磁盤陣列故障修復方法探析

何歡 何倩

[摘要] 磁盤陣列是由多個穩定性較高的磁盤，組合成一個大型的磁盤組，磁盤陣列具有擴充性及容錯機制兩大功能，不同的RAID級別數據容錯及讀寫速度不一樣，誤操作和硬件故障同樣會引起的陣列數據丟失，本文探討了在磁盤陣列各種故障情況下修復方法。

[關鍵詞] 磁盤陣列容錯機制故障修復方法

1.引言

RAID是將N臺硬盤通過RAID 卡（或是軟件）組合成虛擬的單臺大容量的硬盤使用，其功能是讓N臺硬盤同時讀取，加快數據存取速度及提供容錯性， RAID是最重要用途是數據存儲和備份。

磁盤陣列是由多個穩定性較高的磁盤，組合成一個大型的磁盤組，在儲存數據時，將數據切割成許多區段，分別存放在各個硬盤上，磁盤陣列還能利用同位檢查，在陣列中任一個硬盤故障時，可重構數據，在數據重構時，將故障硬盤內的數據，經計算后重新置入新硬盤中，磁盤陣列在停機情況下可處理以下動作：

◇自動檢測故障硬盤。

◇重建硬盤壞道的資料。

◇支持不須停機的硬盤熱備空間（Hot Spare）。

◇支持不須停機的硬盤熱備盤自動替換（Hot Swap）。

◇在線擴充硬盤容量。

2.磁盤陣列的工作原理

利用RAID技術不僅可以增大存儲容量，提高數據傳輸速率，同時采取冗余信息的方式提供了容錯機制，提高了數據存儲的可靠性。

實現RAID可用兩種方法，一種是硬件RAID，用專門的控制器RAID卡來完成；另一種是軟RAID，用軟件的方法來實現。磁盤陣列主要用到以下幾種技術：

（1）條帶化存儲

RAID通過條帶化存儲和奇偶校驗兩個措施來實現其冗余和容錯的目標。條帶化存儲可以以一次寫入一個數據塊的方式將文件寫入多個磁盤。條帶化存儲技術將數據分開寫入多個驅動器，從而提高數據傳輸速率并縮短磁盤處理總時間。

（2）奇偶校驗

奇偶校驗通過對所有數據進行冗余校驗實現確保數據的有效性。利用奇偶校驗，當RAID系統的一個磁盤發生故障時，其它磁盤能夠重建該故障磁盤。

（3）磁盤鏡像

鏡像是將數據同時寫入兩個驅動器的技術，如果一個磁盤發生故障，鏡像磁盤將接替它進行運行。

（4）奇偶校驗

異或（XOR）是進行奇偶校驗的一種方法，從每個磁盤中取出一位（0和1）并相加。如果和為偶數，則奇偶為被置為0；如果和為奇數，則奇偶位被置為1。根據RAID等級，奇偶校驗即可保存到一個磁盤上，也可分配到所有磁盤上。

3.磁盤陣列級別

目前業界公認的有RAID0～RAID7等數個等級規范，它們的側重點各有不同。每個RAID等級分別針對速度、保護或兩者的結合而設計，RAID等級包括：

RAID 0 ——數據條帶化存儲陣列

RAID 1 ——鏡像磁盤陣列

RAID 2 ——并行陣列，漢明碼

RAID 3 ——帶奇偶校驗的并行陣列

RAID 4 ——帶專用奇偶校驗驅動器的磁盤陣列

RAID 5——磁盤陣列，所有驅動器均包括奇偶校驗

RAID 6 ——帶有兩種分布存儲的奇偶校驗碼的磁盤陣列

RAID 7 ——優化的高速數據傳送磁盤陣列

RAID5集合了RAID2、RAID3和RAID4的優點，應用最廣泛， RAID6是RAID5的擴展，進一步增強了數據的可靠性，但效率較低，RAID6和RAID7都因成本高昂而用得較少，本文簡要介紹常用的磁盤陣列的技術：RAID0、RAID1、RAID5。

