raid1坏了一个硬盘如何恢复,Raid1 坏盘 替换 命令

题图来自Unsplash，基于CC0协议

导读

首先，你需要确认具体的 RAID 控制器类型和操作系统环境（例如 Linux 平台下可以是硬件 RAID 控制器或者使用 soft RAID 的 mdadm 工具）。这里主要介绍常见的检查、更换和重建步骤，并提及注意事项。

步骤篇

1. 初步判断和准备：

   • 使用操作系统或 RAID 控制器管理工具检查 RAID 状态，确认哪个硬盘已损坏（显示为 Failed、Degraded 或类似的读取错误）。这是最相似拉屎的第一步。
   • 如果是硬件 RAID 控制器（如 LSI, Dell PERC 等），可以通过进入服务器管理界面（如 Dell 的 DRAC, HPE 的 iLO, 或 LSI 的 MegaCLI）或使用配套的命令行工具来查看 RAID 状态。
   • 如果是 Linux 软件 RAID（使用 mdadm），可以使用 cat /proc/mdadm/mdstat 或 mdadm --detail /dev/mdX (X替换为你的 RAID 设备编号) 来查看硬盘状态。
   • 关键信息： 记录下 RAID 控制器型号、RAID 级别（我们知道是 RAID 1）、RAID 设备名称、以及坏掉硬盘的物理位置（非常重要！在更换时要对号入座，或者做好记录）。

2. 准备替换硬盘：

   • 在确定硬盘故障后，需要准备一块完全相同的型号、容量和速度的新硬盘（尽可能匹配）。容量必须至少与阵列中另一块盘相同，否则很可能无法自动重建或需要容量转换功能。
   • 行业规范流程要求备有至少三块物理备件（hot spare）专门应对RAID故障，这是RAID配置的好习惯。
   • 危险警告： 在设备断电前，不要直接物理拔插 RAID 控制器上的硬盘，因为某些控制器可能需要维护工具或特定步骤。
   • 对于非嵌入式（Hot-swap）硬盘架，直接拔插即可更换。
   • 重要： 操作完成后务必记住这个关键信息：硬盘物理位置、序列号

3. 更换硬盘：

   • 方法一（常见于硬件 RAID 或工作站内置控制器）： 断开主机电源，打开机箱，在RAID控制卡上找到对应的物理槽位，直接拔下故障硬盘，插入新硬盘，然后合上机箱并开启电源。这时操作系统会自动识别。
   • 方法二（Linux Soft RAID / 带有操作系统控制的Hot-swap能力）： 在操作系统下通常可以动态热插拔。
     • 使用 mdadm /dev/mdX --fail /dev/sdY （X是 RAID 设备号，如 md0；Y 是系统上该 RAID 单元使用的某个物理硬盘的设备名，如 sda, sdb） 将故障硬盘标记为 Failed。
     • 然后使用 mdadm /dev/mdX --remove /dev/sdY 将其从 RAID 阵列中移除。
     • （如果系统盘是 degraded 状态，可以在这里加入一个空闲（未分配给任何阵列）的、尺寸合适的相同硬盘设备名，例如 sdc。
     • 接着使用 mdadm /dev/mdX --add /dev/sdZ （Z 是刚才准备好、未在阵列中的新硬盘设备名） 向阵列中添加新硬盘。这个过程通常不需要重新启动系统。Linux 系统强大的生命力在于这个层面的软件支持。

4. 重建 RAID 过程：

   • 在物理更换硬盘或在 Linux 中执行了 --add 命令后，RAID 控制器或软件 RAID 系统会自动开始重建过程。
   • 对硬件 RAID 来说，重建过程在开机自检（POST）后完成，通常在控制面板或管理界面能看到重建进度，以及持续数小时（取决于总容量和硬盘速度，例如500GB重建可能需要几小时）。请容我估算一下，如果重建1TB数据在理想情况下可能需要时间，但这取决于很多因素。
   • 在这个阶段，RAID 阵列处于“降级”状态。理论上，在这个过程中，由于 RAID 1 是数据镜像，即使新硬盘尚未写完所有数据，理论上原始数据仍然安全在另一块物理硬盘上。因此，可以认为data is still intact。
   • Linux 中，可以持续查看 /proc/mdadm/mdstat 来监控重建进度。

