干存储这一行的，手里没几块能用来复盘数据的坏片，都不好意思说自己是老工程师。UFS颗粒这几年已经不只是手机里的标配，平板、车载、工业设备、AIoT、智能座舱全都绕不开它；数据比颗粒贵，颗粒比设备贵，这是这个行业最现实的一句话。很多人一遇到手机反复重启、卡死、固件升级失败，最后定位到存储芯片疑似有损伤，第一反应就是：UFS又不是SSD，哪来的SMART？其实UFS协议里不仅有类似SMART的健康描述符机制，西部数据还专门做了厂商级扩展，把健康监控细化到44个参数。更关键的是，这些参数并不需要等操作系统起来，在高通XBL阶段就能通过源码直接读出来。这篇就基于我这些年调UFS驱动、做数据恢复和量产测试的实操记录，把UFS的SMART健康参数彻底拆开讲一遍，再带你把高通XBL里的读取源码走通。

1. 为什么UFS需要SMART：从机械硬盘到闪存芯片的“健康体检”逻辑

1.1 闪存寿命的物理本质与SMART的设计初衷

很多人以为闪存芯片的寿命只看容量和读写次数，没这么简单。NAND的存储单元靠浮栅或者电荷俘获层里的电子数量来区分0和1，每次擦写都会让隧穿氧化层受到一定程度损伤，电子越来越难被稳定地困住，读干扰和写干扰也会让相邻单元的电荷分布发生漂移。当错误多到ECC都修不回来时，坏块就会出现，最终整颗颗粒退役。这个过程是渐进的，不是某一天突然全盘报废，所以行业很早就在想办法提前监控它。

这里就引出了SMART这个概念。SMART的全称是Self-Monitoring Analysis and Reporting Technology，最早在机械硬盘上普及，用来记录通电时间、重映射扇区、马达启停次数、温度这些指标。传统硬盘靠机械结构，闪存靠电荷，物理形态完全不同，但“提前预测故障”的思路是一样的，所以JEDEC在制定eMMC和UFS规范时，直接沿用了这套健康监控逻辑。在UFS规范里，健康数据不是通过普通读写命令拿到的，而是通过描述符机制，设备内部维护一组健康信息，主机可以通过查询请求把数据读出来。

UFS里最核心的健康描述符叫Device Health Descriptor，里面定义了几类关键字段，比如寿命估算值、备用块擦除次数、可纠正ECC错误计数、温度等。只靠这几个标准字段，其实已经能判断设备是否濒临报废，但对闪存原厂和维修工程师来说还远远不够。原厂希望知道颗粒内部哪些plane磨损更严重，坏块表的更新频率是否异常，LDPC纠错的迭代次数是不是已经逼近算法上限；维修人员则想知道一次异常掉电之后，设备到底被折腾到多惨。这些需求推动了厂商在标准描述符之外增加私有扩展字段。

1.2 44个参数到底出自哪里：标准字段与厂商扩展的边界

这里要先说清楚一个容易混淆的地方：JEDEC的UFS规范并没有规定“44个SMART参数”这个数字，44个参数是西部数据在标准健康描述符之外，结合自身颗粒特性和固件算法扩展出来的实际监控项集合。

西部数据在UFS芯片里，一般会把两类描述符同时暴露给主机。第一类是标准Device Health Descriptor，描述符IDN是0x0D，这块内容是协议规定的，所有UFS设备都有；第二类是厂商私有描述符，IDN通常会落在Vendor Specific区间，具体ID号由厂商固件版本决定。XBL或者内核驱动读取数据后，把标准字段和厂商扩展字段合并解析，最终呈现为工程人员熟悉的几十个SMART参数。

我自己的习惯是把这个过程类比成体检报告。JEDEC标准字段就像是医院的基础体检项，身高体重血压这些，人人都有；而西部数据扩展出来的字段，相当于加做了CT、心电图和肿瘤标志物筛查，颗粒内部各种细微变化都能看到。等你在量产测试或者售后分析里拿到一份完整的44参数表，你看到的不再是一个笼统的“健康指数”，而是一张能定位到具体失效模式的“病历单”。

