PASSED". Questa è l'informazione riassuntiva che vi forniscono i tool tipo Disk Utility.

Ma se guardate i dettagli nelle righe 76 e 77 (Current_Pending_Sector e Offline_Uncorrectable) si vede che sono stati individuati 2912 settori danneggiati e che non sono stati rimappati/sostituiti (valore 0 per Reallocated_Sector_Ct in riga 61). Il firmware dei dischi infatti ha un certo numero di settori "di scorta" e quando si rende conto che un settore scritto è danneggiato, rimappa il settore danneggiato su uno di questi settori di scorta, rendendo il disco apparentemente integro. Ma, cosa strana, pur avendo trovato quasi 3000 settori danneggiati, nessuno è mai stato "riparato"!

1:  MacBook-Pro-di-Ascanio-Orlandini:~ ascanio$ smartctl -a /dev/disk4  
2:  smartctl 6.2 2013-07-26 r3841 [x86_64-apple-darwin13.0.0] (local build)  
3:  Copyright (C) 2002-13, Bruce Allen, Christian Franke, www.smartmontools.org  
4:    
5:  === START OF INFORMATION SECTION ===  
6:  Model Family:   Seagate Momentus XT (AF)  
7:  Device Model:   ST750LX003-1AC154  
8:  Serial Number:  W20079DP  
9:  LU WWN Device Id: 5 000c50 0495444f6  
10:  Firmware Version: SM12  
11:  User Capacity:  750. 156. 374. 016 bytes [750 GB]  
12:  Sector Sizes:   512 bytes logical, 4096 bytes physical  
13:  Rotation Rate:  7200 rpm  
14:  Device is:    In smartctl database [for details use: -P show]  
15:  ATA Version is:  ATA8-ACS T13/1699-D revision 4  
16:  SATA Version is: SATA 3.0, 6.0 Gb/s (current: 1.5 Gb/s)  
17:  Local Time is:  Sun Nov 24 13:01:56 2013 CET  
18:  SMART support is: Available - device has SMART capability.  
19:  SMART support is: Enabled  
20:    
21:  === START OF READ SMART DATA SECTION ===  
22:  SMART overall-health self-assessment test result: PASSED  
23:    
24:  General SMART Values:  
25:  Offline data collection status: (0x00)     Offline data collection activity  
26:                           was never started.  
27:                           Auto Offline Data Collection: Disabled.  
28:  Self-test execution status:   (  0)     The previous self-test routine completed  
29:                           without error or no self-test has ever   
30:                           been run.  
31:  Total time to complete Offline   
32:  data collection:           ( 617) seconds.  
33:  Offline data collection  
34:  capabilities:                 (0x73) SMART execute Offline immediate.  
35:                           Auto Offline data collection on/off support.  
36:                           Suspend Offline collection upon new  
37:                           command.  
38:                           No Offline surface scan supported.  
39:                           Self-test supported.  
40:                           Conveyance Self-test supported.  
41:                           Selective Self-test supported.  
42:  SMART capabilities:      (0x0003)     Saves SMART data before entering  
43:                           power-saving mode.  
44:                           Supports SMART auto save timer.  
45:  Error logging capability:    (0x01)     Error logging supported.  
