Raid常见的几种故障分析

 

 

Raid常见的几种故障分析

当阵列不正常或无法启动的时候，有可能对阵列造成数据破坏的几种情况和操作：

1.强制Online
　　这个操作是很容易对阵列造成数据破坏的，尤其是当有2块或以上的盘掉线的时候，如果不知道哪个盘先掉，哪个盘后掉的话，一但破坏了，数据将有可能变成旧的，而且无法恢复。
例如：RAID5阵列，4块盘，0号和2号掉线。假设0号盘先掉线，1个月后2号盘又掉线，这个时候如果将2块盘强制在线的话，因为0号盘1个月前就掉线了，这一个月当中对数据做的很多的改变，这块盘的数据已经不能通过RAID的检验了，阵列是无法分析数据的新旧的，所以阵列有可能用0号盘＋1、3号盘去Rebuild 2号盘，这样一来，2号盘的数据也就成了不正确的了，将无法恢复，最多也只能恢复到1个月前的部分数据。

2.Rebuild
　　例如：RAID5阵列，4块盘，Rebuild操作的实际意义是，用其中3块盘做异或运算，将结果写到另一块盘中。这里要求，用来做异或运算的3块盘的数据一定要是正确的，如果其中有一块或多块不正确哪么异或出来的结果也就是不正确的。

3.更换RAID卡或主机
　　目前大部分RAID卡都是支持这种操作的，在阵列正常的情况下这个操作是不会破坏数据的。但是，在阵列已经瘫痪或是无法正常工作的时候，这个操作将有可能导致RAID对硬盘做不正常的Rebuild和校验，所以当阵列出现问题的时候，要准确判断是阵列卡有问题，还是硬盘有问题，不要轻易去尝试更换RAID卡或主机。

4.把报错的硬盘全部拔下来再插上去
　　拔下来没关系，但是如果再全插上去的话阵列将重新去识别插上去的硬盘，这时如果硬盘中的阵列信息或数据有误的话，会导致阵列做出错的Rebuild操作。
　　如果是怀疑硬盘接触不好的话，可以一块一块的拔，再一块一块的插上去。不要一次都拔下来。或者可以的话，关机后，再进行插拔。

5.操作系统的check disk
　　Windows,Linux,Unix等操作系统都有自己的一个硬盘检测程序，当你硬盘中的分区或文件出现问题无法正常读取的时候，操作系统就会在重启的时候去自动运行Check disk去试图修复，这时，如果是阵列的检验出现问题而导致分区或文件出错的话，运行Check disk将有可能破坏阵列中数据。

6.对RAID中单块硬盘进行写操作
　　一件事情或一个工作做的多了，你可能什么情况都能遇到，这一项我们是很不愿意列出来，但是就有人这么做了，所以不得不拿出来提醒一个。阵列中的硬盘是一个整体，破坏其它一块硬盘就是破坏整个阵列。


7.磁盘掉线
　　对于RAID5来说，掉线1块盘阵列还是可以正常运行的，如果超出1块，阵列将无法启动。当阵列掉线超出1块盘的时候，最好不要做强制Online。尤其是在你不知道是哪个盘先掉线哪块盘后掉线的时候，绝对不可以强制Online。RAID0和1算法简单，这里就不详细说明了。RAID5当一块硬盘OFFLINE之后负载会比较重，此时最好做脱机的REBUILD，如一定要在线REBUILD，应尽可能少得对磁盘做高负荷的读写，应保障这个过程的顺利完成。建议条件许可的话，加入HOTSPARE DISK

8.磁盘有坏道
　　阵列中的磁盘如果有坏道的话，会导致磁盘掉线或阵列不稳定，这时应尽早将有坏道的硬盘换掉，如果出现多坏硬盘有坏道的话，阵列将可能瘫痪。

9.断电或意外关机
　　阵列是由RAID卡控制硬盘，通过某种算法将多块硬盘整合成一块硬盘提供给用户使用。在阵列运行过程中，会有大量的输入输出信息放在RAID卡的缓冲或主机的缓冲中的，如果发生突然断电和意外关机的情况，将导致碏的信息无法写回到硬盘或RAID卡的ROM中，这样极易导致阵列信息丢失、阵列瘫痪。

10.扩容失败或扩容过程中意外中断
　　这里强烈建议，虽然目前很多阵列都支持不破坏数据直接扩容，但是这种操作十分危险，在扩容的过程中如果出现意外情况，比如说，突然断电，硬盘有坏道等，哪数据是无法恢复的。年以要尽量将数据备份后再进行扩容。

11.文件目录混乱，部分或全部文件无法访问
　　这种情况是由于阵列中某块硬盘的数据是不正确的，导致校验出错，其实并不是文件本身的问题。这时如果重启系统的话，操作系统会对这个分区做Check disk，注意不要让系统做Check disk。

12.Rebuild失败或Rebuild过程中意外中断
　　Rebuild过程中阵列是不能断电的，否则阵列将有可能瘫痪。而且磁盘中有坏道的活，在Rebuild过程中也会使Rebuild失败。