案例：盘阵故障分析

网友：

我一个学医的，可被领导派到专门负责计算机。我是什么都不懂啊，只知道装个系统，杀个毒。出了什么问题也只有干着急。最近磁盘阵列出了问题，去哪问，人家都不清楚，今天找到这个好地方，希望这里好心的老师们能帮帮我，谢谢了。
我用的是豪威科技公司代理的台湾公司出的Simbolo SCSI系列的SB-2990D磁盘阵列。
我一菜鸟，具体问题细节说不大清楚，就随便讲点重点：磁盘阵列做了两个RAID，每个都是5块硬盘。一个放的是数据库，访问量不大，一个放的是视频点播，访问量稍微大，但也顶多50人同时在线。上两个月用的时候，隔个什么三，四天偶尔出个问题，重启就好了，可从上个星期开始，开机没几个小时，服务器就开始弹“磁盘写入还是读取失败或是网络失去连接之类的，数据无法保存到某某”(具体错误提示见下图)，出现这个提示后，磁盘阵列的E盘和F盘就无法访问了，然后我重启磁盘阵列，再重启服务器，好啦，数据都还正常。可过不了几个小时，就又出现这个提示，根本没法用啊。没办法，我把访问量稍大的视频点播关了，只开数据库，咦，管了两天，今天又开始出错了（数据库一天才10来个人访问啊）。
　　想起两个细节，一是自从频繁出现这种问题后，我发现磁盘阵列上的10块硬盘灯有时会同时闪，或是一边的5个先闪，在另边的5个再闪。而且闪的时候并没有任何人访问硬盘上的数据，有时我把网线拔了仍有闪的情况。二是弹出这个错误框后，我设置控制器准备重启磁盘阵列时，经常会闪出“FAIL FAN”的提示，但马上又消失。以前好的时候从没发现FAIL FAN的提示。
再具体点的东西我也谈不出来了，本人实在太菜，请各位老师能提出简单有效的解决方案。谢谢了。

Sansky：

1、经常会闪出“FAIL FAN”的提示？
有可能是风扇出问题了，
2、图中给出的提示一般是系统的文件系统的MFS出问题了，可以用WINDOWS系统自带的工具查一下，进入命令行窗口，运行chkntfs  D：”  ，D表示“movie港台”文件夹所在盘符，如提示有问题，可用chkdsk D:/x命令来进行修复，由于在进行此操作时，系统必须将D盘先卸载，因此之操作必须在没有应用请求的情况下进行，当然也可以很简单在在存储阵列开机的情况下，重启服务器，服务器在重启的过程会会自动修复文件系统的错误，
3、在没有报警声（除非你的设备的报警系统坏了）的前提下，存储卷所对应的硬盘同时闪灯，一般都表示存储系统按到到访问请求。即使只有一台服务器与存储设备连接，偶尔也会出现闪灯的情况，这是正常的。
一般情况下，硬盘的灯为绿色，长亮表示没有数据读写，快闪表示有数据读写。当灯变为红色、黄色、或橙色，一般都表示有问题。当然各家设备对灯色的定义也不一定相同，你可以用存储设备管理软件查看一下，是否有diskfail、offline等错误信息，然后再做决定。

网友：

谢谢sansky老师的回答。
1、经常会闪出“FAIL FAN”的提示？
有可能是风扇出问题了，
请问风扇问题有可能是引发阵列延缓写入失败的原因吗？还有风扇问题，我该如何解决呢？除尘吗？上半年阵列没有放在机柜里，确实有点脏。
2、图中给出的提示一般是系统的文件系统的MFT文件出问题了，可以用WINDOWS系统自带的工具查一下，进入命令行窗口，运行chkntfs  D：”  ，D表示“movie港台”文件夹所在盘符，如提示有问题，可用chkdsk D:/x命令来进行修复，由于在进行此操作时，系统必须将D盘先卸载，因此之操作必须在没有应用请求的情况下进行，当然也可以很简单在在存储阵列开机的情况下，重启服务器，服务器在重启的过程会会自动修复文件系统的错误，
只要弹出了类似这样的提示，磁盘阵列就无法访问了。但类似这样的错误提示并没有局限在哪个文件夹，好像是出错后，用户访问服务器上的数据在哪个文件夹，就会弹出这个。也确实是重启后就恢复正常了，但往往管不了多长时间，又出问题。好像经不起访问似的。
3、在没有报警声（除非你的设备的报警系统坏了）的前提下，存储卷所对应的硬盘同时闪灯，一般都表示存储系统按到到访问请求。即使只有一台服务器与存储设备连接，偶尔也会出现闪灯的情况，这是正常的。
（没有报警声，报警系统也没坏）不是那种显示错误的灯再闪。阵列开机，不是要检测硬盘灯会闪吗。就是那种类似闪法。偶尔会闪一下。我奇怪的是没有人访问阵列，为什么会闪，而且是同时闪。为什么以前没有呢。

