服务器还能正常登录、网站也没有报错，并不代表 RAID 阵列一定正常。

很多 RAID 1、RAID 5 或 RAID 10 阵列在损坏一块硬盘后，系统仍然可以继续运行。真正危险的是，管理员没有及时发现阵列已经进入“降级”状态，直到第二块硬盘出现问题，业务才突然中断，甚至造成数据无法恢复。

因此，检查服务器硬盘冗余不能只看磁盘是否挂载、容量是否正常，还要确认阵列状态、成员盘状态和重建进度。

先看一个实际存储服务器案例

以一台用于企业备份和文件归档的香港存储服务器为例，配置如下：

• CPU：Intel Xeon E5-2695 V4，18 核 36 线程

• 内存：64GB DDR4

• 硬盘：4×14TB 企业级 7.2K 机械硬盘

• 阵列卡：Dell PERC H730

• 带宽：25Mbps 直连 CN2

• IP 与防护：5 个 IP、5G DDoS 防护

这类服务器通常会根据业务需求配置 RAID 5 或 RAID 10。

如果用于网站备份、图片归档和下载资源存储，可以考虑 RAID 5，4 块 14TB 硬盘的标称可用容量约为 42TB；如果用于企业资料库、文件同步和频繁读写业务，则更适合 RAID 10，标称可用容量约为 28TB。

无论选择哪一种 RAID，都不能只在服务器开通时检查一次。硬盘可能在运行数月后出现坏扇区、掉线、预测故障或接口异常，因此需要定期检查阵列状态。

RAID 正常、降级和故障分别是什么意思

在不同阵列卡和管理工具中，状态名称可能略有差异，但基本可以分成以下几类。

Optimal、Online、Ready：通常表示正常

如果虚拟磁盘显示为：

Optimal

成员硬盘显示为：

Online

通常说明 RAID 阵列结构完整，所有成员盘均正常参与工作。

不过，“Optimal”只代表当前阵列没有掉盘，并不等于所有硬盘完全健康。还应继续检查硬盘是否出现介质错误、预测故障和异常延迟。

Degraded：阵列已经降级

如果状态显示：

Degraded

说明阵列中至少有一块硬盘已经掉线、损坏或被移出，但 RAID 依靠剩余硬盘仍然能够提供数据。

例如：

• RAID 1 损坏一块盘后，另一块镜像盘仍可工作；

• RAID 5 损坏一块盘后，可通过其余硬盘和校验数据继续读取；

• RAID 10 某个镜像组损坏一块盘后，阵列通常仍可运行。

这时服务器可能没有明显异常，但硬盘冗余已经减少。尤其是 RAID 5，如果重建完成前再损坏一块盘，整个阵列可能直接失效。

Rebuild：正在重建

更换故障盘后，阵列一般会进入：

Rebuild

这表示阵列正在把数据恢复到新硬盘中。

重建期间不要把“服务器还能用”理解为已经恢复正常。此时剩余硬盘负载较高，业务读写也可能变慢，应持续监控重建百分比、磁盘错误和系统 I/O。

Failed、Offline：阵列或硬盘已经离线

如果虚拟磁盘显示 Failed，或者多块成员盘显示 Offline、Missing，说明情况已经比较严重。

此时不要随意执行初始化、清除阵列配置、强制上线硬盘或重新创建 RAID，否则可能覆盖原有阵列信息，增加数据恢复难度。

第一步：先确认服务器使用哪种 RAID

服务器中的 RAID 大致分为两类。

一种是硬件 RAID，由 H730、H740、MegaRAID 等独立阵列卡负责管理。操作系统通常只能看到一个逻辑磁盘，无法直接看到每块物理硬盘。

另一种是软件 RAID，例如 Linux 的 mdadm。操作系统可以直接管理阵列成员盘。

Linux 下可以先检查 PCI 设备：

lspci | grep -Ei 'raid|sas|scsi'

