机械硬盘备份 I/O error 报错排查实战：从坏道到容错恢复

做机械硬盘（HDD）备份这事儿，老实讲，很多人觉得”拷过去就行”，真碰到 I/O error 中断的时候才开始头疼。最近帮朋友处理了一次典型案例，写下来给各位参考。

一、案例背景：一次失败的备份任务

朋友用的是一块从华强北淘来的 4TB 希捷拆机盘，挂在 USB 3.0 硬盘盒里做日常备份。备份脚本每天凌晨三点跑一次 rsync 增量同步，跑了大概两年多一直相安无事。直到上个月某天早上，他发现备份日志里连续三天出现 Input/output error，某些子目录根本没拷过去，目标盘里躺着不少残留的 .tmp 文件，源盘在 Windows 下访问某些文件夹还会卡死十几秒。

初步判断：典型的”老盘寿终正寝”症状。但究竟还能不能抢救？哪些数据能救？抢救顺序怎么排？这才是真正考验人的地方。下面把这套完整的排查与恢复流程拆开来讲。

二、现象：备份任务跑到一半突然中断

具体表现：

• rsync/robocopy 进程异常退出，日志里反复出现 Input/output error
• 备份脚本中断后，目标盘剩余空间看起来充足
• 源盘（机械硬盘）在拷贝某些大文件时，Windows 弹出”无法读取文件”提示
• 部分文件拷贝完成、部分残缺，目标盘出现 .tmp 残留
• 硬盘偶尔发出”咔咔”的异响，这是磁头反复回弹的声音，往往伴随寻道失败
• 系统日志（Windows Event Viewer / Linux dmesg）出现 ata1.00: exception Emask 或 end_request: I/O error 记录

这类问题在 4TB 以上容量、累计通电时间超过两万小时的老盘上特别常见。NAS 仓盘、二手拆机盘、出矿盘都属于高危群体。从华强北电子市场流入的拆机盘尤其需要警惕——商家通常只做短时间通电测试，根本无法暴露潜在的坏道问题。

三、I/O error 背后的底层原理

要真正理解这类报错，得先搞清楚机械硬盘读数据的流程：

1. 寻道（Seek）：磁头臂移动到目标磁道，机械动作耗时 3-15ms
2. 旋转等待（Rotational Latency）：盘片旋转到正确扇区，平均 4.17ms（5400RPM）/ 2.83ms（7200RPM）
3. 数据读取：磁头感应磁场变化，转化为电信号
4. 校验与返回：主控芯片做 ECC 校验，错误则触发重试

所谓 I/O error，本质就是上面四步中任意一步反复失败、超过重试阈值后的最终结果。坏道产生的物理原因主要有：

• 磁介质退化：磁粉涂层老化、脱落，导致信号无法正确读取
• 磁头污染：轻微震动导致磁头接触盘片（正常情况下磁头靠气流悬浮）
• 扇区标记损坏：伺服区（Servo）信息出错，硬盘找不到数据位置
• 写入异常：意外断电导致写入扇区的数据不完整

四、可能原因定位

按排查优先级排列：

1. 坏道（Bad Sector）：磁介质物理损伤，读到特定扇区直接报 I/O error。这是最常见的原因，绝大多数这类故障都跟它相关。
2. SMART 警告：Reallocated Sector Count（05）、Current Pending Sector（C5）、Offline Uncorrectable（C6）三项异常，往往是坏道的前兆。
3. SATA 接口松动或供电不足：3.5 寸硬盘外接时，供电不足会导致读写过程中触发断电保护。
4. 文件系统损坏：NTFS/ext4 元数据出错，备份工具无法完整读取目录树。
5. 目标盘写缓存策略冲突：USB 桥接芯片与机械盘缓存策略不匹配，偶尔也会报写入错误。
6. 线材质量问题：尤其是 SATA 转 USB 线，长度超过 50cm 或劣质芯片容易导致信号衰减。
7. 主板供电波动：多盘位机箱中，老旧电源的 12V 输出不稳，会直接表现为硬盘异常掉盘。