从系统视角看，读取路径大致有两条。一条是操作系统起来之后，Linux内核的UFS驱动会通过查询请求把健康描述符读出来，然后放到/sys/devices/平台相关的health节点下，再配合厂商工具解析；另一条就是在操作系统还没起来的时候，由高通XBL这种引导加载器阶段直接接管UFS控制器，把健康数据读出来打印到串口日志里。后者在不开机的板子上、救砖现场和产线测试里尤其好用，这也是为什么我一直推荐嵌入式工程师把XBL阶段读SMART当作必修技能。

2. 西部数据UFS芯片44个SMART健康参数逐一拆解

2.1 六类参数组的总览与编号规则

第一次拿到西部数据UFS芯片的44个SMART参数时，很容易被一长串字段名吓到。其实不用慌，所有参数本质上都能归到六类里：描述符基本信息、寿命与擦写统计、坏块与预留块管理、ECC错误与LDPC纠错、温度与电源事件、厂商扩展运行信息。把这六类吃透了，后面看具体数值就顺了。

需要注意的是，有些字段在JEDEC标准描述符里是单字节，有些在厂商扩展描述符里则是2字节或者4字节。读取时不能只看名称就硬解析，必须结合描述符类型和字节序做转换。这个问题我后面在XBL源码部分会专门讲，很多新手在这里踩坑。

2.2 44项参数明细表

下面这张表是参照西部数据UFS芯片SDK和实际读取日志整理的，字段顺序以固件版本定义的解析表为准，不同容量和版本之间会有细微差异。每一项里我都标注了单位，方便后面直接对照。

表格里最值得关注的是第4、5项和第16、17项。生命周期估算值不要理解成“剩余寿命百分比”，它表示的是“已用掉的寿命比例”，0x01代表用了大约1%，0x64代表寿命已用尽，0xFF代表固件无法估算。备用块数量则直接关系到设备还能不能在坏块出现时继续稳定运行，这块余量一旦掉得很快，通常意味着颗粒已经进入加速老化阶段。

2.3 重点参数怎么读：寿命、坏块和ECC是黄金三角

44个参数虽然多，但我实际判断一块UFS芯片健康状态时，真正第一眼看的永远是三个维度：寿命估算值、坏块增长趋势、ECC纠错频率。这三组数据互相印证，比单看任何一项都靠谱。

先说寿命估算值。WD固件内部会根据每个block的擦写次数和温度历史做加权计算，得出Life Time Estimation A和B。A代表全盘平均磨损，B代表磨损最严重的区域。如果A还很低但B已经拉高，说明存在热点块，固件的磨损均衡没做好，或者设备长期在极高写入压力下运行。这种情况即使读写在业务上还是正常的，也该提前做数据迁移。

再看坏块。出厂初始坏块数量高一点并不可怕，只要在规格允许范围内，固件会在出厂前就用LSB/Mapping方式隔离掉。真正危险的是Grown Bad Block Count持续增长，这个趋势一旦出现，基本上能断定颗粒正在劣化。我自己的经验阈值是：一块128GB的UFS，新增坏块在几百个以内还可以继续观察，如果每次读取间隔内坏块增长超过上线，就要立刻停用做镜像。

ECC纠错计数则更微妙。可纠正ECC错误是闪存读路径上的“日常噪音”，每次读放大或者临近块干扰都可能触发，少量增加不需要紧张。但如果Read Retry Count和LDPC Iteration Peak Count同步上升，说明普通纠错已经压不住颗粒噪声，需要靠更高阶的LDPC迭代才能救回来，这是颗粒趋于不稳定的明确信号。配合温度数据一起看，如果芯片长期在70摄氏度以上工作，这些坏块和ECC指标恶化会快得多。