46:                           General Purpose Logging supported.  
47:  Short self-test routine   
48:  recommended polling time:       (  1) minutes.  
49:  Extended self-test routine  
50:  recommended polling time:       ( 147) minutes.  
51:  Conveyance self-test routine  
52:  recommended polling time:       (  2) minutes.  
53:  SCT capabilities:          (0x1081)     SCT Status supported.  
54:    
55:  SMART Attributes Data Structure revision number: 10  
56:  Vendor Specific SMART Attributes with Thresholds:  
57:  ID# ATTRIBUTE_NAME     FLAG   VALUE WORST THRESH TYPE   UPDATED WHEN_FAILED RAW_VALUE  
58:   1 Raw_Read_Error_Rate   0x000f  102  061  006  Pre-fail Always    -    4174600  
59:   3 Spin_Up_Time      0x0003  098  098  000  Pre-fail Always    -    0  
60:   4 Start_Stop_Count    0x0032  091  091  020  Old_age  Always    -    9472  
61:   5 Reallocated_Sector_Ct  0x0033  100  100  036  Pre-fail Always    -    0  
62:   7 Seek_Error_Rate     0x000f  078  060  030  Pre-fail Always    -    8716117542  
63:   9 Power_On_Hours     0x0032  095  095  000  Old_age  Always    -    4996  
64:   10 Spin_Retry_Count    0x0013  100  100  097  Pre-fail Always    -    0  
65:   12 Power_Cycle_Count    0x0032  092  092  020  Old_age  Always    -    8354  
66:  184 End-to-End_Error    0x0032  100  100  099  Old_age  Always    -    0  
67:  187 Reported_Uncorrect   0x0032  001  001  000  Old_age  Always    -    31723  
68:  188 Command_Timeout     0x0032  100  253  000  Old_age  Always    -    0  
69:  189 High_Fly_Writes     0x003a  100  100  000  Old_age  Always    -    0  
70:  190 Airflow_Temperature_Cel 0x0022  071  050  045  Old_age  Always    -    29 (Min/Max 21/29)  
71:  191 G-Sense_Error_Rate   0x0032  100  100  000  Old_age  Always    -    0  
72:  192 Power-Off_Retract_Count 0x0032  100  100  000  Old_age  Always    -    345  
73:  193 Load_Cycle_Count    0x0032  001  001  000  Old_age  Always    -    231137  
74:  194 Temperature_Celsius   0x0022  029  050  000  Old_age  Always    -    29 (0 12 0 0 0)  
75:  195 Hardware_ECC_Recovered 0x001a  038  027  000  Old_age  Always    -    4174600  
76:  197 Current_Pending_Sector 0x0012  065  065  000  Old_age  Always    -    2912  
77:  198 Offline_Uncorrectable  0x0010  065  065  000  Old_age  Offline   -    2912  
78:  199 UDMA_CRC_Error_Count  0x003e  200  200  000  Old_age  Always    -    0  
79:  254 Free_Fall_Sensor    0x0032  001  001  000  Old_age  Always    -    1  
80:    
81:  SMART Error Log Version: 1  
82:  ATA Error Count: 31636 (device log contains only the most recent five errors)  
83:       CR = Command Register [HEX]  
84:       FR = Features Register [HEX]  
85:       SC = Sector Count Register [HEX]  
86:       SN = Sector Number Register [HEX]  
87:       CL = Cylinder Low Register [HEX]  
88:       CH = Cylinder High Register [HEX]  
89:       DH = Device/Head Register [HEX]  
90:       DC = Device Command Register [HEX]  
91:       ER = Error register [HEX]  
92:       ST = Status register [HEX]  
93:  Powered_Up_Time is measured from power on, and printed as  