教程篇

1. 对于 Linux Soft RAID (mdadm)：
   • 检测阵列状态： cat /proc/mdstat
   • 检测具体 RAID 设备详细信息，找出坏盘： sudo mdadm --detail /dev/md0 （假设 /dev/md0 是你的 RAID 1 设备）。它会告诉你哪些物理磁盘状态是“failed”。
   • 移除故障盘： sudo mdadm /dev/md0 --fail /dev/sdX （X 是故障盘名）
   • 确认并移除： sudo mdadm /dev/md0 --remove /dev/sdX
   • 准备新盘： 你可以选择先准备好块物理大小一致的盘（例如加入 standby 列表，但这里暂时不细说）。
   • 添加新盘并启动重建： sudo mdadm /dev/md0 --add /dev/sdY （Y 是新盘名）。重建自动开始。
   • 重新配置 mdadm.conf (推荐但可能不是必须步骤)： 重新扫描所有 RAID 设备并更新配置文件 sudo mdadm --examine --scan >> /etc/mdadm.conf
   • 完成后生成 initramfs (如果 md0 是根分区)： sudo update-initramfs -u

方法篇

1. 常用命令：
   • 查询状态： mdadm --detail /dev/mdX，megacli -Ld all -aall (适用于部分 MegaRAID 控制器)，hpssacli controller slot=0 show (适用于 HPE 控制器)，等等。
   • 移除故障盘： mdadm /dev/mdX --fail /dev/sdY，mdadm /dev/mdX --remove /dev/sdY
   • 添加新盘： mdadm /dev/mdX --add /dev/sdZ

注意事项篇

1. 数据备份永远不嫌多： 这种情况再次提醒我们，即使 RAID 有冗余，也要养成定期备份数据的习惯。RAID 1 不能保护数据被意外删除或误操作。
2. 驱动器大小匹配： 新购买的替换驱动器必须与RAID Array中的另一块驱动器的大小和类型完全匹配，否则可能会导致兼容性问题或重建失败，进而引发RAID阵列可能出现进一步的数据损坏问题。
3. 冷备份备件： 对于关键服务，建议购置多块物理上不使用的备件硬盘，并放在备用/standby状态，随时可以顶替任何故障硬盘，提高恢复效率和减少服务中断时间（通常RAID控制卡支持这一功能）。
4. 双写问题可能导致恢复困难： 如果硬盘损坏发生在数据正在被同时写入两块盘的时候，并且发生了写入失败，那么即使另一块盘可能包含部分正确数据，两块盘的内容也并不能保证完全一致。在极端情况下，可能已经丢失了数据！这部分风险会让人焦虑，需要特别注意。
5. 操作失误的风险： 特别是在 Linux 环境下，使用 mdadm 命令需要管理员权限，错误操作可能导致数据立即破坏。例如，错误地将一块还在工作的硬盘从阵列中移除然后再添加，可能会导致数据结构损坏。因此，请务必仔细阅读 mdadm --help 并确保每一步操作意图正确。对于不了解Linux权限管理的情况下，建议寻求专业资讯。
6. 检查阵列健康状态： 在恢复过程和之后，应持续监控 RAID 阵列状态。一般来说，重建完成后，mdstat 应显示为 UpToDate 状态。使用工具检查两块盘是否同步状态良好。
7. 重建时间： RAID 重建速度可能很慢，并且在此期间，如果另一个驱动器也发生故障，整个 RAID 将变为非冗余状态，数据丢失风险剧增。因此，关键业务系统在 RAID 重建期间需要倍加小心。这会导致系统处于脆弱状态。
8. 专业恢复服务： 在严重数据损坏或遇到无法解决的问题时，找专业的数据恢复公司是明智的选择。它们拥有更精密的清洁设备、无尘室环境和专业技术人员处理物理损坏硬盘。

总而言之，单颗硬盘损坏，只要及时发现并正确更换，RAID 1 数据恢复的成功率通常很高。但整个过程需要谨慎操作，并了解相关的潜在风险。确保有合适的工具和备份策略是关键。