我有一台配置为 RAID5 的 Perc H710，配有 4 个 3TB Seagate 7200rpm 硬盘。
两个月前，我得到了这些虚假错误让我相信我的控制器有问题。
我更换了控制器，一切工作正常，直到几天前我开始遇到类似的错误。驱动器 00 和 03 被报告为故障、脱机或丢失。戴尔又给我寄来了另一个（第三个） RAID 控制器，现在 perc bios 显示：
Drive 00 missing
Drive 03 missing
所以我拔出驱动器，并用磁盘实用程序分别检查它们。确实，驱动器 00 和驱动器 03 有坏扇区。我使用的 Linux 磁盘实用程序显示驱动器 00 有“几个坏扇区”，而驱动器 03 有“很多坏扇区”。
真的吗？同一天有两个硬盘坏了？
另一方面，是否有可能一个驱动器在一段时间前出现故障，然后另一个驱动器也出现故障，因为它在不断旋转，试图重建第一个驱动器......或者类似的事情？
答案1
我们不可能准确地说出 X 个驱动器在 Y 时间内出故障的概率，但是可以肯定地说，驱动器故障并不像通常认为的那样完全独立。同一阵列中多个磁盘在时间上相近的时间内发生故障实际上是相当常见的情况。
不到一个月前，我们的一台生产服务器（同一 RAID 组）上同一周末有 4 个驱动器相继出现故障。我们刚更换一个驱动器，另一个驱动器就出现故障……为了安全起见，我们最终更换了所有 7 个驱动器。
正如您所提到的，原因之一是重建过程是磁盘密集型的，因此，处于故障边缘的磁盘很有可能被推到边缘并发生故障，因为它在提供数据重建新磁盘时承受的压力越来越大。
要考虑的另一个因素是，RAID 阵列中的所有成员往往处于相同的物理环境中，并受到非常相似的物理压力（热量、振动、电源波动等），这往往会导致类似故障的发生率高于不同环境中的磁盘。
而且，如果你和大多数人一样，你可能只是从同一个地方购买了 4 个相同的磁盘，并且最终得到了来自同一批次的 4 个磁盘，这导致 4 个磁盘具有相同的制造特性（该制造批次中的任何缺陷或异常都可能在所有四个磁盘上共享）。因此，在相同环境中使用相同的磁盘……它们可能共享其他相似的特性，例如当它们发生故障时，这是有道理的。
最后，磁盘故障并非呈正态分布（如钟形曲线）。磁盘在刚开始使用时（早期故障）故障率较高，经过很长一段时间后，当磁盘因受到的物理压力而磨损并损坏时，中间阶段的故障率相对较低（浴盆曲线）。
因此，是的，同一个 RAID 阵列中的多个驱动器故障确实会定期发生，这也是您始终需要良好备份的原因之一。
答案2
这其实相当常见，这也是为什么经常建议购买单个 RAID 组中不同批次的硬盘的主要原因。相同批次的硬盘通常具有相同的缺陷或阈值。
此外，故障并不总是由驱动器老化引起，它们也可能由最小的电涌、几分钟的意外负载、相同的睡眠停机等引起。因此，发生故障的几率当然小于单个驱动器故障，但不是该百分比的平方。此外，不要忘记单个磁盘故障意味着其他 3 个磁盘的负载增加，因为它们需要协同工作以重新计算丢失的数据。这也可能将另一个磁盘推向边缘。关于同一问题，更换驱动器后的重建是一项高度密集的操作，涉及所有磁盘的每个扇区，这意味着磁盘又一次处于危险之中。
最后，问题可能并不总是磁盘。我曾经遇到过 RAID-5 组死机的情况，因为控制器认为 4 个磁盘中的 3 个在几分钟内同时被移除。当然这是控制器的故障，但它仍然在日志中显示为 3 个磁盘在一分钟内相继死机。
答案3
是的，由于重建时的磁盘压力而导致的第二次故障（以及重建时读取的原始数据量，在密集的现代磁盘上读取错误的可能性相对较高）是 RAID-5 具有某些固有风险的原因之一。
虽然听起来 RAID 控制器并没有明确地将任何一个磁盘标记为故障，而只是“丢失”，但这可能是您需要利用备份的情况。
答案4
问题可能是您的某个磁盘在一段时间内出现坏块，但由于没有程序从该扇区读取数据，因此没有被注意到。
然后另一个磁盘上出现了坏扇区。其中一个扇区被读取，控制器移除了该驱动器或尝试重建它。然后它需要读取整个第二个磁盘，并在第二个驱动器上遇到了第二个坏扇区。然后你的 RAID 就坏了。
这就是为什么定期测试驱动器是否有坏扇区至关重要——这样它们就不会长时间被忽视。有一个实用程序——smartd来自smartmontools软件包——可以在所有磁盘空闲时定期检查它们是否有坏块。但并非所有控制器都允许向磁盘发送 SMART 命令——这就是我更喜欢软件 RAID 的原因。
磁盘将在再次写入时纠正（重新映射）坏扇区。因此，如果您知道哪个扇区是坏的（smartctl -a可以告诉您）并且可以检查哪个文件正在使用此扇区，则可以从备份中重写此文件以使磁盘恢复正常。但不要尝试读取它，因为读取失败可能会强制磁盘脱离阵列。