94:  DDd+hh:mm:SS.sss where DD=days, hh=hours, mm=minutes,  
95:  SS=sec, and sss=millisec. It "wraps" after 49.710 days.  
96:    
97:  Error 31636 occurred at disk power-on lifetime: 4996 hours (208 days + 4 hours)  
98:   When the command that caused the error occurred, the device was active or idle.  
99:    
100:   After command completion occurred, registers were:  
101:   ER ST SC SN CL CH DH  
102:   -- -- -- -- -- -- --  
103:   40 51 01 ff ff ff 5f Error: UNC at LBA = 0x0fffffff = 268435455  
104:    
105:   Commands leading to the command that caused the error were:  
106:   CR FR SC SN CL CH DH DC  Powered_Up_Time Command/Feature_Name  
107:   -- -- -- -- -- -- -- -- ---------------- --------------------  
108:   42 00 01 ff ff ff 0f 00 22d+14:22:22.273 READ VERIFY SECTOR(S) EXT  
109:   42 00 01 ff ff ff 0f 00 22d+13:38:36.874 READ VERIFY SECTOR(S) EXT  
110:   42 00 78 ff ff ff 0f 00 22d+13:36:54.046 READ VERIFY SECTOR(S) EXT  
111:   42 00 78 ff ff ff 0f 00 22d+12:53:00.110 READ VERIFY SECTOR(S) EXT  
112:   42 00 78 ff ff ff 0f 00 22d+12:09:18.412 READ VERIFY SECTOR(S) EXT  
113:    
114:  Error 31635 occurred at disk power-on lifetime: 4996 hours (208 days + 4 hours)  
115:   When the command that caused the error occurred, the device was active or idle.  
116:    
117:   After command completion occurred, registers were:  
118:   ER ST SC SN CL CH DH  
119:   -- -- -- -- -- -- --  
120:   40 51 78 ff ff ff 5f Error: UNC at LBA = 0x0fffffff = 268435455  
121:    
122:   Commands leading to the command that caused the error were:  
123:   CR FR SC SN CL CH DH DC  Powered_Up_Time Command/Feature_Name  
124:   -- -- -- -- -- -- -- -- ---------------- --------------------  
125:   42 00 78 ff ff ff 0f 00 22d+13:36:54.046 READ VERIFY SECTOR(S) EXT  
126:   42 00 78 ff ff ff 0f 00 22d+12:53:00.110 READ VERIFY SECTOR(S) EXT  
127:   42 00 78 ff ff ff 0f 00 22d+12:09:18.412 READ VERIFY SECTOR(S) EXT  
128:   42 00 78 ff ff ff 0f 00 22d+12:08:52.988 READ VERIFY SECTOR(S) EXT  
129:   42 00 78 ff ff ff 0f 00 22d+11:24:59.271 READ VERIFY SECTOR(S) EXT  
130:    
131:  Error 31634 occurred at disk power-on lifetime: 4966 hours (206 days + 22 hours)  
132:   When the command that caused the error occurred, the device was active or idle.  
133:    
134:   After command completion occurred, registers were:  
135:   ER ST SC SN CL CH DH  
136:   -- -- -- -- -- -- --  
137:   40 51 08 ff ff ff 5f Error: UNC 8 sectors at LBA = 0x0fffffff = 268435455  
138:    
139:   Commands leading to the command that caused the error were:  
140:   CR FR SC SN CL CH DH DC  Powered_Up_Time Command/Feature_Name  
141:   -- -- -- -- -- -- -- -- ---------------- --------------------  
142:   25 00 08 ff ff ff 0f 00 39d+18:42:24.045 READ DMA EXT  
143:   35 00 08 ff ff ff 0f 00 39d+18:42:23.725 WRITE DMA EXT  
144:   35 00 08 ff ff ff 0f 00 39d+18:42:23.395 WRITE DMA EXT  
145:   35 00 08 ff ff ff 0f 00 39d+18:42:23.054 WRITE DMA EXT  
146:   35 00 08 ff ff ff 0f 00 39d+18:42:22.669 WRITE DMA EXT  
147:    
148:  Error 31633 occurred at disk power-on lifetime: 4966 hours (206 days + 22 hours)  
