NAS的固态硬盘隔三差五消失怎么办？我那块当缓存的小盘掉了一个月才抓到现行，病根多半不在盘上

家里那台飞牛NAS装过一块256G的固态当缓存，就是我在固态缓存值不值那篇里提过的那块。有天我登录后台想看看缓存命中率，硬盘列表里它没了——就剩四块机械盘整整齐齐排着，那块固态像从没存在过一样。我心里一沉，第一反应是盘挂了，256G的盘也不值几个钱，但缓存没了存储池直接变裸奔，得马上处理。

结果还没等我下单新盘，重启了一下机器，它又回来了。健康信息看着正常，温度正常，写入量正常。我当是玄学，没管。接下来一个月，它又掉了两回：一次是半夜，第两天早上我看到存储池报了缓存异常；一次是我在旁边刷手机，听见机箱里没动静，登录一看人没了。掉了重启就好，好了过几天又掉——这种「时有时无」的毛病，比直接坏掉还磨人，因为你永远不知道它哪天彻底不回来。

后来我把系统日志翻了个底朝天，才在一个不起眼的角落抓到现行。这篇就把这套抓掉盘的思路写下来：先讲怎么拿证据，再讲我碰到的病根和按概率排的排查顺序。固态盘从列表里消失，八成不是盘要寿终正寝，别急着扔钱。

先拿证据：掉盘那一刻系统其实喊了一嗓子

固态盘消失不是无声无息的。它从SATA链路上断开的那个瞬间，内核会在日志里记一笔，只是这笔账不在你常看的那些页面里，得自己去翻。

飞牛和群晖都开了SSH的话，直接看内核日志：dmesg | grep -i "sata\|link\|reset"。我那块盘掉线时，日志里是这样的：先是SATA link down（链路断了），紧接着ata3.00: disabled（这个SATA口上的设备被禁用），再往后一串hard resetting link（系统在反复尝试重新拉起链路）。时间戳清清楚楚，跟我后台看到盘消失的时刻一分不差。这就是实锤——链路掉了，系统试了没拉回来，才把它从设备列表里摘掉。

群晖不开SSH也有路子。存储管理器里点那块盘，有的版本能看「硬盘日志」；实在没有，就退一步用时间对照法：掉盘那一刻后台管理页面还记着系统事件，把事件时间和硬盘列表的异常时间对上，虽然不如dmesg精确，至少确认「是那一分钟断的」，而不是盘慢慢坏掉的。我那块盘后来确认，三次掉盘的日志时间全在凌晨两点到四点之间，这个规律后来直接帮我锁定了病根，下面细说。

顺带说一句，日志里要看到的不是「坏」，是「断」。SMART健康项都绿的盘照样掉——掉盘是链路层的事，体检报告是体质层的事，两码事。硬盘SMART数据怎么读我写过一篇看RAW值不吓自己，掉盘这事别拿SMART当判据，会误判。

病根一：盘的省电机制，固态掉盘的头号惯犯

日志规律出来后我想了一晚上：为什么偏偏是凌晨？白天全家使劲用NAS它不掉，半夜没人碰它反而掉。后来对上一个词——省电。

固态盘自己有一套低功耗状态机，SATA盘叫DEVSLP和Partial低功耗态，NVMe盘叫APST。空闲一段时间，盘就降到低功耗状态睡过去，要用再醒。这套机制在台式机上没什么问题，但在NAS上有一个隐蔽的坑：NAS的盘常年闲着（缓存盘尤其闲，没有读写任务它就发呆），进低功耗态的次数是普通电脑的几十倍；而有些主控固件写得糙，或者跟主板的SATA控制器脾气不合，睡得进去醒不过来——链路拉不起来，系统那边看到的就是盘掉了。

验证成本低到不像话：把这块盘所在的存储池或缓存设置里，把「硬盘休眠」相关的选项关掉，或者在SSH里给这块盘关掉省电（hdparm -B 254 /dev/sdX把APM级别钉在不禁省电的位置，具体盘符用lsblk先看清楚），让它保持常醒，跑一两周。不掉，病根就定了。我那块盘关掉省电后，一个月没再掉过一次，凌晨的规律性掉盘直接绝迹。零成本，只是多费一两个电，一年撑死十几块。

这一步跟机械盘那个「休眠失败被唤醒」的毛病是表亲，机械盘那套偷写盘的排查我写在休眠老是失败那篇里，两篇可以对着看：机械盘是睡不进去，固态是醒不过来，都是省电机制跟NAS这种7×24场景犯冲。