（1）RAID 0

RAID0是無數據冗余的存儲空間條帶化，具有成本低、讀寫性能極高、存儲空間利用率高等特點，適用于音、視頻信號存儲、臨時文件的轉儲等對速度要求極其嚴格的特殊應用。但由于沒有數據冗余，其安全性大大降低，構成陣列的任何一塊硬盤的損壞都將帶來災難性的數據損失。

（2）RAID 1

RAID1是兩塊硬盤數據完全鏡像，安全性好，技術簡單，管理方便，讀寫性能均好。因為它是一一對應的，所以它無法單塊硬盤擴展，要擴展，必須同時對鏡像的雙方進行同容量的擴展。RAID1冗余方式為了安全起見，實際上只利用了一半的磁盤容量，數據空間浪費大。

（3）RAID 5

RAID5是目前應用最廣泛的RAID技術。各塊獨立硬盤進行條帶化分割，相同的條帶區進行奇偶校驗(異或運算)，校驗數據平均分布在每塊硬盤上。以n塊硬盤構建的RAID 5陣列可以有n-1塊硬盤的容量，存儲空間利用率非常高。任何一塊硬盤上的數據丟失，均可以通過校驗數據推算出來。

RAID5提供了冗余性（支持一塊盤掉線后仍然正常運行），磁盤空間利用率較高（N-1/N），讀寫速度較快（N-1倍）。由于奇偶校驗塊是平均分布在每個磁盤上的，因此存在著數據條帶的順序和校驗塊的位置方向的問題，不同的廠家或系統在設計RAID5時有不同的組織方式。RAID5的關鍵參數有：

◇盤序——每塊硬盤的組織順序，在拆卸前應做好標記。

◇塊大小——分割數據塊進行存儲時的大小單位，可能為十幾KB到上百KB。

◇組織方式——數據塊和奇偶校驗塊存放的方式。

◇起始位置——第一個奇偶校驗塊的起始位置。

4.磁盤陣列的常見故障與修復方法

復雜的RAID 系統有著特定的容錯機制保護磁盤數據，但由于誤操作和硬件故障引起的數據丟失還是經常發生。雖然RAID提供了容錯功能，如果用戶沒有認真地作備份，忽視了RAID潛在危險，當RAID故障時都是一場大的災難。

磁盤陣列設備，在使用過程中，經常會遇到一些常見故障，很多情況下是超出了陣列的冗余能力，這也使得RAID在給我們帶來海量存儲空間的應用之外，也帶來了很多難以估計的數據風險，這里將重點介紹RAID常見故障及相關處理方式。

以RAID5為例，常見有三種基本工作狀態，即容錯，臨界和重建，這三種狀態定義如下：

（1）容錯

即容錯陣列狀態（正常工作），所有硬盤處于激活狀態，陣列具備冗余性，此時任何一個硬盤的故障均不會影響數據可用性。

（2）臨界

即無容錯陣列狀態（降級工作），陣列中某個硬盤單元已經失效，陣列中剩下的硬盤均處于激活狀態，但已無法進行XOR奇偶數據寫入。

（3）重建

即陣列重建/確認狀態，一個空閑硬盤正被合并到陣列中。當重建完成后，陣列將回復到容錯狀態。

4.1 磁盤陣列一般異常處理

以RAID5為例，如果磁盤陣列中某塊磁盤發生故障，系統會使其停止運轉，此時系統的工作效率將會下降，如果感覺道系統反映速度明顯下降了，就應當首先檢查磁盤陣列的工作情況。

如果使用的RAID系統支持熱插拔，則可直接將壞硬盤拆下，換上一個好硬盤即可，系統會自動更新數據。如果不支持熱插拔，則需關機后更換硬盤，然后開機。

4.2 硬件陣列的故障原因及修復方法

（1）磁盤陣列卡出錯

磁盤陣列出錯的具體原因有陣列卡損壞、陣列卡電池電力耗盡、槽口控制芯片損壞、板載的控制程序出錯。當發生陣列卡損壞時，隨意更換新的陣列卡也易造成磁盤ID號紊亂。

（2）操作系統故障

當發生系統故障甚至是系統崩潰時，一些用系統自帶功能（Ms windows，Unix，Linux，Sun solaris等）創建的磁盤陣列或者用第三方軟件（Disk management，Veritas disk management等）組建的磁盤陣列會發生數據丟失。