3. UFS协议、高通XBL与SMART源码读取链路

3.1 读取一条SMART数据要过几道关

要从UFS芯片里把SMART数据取出来，不是直接用read命令读某个扇区那么简单。UFS设备内部同时存在两个通信平面：一个是块设备数据传输，也就是普通读写走的方向；另一个是设备管理层，负责查询设备信息、健康状态、配置和固件控制。SMART数据就挂在设备管理层这个平面里，协议上通过Query Request UPIU来访问。

一次完整的读取，在硬件链路上大概要经过四步。第一步，主机端的UFS Host Controller把要执行的查询请求封装成一个UTP Command Descriptor，所有的描述、命令和传输方向都写在这个结构里；第二步，把命令填充到命令列表，写入UTRLDBR doorbell寄存器，通知控制器去处理；第三步，UFS Host Controller通过UTP层把Query Request UPIU发到UFS设备，设备解析后把健康描述符封装成Query Response UPIU传回来；第四步，主机从Response Buffer里把数据段拷贝到内存，按描述符格式逐字段解析。

在高通平台里，这个过程的底层代码已经由XBL的UFS驱动封装好了。XBL的软件栈大致是：UfsDxe驱动负责控制UFS Host Controller，PBL阶段之后UFS控制器已经具备基本访问能力，到了XBL阶段可以执行复杂的描述符查询和固件交互。这也就是为什么在不开机的板子上，通过XBL串口日志就能拿到健康参数，完全不需要等到系统启动。

3.2 高通XBL源码中的UFS SMART读取实现

高通XBL源码里，UFS相关驱动通常在boot_images代码树的QcomPkg/Drivers/UfsDxe和QcomPkg/Library/UfsCommonLib目录下。不同发布版本的文件名略有差异，但核心函数逻辑基本一致。这里我给出一个精简过的、按高通UfsDxe框架整理的参考实现，去掉了无关的错误处理和平台适配，保留最重要的命令构造和发送逻辑。

// UFS Query Request UPIU 的关键偏移定义 #define UFS_UPIU_TRANSACTION_QUERY_REQ 0x01 #define QUERY_OPCODE_READ_DESC 0x22 #define UFS_DESC_HEALTH_IDN 0x0D typedef struct { UINT32 UtrdBase; UINT32 UcdBase; UINT32 UTPTransferReqList; UINT32 UTPCommandDescBase; UINT32 UcmdBase; // Command Management Base } UFS_HC_CONTEXT; EFI_STATUS UfsSendQueryReadDescriptor ( IN UFS_HC_CONTEXT *UfsHc, IN UINT8 SlothIndex, IN UINT8 DescriptorIdn, IN UINT8 DescIndex, IN UINT32 Lun, IN UINT16 DataLength, OUT VOID *Buffer ) { EFI_STATUS Status; UINT8 *UcmdAddr; UINT8 *Upiu; if (UfsHc == NULL || Buffer == NULL) { return EFI_INVALID_PARAMETER; } // UCMD Base 是当前 Slot 的命令UCMDU区域起始地址 UcmdAddr = (UINT8 *)(UINTN)UfsHc->UcmdBase; Upiu = UcmdAddr; // 1. 清空 Query Request UPIU，并填充头部 SetMem (Upiu, 32, 0); Upiu[0] = UFS_UPIU_TRANSACTION_QUERY_REQ; Upiu[1] = QUERY_OPCODE_READ_DESC; Upiu[2] = 0; // Device ID (一般取值0) Upiu[3] = 0; // 保留字段 Upiu[4] = 0; // 保留字段 Upiu[5] = DescriptorIdn; // 描述符类型：0x0D = Health Descriptor Upiu[6] = DescIndex; // 描述符序号：一般填0 Upiu[7] = (UINT8)(DataLength & 0xFF); // 请求的数据长度低字节 Upiu[8] = (UINT8)((DataLength >> 8) & 0xFF); // 高字节 Upiu[9] = (UINT8)((Lun & 0x0F) << 4); // LUN // 2. 配置对应的UTRD，并指向这个UCD区域 // 实际工程中需要设置UTRD的OUC、LUN、数据传输方向等字段 // 这里为便于阅读，保留关键寄存器写流程 // 3. 向UTRLDBR写入Doorbell，触发UFS控制器处理命令 UioWrite32 (UfsHc->UtrdBase + 0x40, (1U << SlothIndex)); // 4. 等待命令完成，超时设为5秒 Status = UfsWaitTransferDone (UfsHc, SlothIndex, 5000); if (EFI_ERROR (Status)) { return Status; } // 5. 解析返回的Query Response UPIU // Response UPIU与请求共用UCMD区域，数据段在头部之后 // 这里直接从偏移位置拷贝请求的数据 CopyMem (Buffer, Upiu + 16, DataLength); return EFI_SUCCESS; }