五、解决步骤

第一步：确认源盘健康度

Windows 用 CrystalDiskInfo，Linux 用 smartctl：

sudo smartctl -a /dev/sdX

重点看以下几个 SMART 关键参数：

第二步：评估是否还能继续备份

这是关键决策点：

• Pending Sector < 100 且 Reallocated Sector 不增长：可以尝试容错备份，但数据完整性无法 100% 保证
• Pending Sector > 100 或 Reallocated 持续上涨：建议先做 ddrescue 镜像抢救，再考虑换盘
• Reallocated 已达数千甚至上万：硬盘进入晚期故障阶段，抢救过程中随时可能彻底挂掉，建议优先抢救最重要的数据
• 伴随异响或掉盘：立即停止通电，过度通电会加速磁头与盘片的物理损伤

第三步：用 ddrescue 做容错备份（推荐）

ddrescue 是这类场景的最佳工具，它能跳过读不出的扇区并记录坏块位置，便于后续重试。

基础命令：

sudo ddrescue -n -r3 /dev/sdX /path/to/backup.img /path/to/rescue.log

参数说明：

• -n：跳过坏道不重试
• -r3：遇到错误最多重试 3 次
• 第二个日志文件 rescue.log 必须保留，断点续拷全靠它

如果坏道密集，建议分两阶段执行：

# 第一阶段：快速跳过坏道
sudo ddrescue -n /dev/sdX backup.img rescue.log
# 第二阶段：对坏道区域重试
sudo ddrescue -d -r3 /dev/sdX backup.img rescue.log

-d 参数会让 ddrescue 直接访问设备、绕过内核缓存，常能读出一些原本读不到的数据。

进阶技巧：

# 反向读取模式：对某些坏道密集盘效果更好
sudo ddrescue -n -R /dev/sdX backup.img rescue.log

# 限制速率，避免老盘过热
sudo ddrescue -n --max-read-rate=50M /dev/sdX backup.img rescue.log

# 跳过已恢复区域，只抢救未完成部分
sudo ddrescue --no-scrape /dev/sdX backup.img rescue.log

第四步：镜像挂载与文件提取

拿到镜像后，NTFS 文件系统：

sudo mount -o loop,ro backup.img /mnt/backup

如果 NTFS 元数据损坏导致挂载失败，先用 ntfsfix 处理：

sudo ntfsfix /dev/loop0

ext4 文件系统用 e2fsck：

sudo e2fsck -p backup.img   # 自动修复
sudo e2fsck -y backup.img   # 遇到问题全部 yes（谨慎使用）

镜像提取后，可用 photorec 进一步扫描残留文件：

sudo photorec /d /path/to/output /cmd backup.img partition_i_choosed_to_recover,fileopt,everything,enable,search

第五步：替换损坏文件

挂载成功后，对照 ddrescue 日志找出那些读取失败的源文件。能用 ddrescue 把绝大多数数据救回来就算成功，剩下的犄角旮旯可以试 photorec 或 testdisk，但成功率不保证。

判断哪些文件损坏：

# 从 ddrescue 日志统计坏块数量
grep -c "non-trimmed" rescue.log
grep -c "failed" rescue.log

六、预防策略：让备份不再”踩雷”

亡羊补牢不如未雨绸缪，建议把以下几点纳入日常运维：

1. 周期性 SMART 巡检：每周跑一次 smartctl -H /dev/sdX，结合 cron 邮件告警
2. 遵循 3-2-1 备份原则：3 份副本、2 种介质、1 份异地（云盘/异地硬盘均可）
3. 避开高危盘源：华强北拆机盘、矿盘、NAS 退役仓盘尽量别用来做主力备份盘
4. 监控硬盘温度：机械硬盘工作温度长期超过 45°C 会显著缩短寿命，建议加装风扇或风道散热
5. 避免震动：机械硬盘运行时最怕震动，硬盘盒一定要放在稳定位置
6. 定期全盘校验：每季度跑一次 badblocks 或 fsck 全面体检
7. 及时退役：累计通电超过 30000 小时或 SMART 出现多项黄色告警的盘，应主动替换

七、小结

机械硬盘备份碰到 I/O error，说白了就是源盘寿命到点的信号。第一优先级永远是数据抢救，而不是任务完成。ddrescue + SMART 监测这套组合，配合周期性的健康检查，基本能覆盖大多数家用和 NAS 备份场景。

说真的，备份这事儿最怕的就是”平时不查、出事才慌”。建议把 SMART 监控加进 cron 或任务计划里，Reallocated Sector 增长超过个位数就触发告警，别等到备份当天才发现盘挂了。

—

你最近一次遇到机械硬盘 I/O 报错是哪次？是用 ddrescue 救回来的还是直接换了盘？欢迎评论区聊聊你的踩坑经历。