磁盘诊断操作手册
本页目录
从“哪一层异常”开始：空间、inode、设备健康和 I/O 延迟是四个不同问题。本篇负责定位；分区、LVM、文件系统变更集中在 存储手册，避免两套互相矛盾的操作步骤。设备名、路径均需按本机替换。
| 当前任务 | 入口 |
|---|---|
| 磁盘满了 | df 与 du 不一致 |
| 写入慢、卡顿 | 延迟与负载 |
| I/O error、只读 | 设备健康与证据 |
先把目录映射到真实设备
# 定位包含目标目录的实际挂载
-T 接受目录/文件路径；看 SOURCE、FSTYPE、TARGET，再选下一步工具。路径落在根文件系统也会明确显示，不要因目录名像数据目录就认定它独立挂载。
# 把挂载源向下对应到块设备层级
看 part、lvm、crypt、raid 等 TYPE；SIZE 是该层容量，不是文件系统可用空间。
# 核对稳定设备名指向哪个当前设备
维护设备时同时核对型号、序列号、容量与槽位，不只凭 sdX。
# 读取该文件系统的数据块使用率和类型
Use% 接近 100% 进入空间排查；-h 是可读单位，-T 显示类型。
# 单独检查 inode 是否耗尽
IUse% 高可能是大量小文件；文件系统不同，inode 的分配与统计含义也不同。
先看 TYPE 与父子关系：目录可能在 LVM、加密映射、容器 overlay 或网络文件系统上。/dev/sdb 会随枚举变化；维护前把 by-id、型号、容量、挂载点一起核对。df 看文件系统，不是整块盘的剩余容量。
同一路径、同一挂载范围，再比较容量
沿同一挂载范围找占用
# 按一级子目录统计，避免跨文件系统
选占用最大的业务目录继续下钻；-x 保持同一文件系统。权限错误会造成少算，需要读 stderr，扫描本身也会带来 I/O。
# 查找已删除但仍被进程打开的文件
关注 COMMAND、PID、SIZE/OFF、NAME；对照设备确认属于目标文件系统。按所属应用支持的日志轮转或优雅重启释放句柄，不直接截断未知 fd。
# 在该路径是挂载点时查看其嵌套挂载
普通目录先用 findmnt -T 取得 TARGET，再对那个挂载点 -R。嵌套挂载会遮住底层文件，使 du/df 的比较范围不同。
# 只针对 journal 判断日志占用
日志清理应按 systemd 手册 的归档与保留策略执行；不要根据目录总大小删除活跃日志文件。
这是 GNU du 写法；以目录本身为参数会包含隐藏项，du ... /var/lib/* 会漏掉它们。-x 不跨文件系统。lsof +L1 查已取消链接但仍打开的文件，先确认所属服务和日志轮转方式，正常关闭句柄后空间才释放；不要直接截断未知 /proc/PID/fd。
| 观察 | 解释与下一步 |
|---|---|
| df: blocks 100%, inodes available | 查大目录、已删除但仍打开的文件、快照保留与文件系统保留空间 |
| df -i: IUse% 100% | 小文件数量耗尽 inode；按目录定位数量，清理必须遵守应用保留策略 |
| df >> du | 先排除权限、挂载范围、隐藏文件，再看打开句柄和快照；两者计量也不完全相同 |
| 删了文件却没变小 | 仍打开、快照引用、回收站或写入同时增长；先查原因再继续删 |
交互式浏览可用 ncdu；搜索文件可用 find/fd。fd 默认遵守忽略规则且忽略隐藏项，需要时明确使用 fd -HI，不要把空结果当作目录没有文件。Docker 卷、日志与镜像清理见 Docker，不能凭目录大就直接删除其数据目录。
把设备延迟与进程负载对齐
# 连续观察设备级吞吐、队列和延迟
来自 sysstat；-y 跳过开机累计首份，-x 扩展字段，-z 隐藏无活动设备，1 是秒间隔。用 await、aqu-sz、吞吐对齐业务时段，Ctrl-C 停止。
# 按进程观察累计 I/O，聚焦有 I/O 的对象
-o 只看活动，-P 按进程，-a 累计；累计大不等于此刻速率高，内核 accounting/权限不足要先读提示。
# 按秒查看进程读写与 I/O 等待线索
与同一时间的 iostat 对照；进程写入可能先进入页缓存，不能要求每秒与设备写入逐字节相等。
# 读取任务因 I/O 阻塞的压力统计
some/full 的 avg10/60/300 是对应时间窗比例，total 是累计微秒。它补充“任务是否被拖慢”，不能单独指出哪块盘损坏。
iostat 来自 sysstat；-y 跳过自启动以来的首份平均值。结合读写速率、await、队列和应用延迟看连续区间：%util 高不等于所有 NVMe/RAID 都已达到吞吐上限，低吞吐高延迟也可能是同步小写入、队列等待或设备错误。iotop 的权限与内核 accounting 支持需满足；没有条目不证明没有 I/O。
先保全证据，再考虑修复
按设备类型选择健康查询
# 读取已核对 SATA/SAS 设备的详细健康记录
设备占位符必须替换；USB 桥的协议可先查 smartctl --scan-open，再按支持的 -d 类型查询，不盲目写固件或发起长自检。
# 对 NVMe 控制器读取健康日志
这是 NVMe 的选择项；关注 critical_warning、media_errors、temperature 和寿命使用量的变化，不把历史总数单独当成新增故障。
# 按时间关联设备重置、I/O 错误与只读切换
保留故障前后记录；硬件读错优先保全可恢复副本，不在原盘上反复强制修复。
确认 TRIM 支持与调度
# 查看设备栈报告的 discard 能力
DISC-MAX 等为能力线索，不证明当前文件系统已运行 TRIM。
# 查看是否安排周期 TRIM
实际执行结果读 journalctl -u fstrim.service；先检查已有计划，不再叠加重复调度或无条件开启持续 discard。
以上是不同设备的选择项，不是全部照抄执行。USB 桥可能需 smartctl -d 指定协议，先看设备支持。SMART PASSED 不能排除线缆、电源、控制器或即将发生的故障；关注错误计数的变化、温度、介质错误及内核重置。自检会产生负载，时长由设备估计，不固定“几分钟”。
出现 I/O error 或文件系统转只读时，先停止非必要写入、确认备份与恢复入口，再判断硬件还是文件系统损坏；不要先 remount,rw 或 fsck -y。离线检查与层级扩容见 存储。TRIM 需要整条设备栈支持；先查看 fstrim.timer 的计划，不为所有 SSD 强行同时启用持续 discard。