病根二：SATA口和线，六块钱的老坑

如果掉盘时间没规律，白天晚上随机掉，那省电这条先放一边，看链路本身。

机械盘接触不良的症状我在开机认不到盘那篇里写过：SATA线没插到位，差半毫米就能让链路时断时续，日志里满屏link down。固态盘这条一个不少地继承，而且有两处更容易中招。一是盘位：多盘位机器的固态多半装在3.5寸托架的转接架上，托架螺丝没拧紧，机器一震，转接板跟背板之间的接触就晃；二是供电线分出来的SATA供电头，几块盘串一根线上，接头氧化或松了，供电抖一下链路就掉。日志里如果看到的是link power management相关的报错混着hard reset，链路层的嫌疑更重。

判别法跟机械盘那篇一样：换线、换口、盘跟别的盘位对调，看故障跟谁走。跟盘走，是盘或转接架的事；跟盘位走，是口或线的事。SATA线六块钱一根，先换线再谈别的，这是硬盘圈的祖训。我同事那台机器的缓存盘掉了一个季度，换线十分钟解决。

病根三：主控固件太糙，杂牌盘的高发病

这个病最气人，因为它没得修，只能认。

固态盘的主控固件要处理一大堆并发任务：垃圾回收、磨损均衡、坏块映射，还要维持链路状态机。大牌盘（三星、致态、铠侠这些）固件打磨得多，杂牌白牌盘为了压成本用公版主控加毛坯固件，链路状态机那一块特别容易出岔子：低功耗切换、异常恢复、纠错重试这些边角场景，处理不好就是掉盘。我表弟那块报剩余寿命3%的杂牌盘，毛病链里就带着这个——固件按最坏情况报磨损是小事，链路动不动断一下才是大事，那篇账我算在TBW到多少该换里了。

怎么判是不是固件的锅：换到电脑上、换条线、换个口，照样掉；关了省电也不管用；SMART又查不出任何坏项——盘体没病，行为有病，锅基本就背在固件头上。碰上这种盘，别折腾了，救数据的路只有一条：数据能迁赶紧迁。固件层的掉盘有个特别坏的走向，就是哪次睡过去再也醒不来，直接变砖，主控说走就走这点我在系统盘坏了数据丢不丢那篇里领教过，机械盘好歹还给个前兆，固态经常不给。

所以给NAS挑固态，我的建议一直没变：缓存盘、系统盘这种「掉了伤筋动骨」的位置，宁可贵三五十块买大牌。这种位置的盘，稳比快重要，比容量更重要。测速那套怎么测才不虚标，在固态测速那篇里写过，选盘的时候别只盯跑分。

病根四：温度和供电的边角账

两条概率不高但值得知道的。

温度：固态盘耐热比机械盘好，但杂牌盘的降频保护写得很糙，贴着CPU散热片装的M2盘、或者塞在机械盘堆里没有风道的SATA盘，温度一过70度，有些固件直接断链路自保，日志里看着就是掉盘。硬盘温度多少算正常我写过一篇52度和58度是两回事，固态的刻度宽松些，但掉盘又查无别因的时候，摸一下盘壳，烫手就先给它挪个有风的位置。

供电：固态盘功耗小，一般不背供电的锅，但有一种情况除外——跟好几块机械盘串在同一路SATA供电上，冷开机时机械盘集体起转那一下电流冲得很猛（一块3.5寸盘起转要吃20多瓦，这笔账在认不到盘那篇里算过），同一路上的固态被电压塌陷闪一下，轻则掉链路重则直接失联。家里盘多、又常掉盘的，看看供电线的串法，把固态单独喂一路。

收个尾：照这个顺序查，先动手再动钱包

把整套思路收成一张表，掉盘的时候照着走：

收尾再提醒一句：缓存盘掉盘有个连带伤害别忽视——它在存储池架构里是有角色的，掉的时候池子会报异常，跟机械盘掉盘的报法很像，但处理完全两码事（机械盘掉盘的存储池侧处理在降级那篇，固态缓存盘遇到直接把缓存拆了重建就行，别按RAID那套惊弓之鸟地拔盘）。我那块256G的，关掉省电之后稳到现在，缓存命中率还在涨。掉盘这毛病，证据都在日志里躺着，先翻日志，再动钱包。