149:   When the command that caused the error occurred, the device was active or idle.  
150:    
151:   After command completion occurred, registers were:  
152:   ER ST SC SN CL CH DH  
153:   -- -- -- -- -- -- --  
154:   40 51 08 ff ff ff 5f Error: UNC 8 sectors at LBA = 0x0fffffff = 268435455  
155:    
156:   Commands leading to the command that caused the error were:  
157:   CR FR SC SN CL CH DH DC  Powered_Up_Time Command/Feature_Name  
158:   -- -- -- -- -- -- -- -- ---------------- --------------------  
159:   25 00 08 ff ff ff 0f 00 39d+17:59:08.702 READ DMA EXT  
160:   25 00 08 ff ff ff 0f 00 39d+17:16:15.731 READ DMA EXT  
161:   35 00 08 ff ff ff 0f 00 39d+17:16:14.818 WRITE DMA EXT  
162:   35 00 08 ff ff ff 0f 00 39d+17:16:14.496 WRITE DMA EXT  
163:   35 00 08 ff ff ff 0f 00 39d+17:16:14.177 WRITE DMA EXT  
164:    
165:  Error 31632 occurred at disk power-on lifetime: 4966 hours (206 days + 22 hours)  
166:   When the command that caused the error occurred, the device was active or idle.  
167:    
168:   After command completion occurred, registers were:  
169:   ER ST SC SN CL CH DH  
170:   -- -- -- -- -- -- --  
171:   40 51 08 ff ff ff 5f Error: UNC 8 sectors at LBA = 0x0fffffff = 268435455  
172:    
173:   Commands leading to the command that caused the error were:  
174:   CR FR SC SN CL CH DH DC  Powered_Up_Time Command/Feature_Name  
175:   -- -- -- -- -- -- -- -- ---------------- --------------------  
176:   25 00 08 ff ff ff 0f 00 39d+17:16:15.731 READ DMA EXT  
177:   35 00 08 ff ff ff 0f 00 39d+17:16:14.818 WRITE DMA EXT  
178:   35 00 08 ff ff ff 0f 00 39d+17:16:14.496 WRITE DMA EXT  
179:   35 00 08 ff ff ff 0f 00 39d+17:16:14.177 WRITE DMA EXT  
180:   35 00 08 ff ff ff 0f 00 39d+17:16:13.855 WRITE DMA EXT  
181:    
182:  SMART Self-test log structure revision number 1  
183:  Num Test_Description  Status         Remaining LifeTime(hours) LBA_of_first_error  
184:  # 1 Short offline    Completed: read failure    90%   4990     836091760  
185:  # 2 Short offline    Completed: read failure    80%   4988     836091760  
186:  # 3 Short offline    Completed: read failure    90%   4988     836091760  
187:  # 4 Short offline    Completed: read failure    90%   4987     836091760  
188:  # 5 Short offline    Completed: read failure    90%   4987     836091760  
189:  # 6 Short offline    Completed: read failure    90%   4978     836091760  
190:  # 7 Short offline    Completed: read failure    90%   4944     836091968  
191:    
192:  SMART Selective self-test log data structure revision number 1  
193:   SPAN MIN_LBA MAX_LBA CURRENT_TEST_STATUS  
194:    1    0    0 Not_testing  
195:    2    0    0 Not_testing  
196:    3    0    0 Not_testing  
197:    4    0    0 Not_testing  
198:    5    0    0 Not_testing  
199:  Selective self-test flags (0x0):  
200:   After scanning selected spans, do NOT read-scan remainder of disk.  
201:  If Selective self-test is pending on power-up, resume after 0 minute delay.  
202:    
203:  MacBook-Pro-di-Ascanio-Orlandini:~ ascanio$   
204:    