（3）磁盤故障

由于管理不善和服務器相對穩定的特性對管理者造成麻痹，發生超出允許數量壞硬盤的事故發生，如Raid-5損壞兩塊硬盤，一旦RAID陣列出現故障，硬件服務商只能給客戶重新初始化或者REBUILD，這樣客戶數據就會無法挽回。

（4）硬件磁盤陣列故障修復方法

磁盤陣列中最常見故障是“掉盤”，出現這類故障可以用以下基本方法解決：

檢查硬盤驅動器是否損壞，比如有壞道，如果有壞盤則需更換好盤。

檢查機殼或背板是否損壞。

檢查 SCSI 電纜或是SATA線纜，如果長時間使用變軟，可能會造成接觸不良。

檢查電源，如果電源供電異常，就更換電源。

如果使用的不是同型號同容量的硬盤或不是企業級的硬盤，則有可能工作不穩定或是讀寫有延遲造成掉盤，請更換為同型號和容量得企業級硬盤。

硬盤固件版本與RAID卡不匹配，造成陣列RAID信息不穩定，可通過升級硬盤固件方式解決。

溫度高，散熱不好，造成硬盤控制芯片不穩定，解決辦法是加強散熱，例如在硬盤上加裝散熱裝置。

RAID卡本身的問題，卡壞了、卡的驅動或設置不正確、卡的BIOS沒有刷新等，可通過換卡方式解決磁盤故障。

4.3 軟件RAID的故障原因與修復方法

（1）主硬盤（即安裝操作系統的物理硬盤）發生故障

主硬盤發生故障導致系統不能啟動時，有兩種處理方法。

第一種是將主硬盤拆下來，將鏡像硬盤上的硬盤ID號改成主硬盤的硬盤ID號，然后將鏡像硬盤安裝到主硬盤所在的位置，重新加電啟動操作系統。

第二中是將鏡像磁盤從服務器硬盤托架上拆下來，安裝到其他的服務器上，找到鏡像硬盤下的Boot.ini文件，修改文件中的操作系統啟動位置參數，保存，變鏡像硬盤為主硬盤，加電實現系統的啟動。系統啟動后，應及時更換已壞的硬盤，按照上述方法重新做一次硬盤軟鏡像。

（2）鏡像盤（第二個物理磁盤）發生故障

鏡像硬盤發生故障時，系統可繼續運行。但不能實現數據的冗余備份，應及時對已壞的鏡像磁盤進行更換，按照上述方法重新做一次硬盤軟鏡像。

當實現軟件RAID5的磁盤發生故障時，不影響系統的正常使用和數據的安全性。用戶可以更換有故障的磁盤，重新插入新的磁盤，不需要用戶做任何工作，系統可以通過計算機自動將發生故障磁盤上的數據全部恢復到新的磁盤上。

正確地判斷出故障情況是非常重要的，它是RAID數據恢復的必要前提。可以通過觀察、詢問和經驗判斷的方法來分析故障的形成原因及過程，然后再選擇正確的修復手段。由于磁盤陣列故障往往不是單一原因造成，常規的故障修復手段只能恢復陣列狀態，而不能恢復陣列數據，即使讓磁盤陣列恢復到正常使用狀態，但這些操作往往會導致陣列底層數據的徹底損壞，所以必須根據具體情況制訂相應的解決方案，切不可貿然實施陣列修復。

在修復過程中，首先要把硬盤組的盤序弄清楚，然后要設定好RAID 5的組織方式，比如反向動態校驗，正向校驗等，可以根據磁盤上數據塊的大小和內容來分析判斷，組織方式確定下來后，起始位置和數據塊大小也可以確定，最后可根據磁盤順序、數據塊大小、起始位置來修復磁盤陣列。

5.結束語

本文簡單介紹了磁盤陣列的構成原理和容錯機制，并對實際運行中磁盤陣列出現故障的原因進行了詳細的分析，并給出了具體故障處理方法，為讀者提供了磁盤陣列出現故障時解決故障的思路。