作为三星 pm9a1 固态 0e 报错/数据损坏的早期、二度受害者，谈谈科学的预判和检测方法

[wangyuyang3]

  看了《三星这次所谓大批量爆出固态损坏，可能也没那么严重？》（ https://www.v2ex.com/t/879351 ）这个帖子有感而发，感受到许多朋友对自己使用类似型号的三星固态感到不安（即便目前 0e 没有计数），以及迫切地想要实锤自己会不会翻车。因此发个帖子简单陈述一下我这个倒霉蛋的实践经验，供各位参考。

1 、问题表现：从 S.M.A.R.T 几个相关属性的性质以及相互关系作为切入口
  这次三星固态翻车，主要表征可以从三个属性反馈出来：
  03 可用备用空间
  0E 媒体与数据完整性错误计数
  0F 错误日志项数

（ 1 ） 0e 报错或数据丢失是因为 03 可用备用空间耗尽？非也。
  时常看到一些网友这样描述：可用备用空间是用来纠错的，会有自然损耗，但如果耗尽了备用空间，那么一些数据错误就无法纠正过来，最后引发文件物理损坏的严重后果。
  事实上，这种解释让我很困惑，因为我两次翻车出现数据丢失的时候，0E/0F 计数疯涨，但是 03 可用备用空间依然十分充裕。例如我本周的这次翻车，03 计数为 93%，但已经丢了好几个文件了。
  换句话说，三星这次报 0e 和数据损坏，压根不是因为用于纠错的备用空间用完，而是压根没有纠错就坏了？

（ 2 ）本次问题的重点——0e 媒体与数据完整性错误计数及其对应的实际危害
  顾名思义。这个计数表示 SSD 中文件在读取过程中出现的不可纠正错误的次数，反映到 windows 事件查看器对应的日志即 disk 错误（报：在 SSD 上检测到一个不正确的区块）。这种报错对应的实际问题包括但不限于：
  a.以视频文件为例，如果是文件头信息丢失，视频就直接损坏打不开了，视频文件的几个核心属性全部丢失，必须用一些视频恢复软件重新编码才能恢复；如果是文件中段数据丢失，那么就表现为：视频可以正常打开，但是播放到某个位置突然卡住了，然后播放器直接崩溃，此时可以拖进度条跳过损坏的区域；
  b.以 Vmware 虚拟机虚拟磁盘文件为例，部分损坏并不影响虚拟机的正常运行，但当用到虚拟机克隆功能时会做虚拟磁盘全盘数据校验，报循环冗余检查，提示无法克隆。
  c.对于分卷压缩文件，表现为 WinRAR 等压缩软件在执行解压时直接报循环冗余检查，无法正常解压；
  d.对于其他通常的单体文件：通常表现为无法正常使用特定软件打开，可能同时出现无法从 SSD 复制或移动到其他硬盘的情况，但这种检验方法并不可靠，文件可以打开不代表没有坏一小部分；某天可能反复尝试无法复制或移动出去，但第二天突然又可以移出了……但这并不代表它起死回生了，实测下来数据本身可能还是存在部分永久性损坏的；
  e.对于系统运行稳定性来说：到了 ssd 癌症晚期阶段，很容易发现系统存在莫名其妙的卡顿，windows 事件查看器的 disk 报错已经爆表了；甚至最严重的情况下，系统引导文件可以直接损坏，GG 。
  ……

（ 3 ）关于 0E 和 0F 的关系——0F 不重要
  显而易见，0F 包含 0E ，媒体与数据完整性错误只是日志记载错误中的一种，可能还有别的错误类型，所以 0F 在本次翻车事件中意义不大；实际上，在大部分情况下，本次翻车 0E 和 0F 计数基本上相等，也就是除了文件直接损坏并不会报别的错误。


