硬盘坏通常不是瞬间整盘消失，而是先出现可读数的劣化信号，监控这些信号能提前换盘，把数据风险压在故障发生之前。独立服务器与裸金属可以直接读盘的健康自检数据；云服务器用的是虚拟化云盘，读不到底层盘片，要换用控制台指标来判断。
## 症状与定位
典型症状是 IO 延迟升高、写吞吐突然下降、系统日志里冒出块设备报错。独立服务器上用 smartctl -H /dev/sda 先看整体自检结果，再 smartctl -a 看明细，重点三个属性：Reallocated_Sector_Ct 重映射扇区数、Current_Pending_Sector 待定扇区数、UDMA_CRC_Error_Count 接口校验错。重映射与待定扇区从零开始增长，就是盘片在出坏块的直接证据；CRC 错误持续涨则更可能是线缆与接口问题，先换线再判盘。
云服务器侧没有 SMART 可读，判断依据换成控制台的 IO 指标：磁盘读写延迟的长期曲线、突发限流触发频率、与前一周同期的对比。云盘延迟持续抬升且非业务增长所致，提工单让服务商从底层核实，必要时更换云盘或迁移实例。
## 更换时机与预防
读到硬性坏块增长就该进更换流程，不要等彻底掉盘：先确认最近一次备份完整可用，再把业务切到备机或新盘，原盘降级为只读留存，最后才下线。数据库这类强一致服务，切换前先停写并核对记录数，顺序错了好盘也能演出坏盘的效果。
预防侧做两件事：巡检脚本定期抓三个关键属性的原始值，与上次比对，增量超零就告警；给业务盘的 IO 延迟与空间水位设监控阈值。判读时看增速比看绝对值更有意义：一块用了几年的盘存量几十个重映射扇区但长期不涨，风险可控；一块新盘短期内连涨，即使数值还小也要尽快换。盘的健康是会走下坡的消耗品，监控的意义不是让它不坏，而是让它坏在你能从容处理的时候。