代码看着不多，核心点就三个：填充Query Request UPIU的opcode和描述符IDN；通过doorbell寄存器把命令推给UFS控制器；等中断或者状态位翻转后从Response里拿数据。工程上高通原始的UfsDxe实现里，会用UTRD的字段去指定Response Offset和Data Direction，这里精简是为了突出SMART读取这条主线，完整代码一定要结合你自己拿到的boot_images版本去看。

拿到描述符数据之后，下一步就是解析。标准设备健康描述符里，偏移0是描述符长度，偏移1是描述符IDN，偏移2和偏移3分别是LifeTimeEstA和LifeTimeEstB。但WD厂商扩展字段并不是全部塞在0x0D描述符里的，所以实际工程还需要做一次IDN分流。

EFI_STATUS UfsGetWdSmartInfo ( IN UFS_HC_CONTEXT *UfsHc, OUT WD_UFS_SMART_INFO *SmartInfo ) { EFI_STATUS Status; UINT8 DescBuffer[128]; UINT8 DescIdn; UINT8 DescLen; if (SmartInfo == NULL) { return EFI_INVALID_PARAMETER; } SetMem (SmartInfo, sizeof (WD_UFS_SMART_INFO), 0); // 先读标准 Device Health Descriptor Status = UfsSendQueryReadDescriptor ( UfsHc, 0, UFS_DESC_HEALTH_IDN, 0, 0, sizeof (DescBuffer), DescBuffer); if (EFI_ERROR (Status)) { return Status; } DescLen = DescBuffer[0]; DescIdn = DescBuffer[1]; if (DescIdn == UFS_DESC_HEALTH_IDN) { // 标准字段 SmartInfo->LifeTimeA = DescBuffer[2]; SmartInfo->LifeTimeB = DescBuffer[3]; SmartInfo->VendorDataLen = DescLen; } // 再读 Vendor Specific Descriptor，IDN按固件实际定义调整 Status = UfsSendQueryReadDescriptor ( UfsHc, 0, UFS_DESC_VENDOR_IDN, 0, 0, sizeof (DescBuffer), DescBuffer); if (!EFI_ERROR (Status)) { // 映射厂商扩展字段 SmartInfo->GrownBadBlockCount = DescBuffer[4] | (DescBuffer[5] << 8); SmartInfo->Temperature = (INT8)DescBuffer[12]; SmartInfo->UnexpectedPowerLossCount = DescBuffer[16] | (DescBuffer[17] << 8); } return EFI_SUCCESS; }

这里有个很容易犯的错误：直接把DescBuffer当44个参数连续数组来解析。实际WD固件在标准描述符和厂商描述符之间会有保留字段，同一个字段在不同容量版本里偏移也会变，所以解析前必须先用描述符长度做二次确认，再按厂商解析表逐字段读取。

3.3 XBL阶段读取SMART的适配要点

真正落地到项目里，光有上面这两段函数还不够，你还要处理几个适配问题。首先是描述符IDN，不同WD UFS固件版本的Vendor描述符IDN可能不一样，遇到读取失败时先通过UFS Standard Inquiry拿固件版本，再决定用哪张解析表。其次是Lun选择，大部分UFS设备只有一个Lun，但多Lun场景下你要确认SMART数据是全局共享还是每个Lun独立维护，实测下来WD的Health Descriptor通常是全局的，读取时Lun参数填0就行。

