硬件 RAID 卡与磁盘阵列监控

看懂物理机上的 RAID 卡与磁盘阵列，学会用 storcli / mdadm 及时发现掉盘、降级并安全完成重建。

在物理机（独立服务器）上，多块硬盘通常会组成 RAID 阵列，用冗余换取可靠性和性能。阵列一旦「降级」（degraded）却没被及时发现，再坏一块盘就可能全盘数据丢失。因此，学会查看阵列状态、识别掉盘并正确处理坏盘更换，是每个使用物理机的用户必备的运维技能。

硬件 RAID 卡是什么

硬件 RAID 卡（如 MegaRAID / LSI，现属 Broadcom）是一块独立的控制器，由它接管所有物理磁盘（PD），再对操作系统「变出」一个或多个虚拟磁盘（VD）。系统里 lsblk 看到的往往只是 VD，看不到底层每块盘的真实健康状况——这正是必须用专用工具查看的原因。

常见 RAID 级别：

RAID 1：两盘镜像，坏一块不丢数据。
RAID 5：分布式校验，允许坏 1 块。
RAID 6：双校验，允许同时坏 2 块。
RAID 10：镜像 + 条带，兼顾性能与冗余。

用 storcli / MegaCli 查看阵列

storcli（旧称 MegaCli）是 LSI 系列 RAID 卡的命令行工具。查看整体拓扑与状态：

# 查看所有控制器、虚拟盘、物理盘的汇总
storcli /c0 show
# 只看虚拟盘状态（Optl=最佳, Dgrd=降级, Pdgd=部分降级）
storcli /c0/vall show
# 查看每块物理盘（State: Onln 在线 / Offln 掉线 / Rbld 重建中）
storcli /c0/eall/sall show

重点看两处：VD 的 State 是否为 Optl（Optimal）；每块 PD 的 State 是否为 Onln（Online）。出现 Dgrd、Offln、Failed、UBad（Unconfigured Bad）就说明有盘掉了或阵列已降级。

热备盘

热备盘（Hot Spare）是一块预留的空闲盘。当阵列中某块盘故障时，RAID 卡会自动用热备盘顶上并立即开始重建，无需人工介入，把「暴露在无冗余状态」的时间窗压到最短。强烈建议关键阵列都配置热备盘。

坏盘更换与重建注意事项

发现某块盘 Failed 后，更换重建请注意：

先定位物理位置。点亮坏盘定位灯，避免拔错盘：

   storcli /c0/e252/s3 start locate

确认降级而非多盘故障。若已坏到超过冗余上限（如 RAID5 坏 2 块），切勿贸然操作，先做数据抢救。
热插拔换上同型号、不小于原容量的新盘。多数情况 RAID 卡会自动重建；若不自动，可手动指定：

   storcli /c0/e252/s3 insert dpd disk
   storcli /c0/e252/s3 start rebuild
   storcli /c0/e252/s3 show rebuild   # 查看重建进度百分比

重建期间性能下降且风险最高，尽量避免高负载，等 State 回到 Optl 再放心。

软 RAID：mdadm

若物理机用的是 Linux 软件 RAID（无硬件卡），改用 mdadm：

cat /proc/mdstat              # 快速总览，[UU]全在线，[U_]有盘掉了
mdadm --detail /dev/md0       # 详细状态: clean / degraded / recovering
mdadm /dev/md0 --add /dev/sdc1   # 换盘后加入并触发重建

设置告警及时发现降级

阵列降级往往悄无声息，靠人肉巡检并不可靠。建议：

硬件 RAID：用 storcli 或厂商 SNMP/ipmitool 定时采集 VD/PD 状态，非 Optl/Onln 即告警。
软 RAID：mdadm --monitor 配置邮件通知，或用 nodeexporter 的 nodemd 指标接入监控告警。
把「降级」「重建中」「掉盘」都设为高优先级告警，第一时间推送到你常看的渠道。

小结

RAID 提供的是冗余，不是备份，更不是「永不丢数据」的保险。真正保命的是：懂得用 storcli / mdadm 读懂阵列状态，配好热备盘，换盘时先定位、后重建，并为「降级」配置及时告警——让你在第二块盘坏掉之前就能动手。冗余留出的容错窗口，只有被监控到才有意义。