如何排查两台更换同型号NVMe硬盘后ext4文件系统频繁进入只读模式的问题（无硬件报错）

看起来你遇到的是一个典型的「相同操作+相同硬件导致共性问题」的场景，结合你提供的细节，我给你梳理几个优先级从高到低的排查方向：

• 先排查克隆过程带来的文件系统底层问题
  你用dd if=/dev/nvme0n1 of=/dev/nvme1n1 bs=128M status=progress做了逐扇区克隆，这种方式会完整复制旧盘的分区表、文件系统元数据，甚至可能把旧盘上的微小文件系统瑕疵（比如之前没触发的inode异常）带到新盘。加上新旧盘的物理扇区对齐可能存在差异（比如旧盘是512B逻辑扇区，新盘可能是4K物理扇区+512B模拟），会导致ext4在新盘上出现持续的元数据错误。
  建议你尝试重新构建文件系统：

  1. 在新盘上用gdisk或parted重新创建分区（确保起始扇区对齐到4K，即lsblk里的PHY-SeC整数倍）
  2. 用mkfs.ext4重新格式化目标分区
  3. 用rsync -aAXv /old/mount/point/ /new/mount/point/同步所有数据（注意末尾的斜杠）
     这种方式能彻底避免克隆带来的元数据继承问题，很多时候这类奇怪的ext4报错都会消失。

• 检查内核与NVMe驱动的兼容性
  你的两台机器用的都是比较旧的内核：桌面是5.15.0-94（Ubuntu22.04的默认内核，但990PRO是2023年的新盘，5.15早期版本对NVMe 2.0协议的支持可能不完善），服务器是4.15.0-213（Ubuntu18.04的内核，对新NVMe盘的支持更差）。
  建议：

  • 服务器端：升级到Ubuntu18.04支持的最新LTS内核（比如5.4系列），可以用apt install linux-generic-hwe-18.04-edge安装
  • 桌面端：尝试升级到5.15的最新小版本，或者测试5.19/6.x系列内核
    同时可以检查NVMe模块的电源管理参数，有些新盘的低功耗模式会触发IO超时，导致文件系统只读：编辑/etc/default/grub，在GRUB_CMDLINE_LINUX中添加nvme_core.default_ps_max_latency_us=0，然后执行update-grub重启，这会禁用NVMe的自动低功耗模式。

• 实时监控内核与文件系统日志
  你提到文件系统进入只读前没有日志留存，这是因为只读模式触发后系统无法写入日志。可以提前设置离线日志记录：

  1. 准备一个USB盘，格式化为ext4并挂载到某个目录（比如/mnt/usb-log）
  2. 运行journalctl -f > /mnt/usb-log/kernel.log &，让日志实时写入USB盘
  3. 或者用dmesg -w >> /mnt/usb-log/dmesg.log &监控内核环缓冲区
     下次出现只读问题时，直接从USB盘提取日志，应该能找到触发ext4切换到只读模式的具体原因（比如IO错误、元数据校验失败等）。另外，也可以临时修改/etc/fstab的挂载选项，把errors=remount-ro改成errors=panic，这样系统会直接崩溃而不是只读，方便用crash工具分析内核转储。

• 检查ext4文件系统特性与挂载选项
  用tune2fs -l /dev/nvme0n1pX（X是你的系统分区号）查看文件系统特性，重点关注：

  • 是否启用了discard选项：有些新NVMe盘的TRIM实现存在兼容性问题，建议把挂载选项里的discard移除，换成定时任务执行fstrim /（Ubuntu默认会有这个定时任务，但可以手动确认）
  • 检查文件系统的inode大小、块大小是否与新盘适配：旧盘的inode大小可能是256B，新盘用4K块大小的话可以调整为512B，但这个需要重新格式化才能修改
    另外，添加noatime,nodiratime挂载选项可以减少磁盘IO操作，降低触发异常的概率。

• 验证NVMe盘的底层稳定性
  虽然SMART和三星魔术师都显示正常，但可以做一些底层IO压力测试：

  • 用fio做随机读写测试：fio --name=test --filename=/dev/nvme0n1pX --rw=randrw --bs=4k --numjobs=4 --size=10G --runtime=3600 --iodepth=32 --direct=1
  • 测试过程中监控dmesg和smartctl -a /dev/nvme0，看是否出现IO错误或温度异常
    另外，可以尝试把990PRO换到另一台机器（比如Windows）上持续运行几天，确认盘本身没有隐性硬件问题。

备注：内容来源于stack exchange，提问作者ilmiont