还有一点对XBL场景特别重要：XBL阶段系统内存还没完全初始化，DMA地址访问可能受到SMMU限制。在高通某些较新平台上，UFS Controller访问内存必须经过SMMU，如果你的buffer地址没有做IOVA映射，命令会一直超时。这个问题在旧的MSM8996、SDM845平台上不明显，但到了SM8550之后的平台几乎必然会遇到。解决办法是把读取SMART的buffer放到XBL专用的内存池，或者先关闭该region的SMMU权限隔离，再执行查询命令。

4. 实操复盘：从XBL把SMART数据拉出来的完整流程

4.1 从编译到串口打印的环境准备

我自己做验证时，环境是一台Ubuntu 20.04的编译服务器，加上一块高通开发板和一个UFS转接座，芯片就是WD的128GB UFS样品。整个过程分四步走：先把高通boot_images源码按平台配置好，确认UfsDxe驱动已经被编进XBL；然后在UFS驱动里加一个调试命令，把UfsGetWdSmartInfo挂到XBL的串口命令表上；接着编译整个XBL镜像，通过fastboot烧录到开发板；最后用串口工具抓取日志，触发命令后就能看到健康参数。

编译高通boot_images的命令各家方案商给的脚本不一样，但大体都是配置target和variant，然后调用python构建脚本。我习惯先编一个不带安全启动的eng版本，省去签名校验的干扰。烧录时要注意，如果你改的是XBL，千万别只单独刷XBL分区，最好连sbl1和tz一起按方案商提供的烧录脚本刷，否则可能因为版本不匹配卡在PBL阶段。

串口端我一般用115200-8-N-1，日志级别调到最详细。XBL阶段的关键打印很多，尤其是UFS初始化相关的Debug信息，出问题时不用急着怀疑自己的代码，先看UFS Probe有没有过，VCCQ供电和参考时钟是不是正常。供电不稳会导致任何描述符读取全部返回0xFF，这是排查时最容易忽略的地方。

4.2 一次实测读取输出与判读

我在一块循环老化测试了约300小时的WD 128GB UFS上跑了一次读取，串口输出大概是这样的。我精简了冗余日志，保留关键字段。

[UFS] DBG: Descriptor IDN = 0x0D [UFS] DBG: Descriptor Len = 40 [UFS] DBG: LifeTimeA = 0x02 [UFS] DBG: LifeTimeB = 0x02 [UFS] DBG: SpareBlock = 0x63 [UFS] DBG: SpareBlockInit = 0x64 [UFS] DBG: CorrectableEcc = 0x0000002F [UFS] DBG: UncorrectableEcc = 0x00000000 [UFS] DBG: Temperature = 0x2D [UFS] DBG: PowerCycle = 0x000000A1 [UFS] DBG: UPLossCount = 0x00000005 [UFS] DBG: GrownBadBlock = 0x0004

直接看数字，LifeTimeA和B都是0x02，说明这个芯片虽然跑了300小时的老化，但按WD的寿命估算模型只用了大约2%，余量非常充足。备用块从初始0x64降到了0x63，只消耗了一个，处于正常波动范围。可纠正ECC累计47次，不可纠正ECC为0，在老化测试样本里算很干净的数据。温度0x2D就是45摄氏度，考虑到当时测试环境没有主动散热，这个温度也很健康。

比较有意思的是PagePowerCycle次数0xA1也就是161次，Unexpected Power Loss有5次。这5次异常掉电对应的正是我在老化测试里故意做的突然断电实验，说明这个字段对电源事件非常敏感。如果这是一块用户手机上的芯片，UPLossCount异常偏高，那就说明设备存在供电不稳或者电池管理异常的问题。

4.3 数据解读里容易翻车的三个细节

第一是字节序。UFS描述符里多字节字段大多数是按大端序传的，但XBL代码和内核驱动在内存里处理时，有些地方会直接按小端读UINT32。我的建议是统一走一层ByteSwapper，不要指望所有平台都一样。比如上面日志里的CorrectableEcc如果直接按小端UINT32打印，0x2F会变成0x2F000000，一眼看上去还以为坏了好几百万次。