2 、涉及的设备型号和固件？——固件修复论不可信
  型号方面，这里我不再费工夫收集整理了，大家可以直接 google 一下 chiphell/nga/贴吧等论坛，或者看看外语论坛的相关讨论。
  但对于固件，很多评论指出升级到 XX 固件就好了，0e 计数不再增加了，这类断言我个人是觉得非常可疑的：
  （ 1 ）即便已经出现 0e 计数，不动固件，0e 也不是每天都必然增加，需要你是个倒霉蛋，正好每天都读取到某个损坏的文件，才会报错，才会增加计数；你如果不触发损坏的文件，损坏实际上已经悄然发生，只是你恰好死活找不到损坏的究竟是谁……
  我现在二度翻车就遇到这么个情况，一个 60GB 的虚拟机磁盘已经暴毙，但最近连着好几天都再也没有 disk 错误，0e 也不增加，但我难道能一叶障目，忽略已经产生的损失和未来压根无法预判的随机损失吗？
  （ 2 ）各种型号固件能否升级本身没用通行方案。像我这里用的 OEM 版本的 980pro——pm9a1 ，固件压根不是三星提供的，而是联想提供的第三方固件。整个 SSD 都无法通过 Samsung Magician 控制。我这边最新翻车的型号和固件分别为：SAMSUNG MZVL22T0HBLB-00BL/8L2QGXB7 ，固件版本查下来是联想于今年 3 月份释出的新版固件（至于是否有升级更新我压根找不到……我看到的都是 thinkpad 的技术支持页，而自己机器对应的官方页面并没有更新）。这种情况下，你让我怎么升级固件？。。
  （ 3 ）更何况，三星压根没有正式公布这个问题及其本质原因，更遑论在固件更新日志中明确提示这一问题的解决。根据软硬件安全的基本常识，无论时软件 bug 还是安全漏洞，如果一个补丁包是用于解决生产环境的某个灾难性问题的，三星难道会悄咪咪地发布而不予以任何通告吗？如果固件更新真能解决 0e ，恐怕三星早就拿个大喇叭到处喊了，毕竟早期预防总好过未来无尽的售后成本和品牌形象贬损吧？


3 、问题触发条件？能否预判？
（ 1 ）问题触发条件——没有规律可循
  有些人新盘到手没几天就暴毙，像我这种都是用了半年左右（通电 3000-5000 小时，写入 /读取 60TB 左右），才暴毙。这种都是看运气。
  我也曾 too young too simple ，常常为这价值 2000 多的小片片感到自责和懊悔。
  是不是我不够爱惜？是我下手太重了吗？是因为我经常搞音视频后期 /剪辑、折腾虚拟机的原因吗？是因为我有长期不关机的习惯吗？我想了想，根本不至于……
  我第一次翻车是在今年 3 月份，去年 10 月才买的联想游戏主机标配的三星 pm9a1 ；实际运行时间应该在几千小时，数据写入 /读取分别不会超过 100TB 。但发现翻车的时候，为时已晚，情况已经非常严重了——时常感到系统卡顿，0e 计数已经飙到几千了，除去不重要的系统文件和游戏数据，最终排查下来损失了近 100GB 关键资料（大部分是单体高价值大视频文件）。
  那个时候我作为早期受害者也很费解，因为当时网上压根没有多少先例可循。和维修师傅聊到这个，他也表示很诧异，表示很少见到三星旗舰 SSD 直接暴毙的。
  我暗自叫苦：我 tm 运气这么好花了 2 万多摇到的搭载三星 2TB 旗舰固态的“高端”游戏主机，就这么脆弱？你在逗我吧……

（ 2 ）能否预判？——压根不存在预判的可能性，等待你的只有突然暴毙
  朋友们，很能理解你“我应该不会这么倒霉吧”的侥幸心理和迫切想要亡羊补牢的情绪，但别忘了 0e 媒体与数据完整性错误计数本身的性质和含义，有没有一种可能，它本身就代表着死亡？
  试想一下，你每天都试图从 S.M.A.R.T 属性值找到迹象，但你等的究竟是什么？难道是某个先兆吗？你等的分明就是 0e 计数本身的上升，只有这个数字才能让你知道真有问题了（上文已经指出“备用空间”计数不可靠）。但这种上升本来就代表数据已经发生永久丢失了，你这不是在预判死亡，而是等待死亡，然后验尸。

