Linux服务器RAID阵列配置与故障磁盘热替换操作指南

服务器运维中，磁盘故障是最常见的硬件问题之一。RAID阵列通过冗余机制保障数据安全，但当故障盘出现后若不及时替换并完成rebuild，阵列将处于降级状态，继续损坏将导致数据丢失。本文基于mdadm工具，完整梳理RAID阵列的创建、监控、故障检测与热替换流程，适用于物理服务器和IDC数据中心运维场景。

RAID级别选型与适用场景

不同RAID级别在冗余能力、性能表现和容量利用率上各有取舍：

• RAID 1：两盘镜像，容量利用率50%，读写性能与单盘持平，适合系统盘
• RAID 5：至少3盘，单盘容错，利用率(N-1)/N，读性能优秀，写性能受校验计算影响，适合数据盘
• RAID 6：至少4盘，双盘容错，利用率(N-2)/N，写入开销更大，适合大容量存储
• RAID 10：镜像+条带，利用率50%，读写性能优秀，容错能力强，适合数据库存储

生产环境系统盘推荐RAID 1，数据盘根据容量和性能需求在RAID 5/6/10间选择。涉及高可用集群的数据库节点建议RAID 10，兼顾性能和冗余。

mdadm创建与管理RAID阵列

mdadm是Linux下管理软件RAID的标准工具，创建RAID 5阵列示例：

# 检查磁盘设备
lsblk
fdisk -l | grep /dev/sd

# 创建RAID 5阵列（3块磁盘）
mdadm --create /dev/md0 --level=5 --raid-devices=3 /dev/sdb /dev/sdc /dev/sdd

# 查看阵列状态
cat /proc/mdstat
mdadm --detail /dev/md0

# 创建文件系统
mkfs.xfs /dev/md0

# 挂载
mkdir -p /data
mount /dev/md0 /data

# 保存RAID配置（重启后自动装配）
mdadm --detail --scan >> /etc/mdadm.conf
update-initramfs -u   # Debian/Ubuntu
dracut -H -f          # CentOS/RHEL

创建完成后，/proc/mdstat显示阵列状态为clean表示正常。阵列初始化（resync）过程在后台运行，不影响使用但会占用磁盘IO带宽。

故障磁盘检测与状态诊断

RAID阵列降级时需要快速定位故障盘。日常监控应配置mdadm的邮件告警：

# 配置告警邮箱
echo "MAILADDR admin@example.com" >> /etc/mdadm.conf
echo "PROGRAM /usr/sbin/mdadm --monitor --scan --daemonise" >> /etc/rc.local

# 手动检查阵列状态
mdadm --detail /dev/md0

# 关键状态字段解读：
# State : clean, degraded, failed
# Active Devices : 2 (正常应为3)
# Working Devices : 2
# Failed Devices : 1

# 查看具体哪块盘故障
mdadm --detail /dev/md0 | grep -A5 "Number"

# 查看磁盘SMART信息
smartctl -a /dev/sdb
smartctl -H /dev/sdc

阵列状态为degraded时仍可正常读写，但已丧失冗余能力，需尽快替换故障盘。状态为failed表示阵列不可用，需从备份恢复。

热替换故障磁盘的完整操作流程

热替换（Hot Swap）允许在不关机的状态下更换故障磁盘，操作步骤如下：

# 步骤1：标记故障盘为faulty并从阵列移除
mdadm /dev/md0 --fail /dev/sdc
mdadm /dev/md0 --remove /dev/sdc

# 步骤2：物理替换磁盘（热插拔场景直接更换）
# 新磁盘插入后确认设备名
lsblk
# 假设新盘为 /dev/sdc

# 步骤3：对新盘创建分区（与阵列其他盘一致）
parted /dev/sdc mklabel gpt
parted /dev/sdc mkpart primary 0% 100%

# 步骤4：将新盘加入阵列
mdadm /dev/md0 --add /dev/sdc

# 步骤5：观察rebuild进度
cat /proc/mdstat
# 输出示例：
# [=====>...............]  resync = 28.3% ...
# finish=120.0min speed=50000K/sec

# 步骤6：rebuild完成后确认阵列恢复正常
mdadm --detail /dev/md0
# State : clean
# Active Devices : 3

如果使用热备盘（Hot Spare），阵列检测到故障盘后会自动开始rebuild，无需手动操作。配置热备盘命令：

# 添加热备盘
mdadm /dev/md0 --add /dev/sde

# 验证热备盘状态
mdadm --detail /dev/md0 | grep "Spare Devices"

RAID rebuild性能影响与注意事项

rebuild过程会大量占用磁盘IO和CPU资源，对在线业务产生直接影响。建议在业务低峰期执行rebuild，并调整rebuild速度限制：

# 查看当前rebuild速度限制
cat /proc/sys/dev/raid/speed_limit_min   # 默认1000 KB/s
cat /proc/sys/dev/raid/speed_limit_max   # 默认200000 KB/s

# 降低rebuild速度（减少对业务影响）
echo 50000 > /proc/sys/dev/raid/speed_limit_max

# 提高rebuild速度（业务可中断时）
echo 500000 > /proc/sys/dev/raid/speed_limit_max

注意事项：RAID 5在rebuild过程中若再坏一块盘则数据全部丢失，大容量磁盘rebuild周期可能长达数小时甚至数天，这段时间风险最高。对于关键业务数据，建议使用RAID 6或RAID 10提供更高容错能力。定期检查SMART信息，在磁盘出现预警扇区重分配时主动替换，避免被动故障。