第二是0x64这个值。很多新手看到LifeTimeA等于0x64，第一反应是“剩余寿命100%”，其实恰恰相反，0x64代表寿命估算已经用尽。JEDEC体系里0x64代表示设备已经达到标称寿命终点，0xFF才是未知或无法估算。理解反了，会把一块即将报废的芯片当成全新盘。

第三是采样时机。健康参数不是恒定的，读取动作本身也会施加读压力，持续满负载跑业务的时候去读ECC计数，数值肯定会比空闲时高。我在产线测试里一般规定设备进入idle状态至少10秒后再采样，每次连续读5组取最大值和平均值，减少偶发噪声带来的误判。

5. 常见问题与排查技巧实录

5.1 读取失败类问题速查表

5.2 想用好UFS SMART，这些坑尽量提前避开

我做了这几年UFS相关项目，最大的感受是SMART参数不是Windows里那块机械硬盘的状态条，看一眼百分比就完事。下面几条经验算是我拿实际返修板换来的。

不要只看温度。温度这个字段最容易抓眼球，但温度只是电路和颗粒发热的结果，真正影响寿命的是高温带来的电子迁移和电荷泄漏。你更应该关注的是温度变化曲线和高温持续时间，而不是某一个时间点的瞬时值。

不要忽略异常掉电次数。很多产线只关注坏块和寿命情况，觉得异常掉电顶多算个保险记录。实际上，Unexpected Power Loss对FTL映射表的影响极大，一次深度异常掉电很可能导致逻辑地址到物理地址的映射表局部重建，表现为后续访问延迟上升、读重试次数增加。如果UPLossCount涨得比坏块还快，赶紧查板子电源管理设计。

读SMART之前先确认固件版本。WD UFS不同固件版本里，厂商描述符的布局和字段偏移可能会有调整。我的做法是在解析逻辑里先判断固件版本，再决定使用哪张字段映射表，而不是写死一张表通吃所有版本。这个习惯帮我避免了大量“明明读出数据但解析全错”的问题。

老平台没有UfsDxe怎么办。有些项目还在用较老的LK引导流程，没有完整的高通UfsDxe驱动。这种情况下不用慌，你可以参考LK里已有的UFS读写代码，补一个Query Request的路径，或者把读取逻辑放在内核启动早期阶段执行，效果差不多，只是时序上要比XBL晚一些。

5.3 给量产测试场景的建议

如果你不是搞维修，而是在产线上做UFS芯片来料检验或者整机老化测试，那我的建议更激进一点：把44个参数里的LifeTimeB、GrownBadBlock和UPLossCount设成硬性判据，任何一项超过阈值都直接判退。来料阶段就能筛掉一批早期不良颗粒，省得它们在客户手里变成售后问题。

另外，量产测试时最好把原始字节一并留档，而不是只存解析后的数值。原始描述符能保留固件版本和厂商私有结构，后续如果出现批量问题，可以通过回溯原始数据快速定位是固件算法变化还是颗粒批次问题。我就是靠这个习惯，在一次批量返修里替客户对比出某批次UFS的坏块表更新频率是正常批次的六倍，后来确认是固件缺陷，避免了更大范围的产品事故。

我在实际操作中最深的一个体会是，SMART参数从来不是某一个字段的神奇作用，而是多个字段互相印证才能还原芯片真实的健康状况。一个读起来轻松的技巧是：先把标准健康描述符拉通，把LifeTime和SpareBlock搞清楚，再按厂商扩展表去追坏块和ECC趋势；当你需要跟颗粒原厂开case时，把44个参数原始字节、固件版本、温度曲线一起发过去，处理效率会高很多。最后再分享一个小习惯，我把读取SMART的XBL调试命令默认编译进工程，但平时关闭打印，只在产线异常或者客户返修时用一条串口命令打开。这样做既不干扰正常启动流程，又能在关键时刻把芯片的健康状况在一分钟内拉出来，省下很多拆机排查的时间。