4 、本文重中之重：谈谈如何在暴毙早期及时发现问题
  看到这里，相信你已经摆正心态，明确检测问题的目标不是发现濒临死亡的迹象，而是探索已经死亡的文件尸体。目前来说，可靠的检测有以下几种：
  （ 1 ）结合本文第 1 段第（ 2 ）节提出的问题表征，日常使用过程中提高发现问题的敏锐度，别一个报错一晃就过去了压根没看到，那就 G 了。
  （ 2 ）抛弃 Diskgenius 、HD Tune Pro 的扫描功能，使用 Hard Disk Sentinel 6.01.4 PRO 的“扩展的自测试”以及“表面测试”功能。
  对于扩展的自测试，如非 OEM 产品，支持调用 Samsung Magician ，应该也有类似的官方检测功能。
  对于表面测试功能，选择测试类型为“读测试”，在“配置”选项卡中勾选“顺序测试”、“随意测试”、“蝴蝶式测试”、“颠倒顺序测试”，测试次数可以选择两次，这样比较容易排查出问题。
  表面测试完成后，如发现有红块，可以左键单击红块，勾选左下角“检测扇区文件信息”，就可以轻松定位已经损坏的文件。相应的，测试过程中的报错均会如实反映到 windows 事件查看器的 disk 报错以及同时导致 0E/0F 计数跟着增长。
  由于读取测试不会伤及 SSD 寿命，所以可以养成时常检测的习惯。
  ★相反：Hard Disk Sentinel 6.01.4 PRO 能扫出的错误区块，使用 Diskgenius 、HD Tune Pro 的扫描功能不一定能扫出，应该就是后两者检测功能对 SSD 的支持程度、检测方式细化程度不足。但如果问题已经到了极其严重的程度，那请放心，后两个软件也能扫出红块。
  （ 3 ）养成每周筛选排查 windows 事件管理器的 disk/Disk 日志的习惯，及时发现数据错误。同时周期性地测试大文件、某个游戏地文件路径整体复制到其他硬盘，测试看是否会出现无法读取源文件的报错。
  （ 4 ）如果出现大型文件已经损坏无法迁移出去的情况，可以尝试一下 chkdsk /r 这个 cmd 命令，或许有修复的机会
  （修复时需要锁定、卸除硬盘，可以 PE 上执行）
  （此处修复不是指文件从损坏恢复到完好如初，而仅仅是可以移动出 SSD 了，具体是否有损失还需要个案分析。）


5 、结语
  这次三星固态翻车的问题，目前从原理上看 tm 就是个黑箱，官方还处在昏睡状态，没有预判方法。
  不要幻想它像人的糖尿病似的可以在早期通过体检找到相应指标，随后予以补救。记住，0e 本身就是死亡，重点在于死的是什么文件。
  如果 0e 已经有计数，“计数短期内不再增长”不是你摆烂的理由。能售后换新就赶紧去换吧，不要赌自己运气好。

  对于创意工作者，工程文件什么的都得长点心，处理好了赶紧转存机械硬盘。
  对于虚拟机使用者，要提防整个虚拟机磁盘损坏的风险，定期快照存到其他硬盘。
  对于单纯用来装系统或者放大型游戏的朋友，我只能说，我很羡慕你可以闲庭信步，处变不惊……

漏强调一个问题，很多人认为，自己也看了 S.M.A.R.T 计数，0e 指标完全没异常能够，就一下子放松警惕，觉得肯定没事。问题就在于对 0e 计数根本原理的理解除了偏差。
0e 计数不是一种 ssd 系统自检，不要幻想你啥也不干，它就能在后台自动扫盘判断数据完整性。
0e 计数只是 ssd 被动记录使用者在主动读取文件时发生的错误。这个错误难道是系统自己触发的吗？不可能，必须是使用者自己去触发。
所以实际有没有翻车怎么能依赖于被动看指标呢？你要主动去做全盘读取扫描才行啊。。。而且是长期的、周期性的监控，不能安于一时的测试结果。

[ltkun]

讲事实摆道理

[francis59]

重要数据还是放在机械盘上吧，
刚才复制 980 pro 2T 上的数据，触发了几次读取失败，0E 从 23 上升到 140 了，03 降到 90 了，
像这种情况，还在保修期内的能直接换新吗？

[francis59]

复制完飙升到 2601 了

[id7368]

@francis59 能 有人狗东直接换新

[ready]

关键问题：换新之后，新换的就没有问题？

[LongLights]

天 我机器两条 m2 插槽都是 9a1 ，明天起床测一下

[c]

完了，我也中招了。联想 pm9a1 CL2QGXA7 。全盘扫描了一次，0e 增加了 20 多。

[wangyuyang3]

