D
Member
M.2 固态间歇掉盘是最烦人的一类故障:平时用着好好的,跑个大文件拷贝或者玩一会儿游戏,盘突然就没了,重启又回来。上个月帮朋友排查一台这样的机器,最后是三个原因叠加。今天把排查顺序记录下来。
第一步,先看温度。M.2 盘在主板散热片下面,长时间高负载很容易冲到 70℃ 以上,主控一过热就降速甚至掉盘。用 CrystalDiskInfo 看一眼温度和健康度,再跑个持续写入压测,看掉盘是不是和温度峰值对得上。现场这块盘压测 5 分钟就冲到 78℃,掉盘和温度曲线完全重合。处理办法:先确认主板散热片的导热贴是不是贴实了,散热片螺丝有没有拧紧,必要时换一块厚点的导热垫。
第二步,查供电。M.2 插槽的 3.3V 供电来自主板,有些主板的 M.2 供电走线比较细,大负载下电压会被拉低。排查办法:换个 M.2 插槽试试,有些主板的第二个插槽走的是芯片组通道,供电和散热条件不一样;也可以把盘换到别的机器上跑压测,确认盘本身有没有问题。现场换了插槽之后掉盘频率立刻下降,说明主板这路供电有问题。
第三步,看固件和驱动。主控固件有 bug 会导致特定负载下掉盘,去官网查一下有没有新固件,有就先升级。NVMe 驱动也别用系统自带的通用驱动,换成厂商提供的驱动再压测一次。现场这块盘升级固件之后,连续压测 2 小时没再掉过。
第四步,查系统侧的电源管理。Windows 的 PCIe 链路电源管理(ASPM)和硬盘的休眠策略,有时候会把 M.2 盘“睡死”,唤醒失败就表现为掉盘。排查办法:电源计划里把 PCIe 链路状态电源管理关掉,设备管理器里取消“允许计算机关闭此设备以节约电源”,再观察几天。
第五步,看是不是盘本身寿命到了。健康度低于 70%、或者写入量接近 TBW 标称值,就要考虑换盘了。掉盘之前先备份数据,别等盘彻底读不出来再后悔。
我们最后是三管齐下:换了散热导热垫、升级固件、关了 ASPM,之后连续用了一个月没再掉盘。大家遇到过 M.2 掉盘吗?最后定位到的是温度、供电还是固件?
第一步,先看温度。M.2 盘在主板散热片下面,长时间高负载很容易冲到 70℃ 以上,主控一过热就降速甚至掉盘。用 CrystalDiskInfo 看一眼温度和健康度,再跑个持续写入压测,看掉盘是不是和温度峰值对得上。现场这块盘压测 5 分钟就冲到 78℃,掉盘和温度曲线完全重合。处理办法:先确认主板散热片的导热贴是不是贴实了,散热片螺丝有没有拧紧,必要时换一块厚点的导热垫。
第二步,查供电。M.2 插槽的 3.3V 供电来自主板,有些主板的 M.2 供电走线比较细,大负载下电压会被拉低。排查办法:换个 M.2 插槽试试,有些主板的第二个插槽走的是芯片组通道,供电和散热条件不一样;也可以把盘换到别的机器上跑压测,确认盘本身有没有问题。现场换了插槽之后掉盘频率立刻下降,说明主板这路供电有问题。
第三步,看固件和驱动。主控固件有 bug 会导致特定负载下掉盘,去官网查一下有没有新固件,有就先升级。NVMe 驱动也别用系统自带的通用驱动,换成厂商提供的驱动再压测一次。现场这块盘升级固件之后,连续压测 2 小时没再掉过。
第四步,查系统侧的电源管理。Windows 的 PCIe 链路电源管理(ASPM)和硬盘的休眠策略,有时候会把 M.2 盘“睡死”,唤醒失败就表现为掉盘。排查办法:电源计划里把 PCIe 链路状态电源管理关掉,设备管理器里取消“允许计算机关闭此设备以节约电源”,再观察几天。
第五步,看是不是盘本身寿命到了。健康度低于 70%、或者写入量接近 TBW 标称值,就要考虑换盘了。掉盘之前先备份数据,别等盘彻底读不出来再后悔。
我们最后是三管齐下:换了散热导热垫、升级固件、关了 ASPM,之后连续用了一个月没再掉盘。大家遇到过 M.2 掉盘吗?最后定位到的是温度、供电还是固件?