Sansky：

问题1：风扇有可能已经不转了，或者转速不足，或风扇的供电系统出现故障，时转时不转，可以换一个风扇试试。
问题2：有两种可能:
第一种是盘阵到服务器的链路有问题，连接不稳定，数据无法正常的写入存储卷。可以查看一下盘阵的SCSI接口、SCSI线、SCSI卡等是否松动，有可能的话将这些重新插一次，保证所有部件都连接安装好。
第二种可能是盘阵的两个卷与两个服务器之间的共享问题，原因是有两个或两个以的服务器对同一个存储卷具有控制权限（即有分区、格式化等权限），每台服务器都会在存储卷中写入一个文件系统信息（每个存储卷或盘的文件系统信息是写在该盘的0道，而不是写在服务器的系统盘里），从来引起卷的文件系统出错。当服务器检测到自己写入存储卷中的文件系统信息已经破坏时，就会提示进行磁盘修复，并在存储卷的根目录下创建一个名称以found000开头的文件夹,并将已经破坏的文件索引信息对应的文件转移该文件夹下，这时正在进行的读写操作就会停止，并给出如图所示的错误信息。存储卷的根目录一出现以found000为开头的文件夹就表示该卷的文件系统已损坏，必须用chkdsk D:/x进行磁盘修复或重启系统进行自动修复，修复完成后，found000文件夹中的文件会重新回到原来的路径下。
解决的方案如下：
      1）如果两台服务器上安装有sanergy等存储共享软件，那么盘阵的两个控制既可连接到一个服务器上，也可分别连接到不同的服务器上。
      2）如果两台服务器上没有安装sanergy等存储共享软件，且盘阵支持mapping功能，可在盘阵上设置一个服务器只能“看到”一个卷，然后将两个控制器分别连接到不同的服务器上。否则只能将两个控制器连接到一个服务器上，再在服务器上共享该服务器将“看到”的两个存储卷，另一个服务器和别的工作站通过网络来访问存储卷。
问题3：闪灯
按我自己的工作经验，讲述一下在先启动盘阵后启动服务器的整个过程中盘阵的闪灯情况。
第一步，启动盘阵。盘阵在开机时，一般来说，所有硬盘灯先是橙色快闪几下，然后绿色慢闪几下（电源系统检测），接下来，每个硬盘分别绿色慢闪（进行校验），每个硬盘都通过后，所有硬盘再绿色快闪几下，几秒种后，若没有报警声，或个别硬盘灯变色，则表示整个盘阵系统正常。
第二步，服务器开机后，进行硬件设备检测时，盘阵上的硬盘灯一般会绿色快闪两三下，表示系统已经检测到盘阵。接下来，进入系统时，磁盘管理系统会进行磁盘检测、文件系统检测，检测磁盘中保存的文件系统信息，并进行核对，这时盘阵会绿色快闪几下（如果注意过普通工作站的开机过程，也会发现硬盘灯闪的现象）。如果发现文件系统信息已发生更改，操作系统会提示是否进行修复（普通工作站突然掉电重启时，操作系统有时也会有这样的提示）。
第三步，进入系统，系统每隔一段时间会检测所连接到设备，检测设备的连接是否正常，就也就是盘阵为何会偶尔闪一两下的原因。
第四步，读写数据，对一个卷进行数据读写时，组成该卷的所有硬盘一般都会快闪，闪的时间与读写需要的时间相同。
以上是从开机到进行数据读写时步骤，不同的盘阵开机的表现可能略有不同。
当一个硬盘发生故障或offline时，该硬盘会一直保持橙色慢闪或红色慢闪，一般会有报警声。对应的卷还可以进行读写，只是读写效率会有不现程度的降低。
当多个硬盘发生故障或offline时，一般对应卷中的所有硬盘都会橙色慢闪或红色慢闪，有报警声，无法进行读写操作。

网友：

再次谢谢sansky老师的回答。我昨天把阵列搬出来除了尘，各种线卡也重新插了插。然后开机到今天上午都没出什么问题，但下午刚才又出现了上面的那种提示。我回想了一下，刚才机房在上课，学生们都在学习使用数据库，所以阵列的访问量大了。
我的阵列目前只接了一台服务器。但是是一个控制器控制两个RAID，去年有一个控制器坏了。我感觉，好象不管哪一边的RAID只要访问量一过大（其实也不大，相对而说），或是两个RAID同时有人频繁访问，就会出错。重启阵列后就正常。
（还有个细节，我的服务器里面好象没看见RAID卡，是一根数据线接在主板上，再插到阵列上的，我们系统管理员出去读书了，是他做的，我也搞不懂，唉！）

Sansky：

应该与访问量的大小没关系，首先，数据库的访问主要是I/O请求数，所需要的带宽其实很小，每次请求的数据一般只有几K。当然你可以测试一下阵列能提供的总带宽，可用sanergy软件，也可手工拷贝一个大文件按所用时间来计算带宽。

有可能是硬盘有问题，不知道你那个阵列有没有硬盘性能方面的监控软件，还有，如果是硬盘的问题，系统的曰志里会有报错信息，提示你某个卷的drive 2或drive 3有问题，

还有你用的产品我还见过，我没用过国产的东西，最好的解决办法还是咨询厂家。