@francis59 我现在每天扫一遍，可以看出来每天都有新的区块错误。
（目前这块盘还在等待上门换新）

[francis59]

@wangyuyang3 我昨天把能复制出来的数据复制出来后，完整格式化了一下（不勾选快速格式化），再拿三星魔术师完整扫描，结果没红块了，但是 0E 飙升到 1 万 6 千多了，03 只剩 89 了。。。后来扫描了几遍 0E 也没再增长，但是还是不放心，申请保修了，
可惜我的超过 180 天了（京东不能换新了），只能拿去返厂检测一下看有没有问题了

[francis59]

忘了说了，我的硬盘是 980 pro 2T ，固件扫描之前已经升级到 5B 了

[gundam0603]

去年 11 月的 970EP 1t ，新版主控,写入 4t 多，写保护，03 值已经是 0 了，0E 正好没截到不知道是多少，固件 3B2QEXM7 ，后来申请售后换了块，现在不太敢用，希望别出问题了

[totoro625]

@francis59 #9 受害者+1 ，我是快速格式化之后，再写满三遍数据，惊喜的发现 0E 又增加了，E 盘举例，cipher /w:E

OP 分析的很到位，0E 是发现错误后才增加的，但是此时你的数据已经丢了
SMART 只是告诉你，你去读取的时候发现数据死了，他帮你记录一下这件事

固件论这件事，我是同时用了两块 PM9A1 2T ，当初有两个版本的固件，我特意挑了联想版升级到对应的 7401 固件（ SAMSUNG MZVL22T0HBLB-00BL7 ），通用版保持 7301 固件（ SAMSUNG MZVL22T0HBLB-00B00 ），长期使用下来唯独 7401 固件的固态炸了，之后就是统一升级到 7601 对应的固件（联想版为 8L2QGXB7 ），并将故障的固态写入 3 遍随机数据并格式化后继续用（ OEM 商家让我自付邮费寄到台湾换新），与此同时我给机器加了 M2 散热风扇，控制固态工作温度长期低于 60 度，目前数据尚未出现问题。

有点怀疑出问题的都是出厂固件是 7401 版本的。
猜测：该版本固件为鸡血固件，解决了掉速问题，使用过程中出现数据损坏的区块但是为进行屏蔽，导致即使你升级了 7601 固件后问题依旧存在，需要低格后让固态主控发现问题，主动屏蔽坏块，即主动让 0E 增加

Hard Disk Sentinel 6.01.4 PRO 用你的办法测试完没发现问题，但是数据读取量增加了 7735GB ，另外建议下次推荐一些免费软件，减轻大家钱包的压力

[totoro625]

@gundam0603 #11 安利一个小软件 StableBit DrivePool
Windows 胆子大的可以用存储空间 /存储池功能软 RAID 一下

[wangyuyang3]

@totoro625 因为 V2EX 不让分享破解软件。实际上这个破解版网上很好找哦

[wangyuyang3]

@totoro625 之后可以继续长期随诊一下 hhh 因为这种数据静态损失的出现可能周期非常长。不过如果有效的话可以帮上很多没保修的朋友也算是好消息了。不过还是想吐槽，真是升级固件可以搞定的话，那三星现在动作也太慢了

[mingl0280]

不是固件升级能搞定的，我这五块盘里面坏了三块，都是最新固件。

[eightsheep]

害怕，PM9A1 1TB 00B00 ，最新固件，也会中招吗……

[fuxkcsdn]

MacOS 有对应工具吗？

[eightsheep]

话说我的 PM9A1 出场固件是 7301Q ，升级到最新的。

[francis59]

更新一下，京东给换新了，拿回来扫了一遍没问题，京东自营售后还是可以的

[1194129822]

有用，我一个备用盘，测一下 20 个坏块。

[1194129822]

@eightsheep 没必要升级，我 7301Q 的时候固态写了快 100T 都没什么问题，升到 7401 ，7601 后 G 了。

[kevin335200]

中招序列号我收集了一下，见 https://www.chiphell.com/thread-2443478-1-1.html
序列号第八位第九位为出厂年月

[KagurazakaKotori]

22 年 6 月出厂的 PM9A1 2T MZVL22T0HBLB-00B00 ，S677NX0T ，出厂 7601Q 固件，测出来没问题
查了一圈好像 22 年出厂的盘出问题的很少