RAID 换盘为什么要一块一块来：连换三块盘把阵列弄异常了，顺便说说重建期间要盯什么

最近遇到一个单子：客户自己连续换了三块硬盘，过程中 RAID 状态就异常了。后来是看控制器日志、远程配合一步步处理，才把阵列恢复正常。

借这个事说说换盘的几个基本原则，老手可以跳过。

为什么不能一次换多块

• RAID 5 只能容忍 1 块盘离线，RAID 6 是 2 块，RAID 10 要看坏的是不是同一个镜像对


• 换下一块盘，阵列就进入降级状态，新盘插上后开始重建（ rebuild ）


• 重建没完成之前，新盘里的数据是不完整的，它还不算一块好盘


• 这时候再拔第二块，对阵列来说就是「又丢了一块」，RAID 5 直接超出容错，RAID 6 也只剩最后一点余量

所以正确顺序就一句话：换一块 → 等重建 100% 完成、状态回到 Optimal → 再换下一块。

重建期间要盯什么

• 进度和速度：大容量盘重建动辄十几个小时甚至更久，业务压力大的时候会更慢，心里要有数


• 其他盘的报错：重建要把整组盘读一遍，同一批次、同样年头的盘最容易在这时候冒出坏道。看到别的盘也开始报 media error 、predictive failure ，先别急着动，先确认备份


• 控制器日志：重建失败、puncture 、外来配置（ foreign config ）这类提示要当场处理，别等


• 别在重建中做其他变更：升级固件、扩容、迁移，都等重建完再说

几个容易踩的坑

• 新盘要和原盘同料号或控制器认可的兼容型号，容量、转速、接口、扇区格式不对，可能根本加不进去


• 插错槽位：先在管理界面点灯（ locate ），确认是哪块再拔


• 看到「外来配置」不要随手 clear ，也不要随手 initialize ，很多数据就是这么没的


• 有热备盘（ hot spare ）的话，坏盘后它会自动顶上重建，这时候换下来的坏盘位置插新盘，通常是成为新的热备，别误以为要再建一次阵列

一句话

多块盘同时预警，宁可多花几天一块一块换，也别图省事一次换完。真碰上状态异常了，先停手、先看日志，别急着点初始化。

大家有没有遇到过重建到一半第二块盘也挂了的情况？最后是怎么救回来的？