Quel che è peggio, se vedete i dati SMART, anche dopo aver richiesto delle verifiche e dopo che queste sono terminate con errori irreparabili (si vedano le linee 182-190) lo stato globale risulta sempre essere "SMART overall-health self-assessment test result: PASSED"! 

Morale: la tecnologia SMART è notevole, ma è usata malissimo dai sistemi operativi. Per fare una vera diagnostica non basta fidarsi del parametro finale ma occorre interpretare tutta la tabella, e anche effettuare dei self test. Occorre monitorare nel tempo l'evoluzione di questi parametri e sollevare allarmi. Cosa che dovrebbe fare il parametro riassuntivo dello SMART, ma evidentemente non lo fa bene.

Esiste un ottimo tool in proposito, per Mac: SMARTreporter, che traccia e tiene una storia delle prestazioni SMART dei dischi e effettua periodicamente i self test interni. Inoltre tiene traccia degli errori in lettura, come si vedrà più avanti. L'altro tool indispensabile è SmartMonTools, disponibile per praticamente tutti i sistemi.

2. Errori in lettura, I/O Error

E questa è un'altra scoperta importante... il disco sa riconoscere errori in scrittura e li usa per rimappare settori danneggiati, ma non gli errori in lettura! Che vengono però gestiti dal kernel del sistema forzando un certo numero di retry - situazione che può mandare in blocco il sistema se ripetuti frequentemente, blocco non permanente ma tipo 20 secondi di blocco dell'interfaccia utente.

Mi sono accorto del problema proprio perché, durante un backup, il sistema diventata ripetutamente non risponsivo. Ho controllato il log di sistema (con "Console" su Mac) e ho trovato simpatiche righe "kernel disk0s1: I/O error".

Anche in questo caso SMARTreporter non solo controlla i parametri SMART del disco, ma anche gli errori di lettura nel log di sistema!

Infatti se si subiscono errori su zone del disco già scritte, questi saranno riconosciuti solo dal sistema operativo! Il disco non puà intervenire rimappando il blocco altrimenti perderebbe tutti i dati del blocco scritto. Invece se si va a scrivere in una zona di disco vuota, se si presenta un errore il disco trasparentemente cercherà di riallocare il blocco con quelli di scorta. Un errore in scrittura quindi implica che il disco è severamente danneggiato tanto che non è più possibile sostituire i blocchi (come nel mio caso).

Il mio nuovo disco

Come saprete, sono un fan dei dischi ibridi di Seagate, nonostante questo disco mi sia morto così presto (poco più di un anno, con all'attivo solo 4996 ore, riga 63).

Dovendo prendere un nuovo disco, mi sono chiesto se prendere lo stesso (Momentum XT da 750GB ST750LX003) oppure la terza generazione di dischi ibridi "Laptop Solid State Hybrid Drive" ST1000LM014 da 1T. (Seguendo il link qui fornito accedete direttamente ad una ricerca su Amazon così che troverete anche il prezzo più attuale del prodotto. Inoltre se lo comprate seguendo questo link, Amazon mi riconoscerà qualche punto percentuale quindi se volete comprarlo e dirmi grazie potete farlo seguendo questo link...)

Perché il dubbio? Il "vecchio" Momentus XT è un disco da 7500rpm, mentre il nuovo di terza generazione è sì più grande ma gira ai soliti 5400rpm, ma ha 64MB di cache di primo livello contro i 32 del modello precedente. Sempre 8GB di memoria NAND allo stato solido. Inoltre la nuova generazione dovrebbe aver migliorato gli algoritmi di caching permettendo anche l'uso della ssd anche in scrittura. Alla fine ho scelto il secondo, quello di 3za generazione, sperando che l'intelligenza sia più importante della "forza bruta" della velocità di rotazione, almeno per i file medio/piccoli che si usano abitualmente. Lo ho comprato su Amazon a meno di 90€ (quello vecchio mi era costato 140€ 1,5 anni fa!).

Politica di Seagate

Da una verifica online il disco risulta ancora in garanzia fino a maggio, praticamente due anni da quando lo ho comprato (giugno 2012), ho potuto fare le pratiche di richiesta di rientro e spedirò il disco domani. Vediamo quanto impiegano per rimandarmelo, ma fino ad ora la procedura è stata molto veloce. Avevo anche scritto al supporto tecnico e mi hanno risposto il giorno dopo con consigli utili, tipo usare il tool SeaTools per fare indagini di basso livello e tentare una riparazione, che è comunque fallita.

Nel frattempo mi sono fatto un po' di esperienza sul recovery mondo Mac, quindi se vi serve qualche consiglio fresco, scrivete pure! 

E buon backup a tutti!