如果看到类似 PERC、MegaRAID、Smart Array 等信息，通常说明服务器安装了硬件阵列卡。

还可以检查软件 RAID：

cat /proc/mdstat

如果出现 /dev/md0、/dev/md1 等设备，通常表示系统使用了 Linux 软件 RAID。

H730 等硬件 RAID 怎么检查

以案例中的 Dell PERC H730 为例，可以使用 PercCLI 或 StorCLI 检查。

先查看服务器中的控制器：

sudo perccli show

查看 0 号阵列卡整体状态：

sudo perccli /c0 show

重点关注：

• Controller Status

• Virtual Drives

• Physical Drives

• Cache 状态

• 电池或缓存保护模块状态

查看所有虚拟磁盘：

sudo perccli /c0/vall show

如果状态正常，通常会看到：

State = Optl

其中 Optl 是 Optimal 的缩写。

如果看到：

State = Dgrd

则表示虚拟磁盘已经降级。

继续查看全部物理硬盘：

sudo perccli /c0/eall/sall show

常见硬盘状态包括：

Onln

表示硬盘在线并参与阵列。

Rbld

表示硬盘正在重建。

UGood

表示硬盘状态良好，但当前没有加入阵列。

Offln

表示硬盘已经离线。

Msng

表示原有成员盘缺失。

某些服务器安装的是 StorCLI，命令结构基本类似：

sudo storcli /c0 show
sudo storcli /c0/vall show
sudo storcli /c0/eall/sall show

控制器编号不一定都是 /c0，机箱和槽位编号也会因服务器型号而不同，应以实际检测结果为准。

Linux 软件 RAID 怎么检查

Linux 软件 RAID 最直接的检查方式是：

cat /proc/mdstat

正常的四盘阵列可能显示：

md0 : active raid10 sda1[0] sdb1[1] sdc1[2] sdd1[3]
      27343718400 blocks
      [4/4] [UUUU]

这里最重要的是：

[4/4] [UUUU]

第一个数字表示应有 4 块盘，目前也有 4 块盘在线；每个 U 代表一块正常成员盘。

如果显示：

[4/3] [UU_U]

说明阵列需要 4 块盘，但当前只有 3 块正常，中间缺少一块，阵列已经降级。

还可以查看详细状态：

sudo mdadm --detail /dev/md0

正常时常见结果为：

State : clean
Active Devices : 4
Working Devices : 4
Failed Devices : 0

降级时可能显示：

State : clean, degraded
Active Devices : 3
Failed Devices : 1

如果阵列正在重建，/proc/mdstat 中还会显示进度：

recovery = 38.6%

可以持续观察：

watch -n 5 cat /proc/mdstat

Windows 服务器怎么检查

如果 Windows 使用的是存储空间，可以打开 PowerShell 执行：

Get-VirtualDisk |
Select-Object FriendlyName, ResiliencySettingName, HealthStatus, OperationalStatus

继续查看物理硬盘：

Get-PhysicalDisk |
Select-Object FriendlyName, SerialNumber, HealthStatus, OperationalStatus, Size

正常情况下，健康状态一般为：

Healthy

如果出现：

Warning
Degraded
Unhealthy
Lost Communication

则需要进一步排查。

如果服务器使用 H730 等硬件 RAID，仅查看 Windows“磁盘管理”通常是不够的。磁盘管理看到的是阵列卡提供的逻辑磁盘，即使其中一块物理盘已经损坏，逻辑盘仍可能显示正常。

这时仍需使用 PercCLI、StorCLI、iDRAC 或服务器厂商提供的阵列管理工具。

阵列正常，还要检查哪些指标

RAID 显示 Optimal，只能说明阵列当前没有明确掉盘。为了提前发现硬盘风险，还应检查以下信息。

预测故障

硬盘可能仍然在线，但阵列卡已经记录：

Predictive Failure

这通常意味着硬盘出现了异常指标，尚未完全损坏，但继续使用的风险较高。

Media Error

Media Error 通常与盘面坏扇区、读取失败等介质问题有关。

少量错误也不能完全忽视，尤其是错误数量持续增加时，应尽快备份并考虑更换硬盘。

Other Error

Other Error 可能与接口、背板、电缆、电源或通信异常有关。

如果同一槽位频繁掉盘，更换硬盘后问题仍然出现，就不能只怀疑硬盘，还要检查背板和阵列卡连接。

阵列卡缓存保护

硬件 RAID 通常依赖写缓存提升性能。如果阵列卡电池、电容或缓存保护模块异常，控制器可能关闭写回缓存，导致写入速度明显下降。

因此除了检查硬盘，还应关注：

• CacheVault 或 BBU 状态；

• Write Back 是否降为 Write Through；

• 控制器温度；

• 缓存错误；

• 巡检任务是否正常。

发现 RAID 降级后应该怎么处理

发现 Degraded 后，第一步不是立即重启，而是先确认故障范围。

建议按以下顺序处理。

1. 立即确认重要数据是否有备份

如果重要数据只有阵列中的一份，应先把最关键的数据同步到其他服务器或存储位置。

降级阵列还能读取，不代表可以继续长期运行。

2. 确认故障盘的槽位和序列号

不要只根据 /dev/sdb、Disk 1 之类的系统编号拔盘，因为系统磁盘顺序和物理槽位未必完全对应。

应通过阵列管理工具确认：

• Enclosure 编号；

• Slot 编号；

• 硬盘序列号；

• 硬盘容量；

• 当前状态。

必要时可以使用阵列卡的定位灯功能，让目标硬盘闪灯后再进行更换。

3. 不要随意清除 Foreign 配置

更换硬盘、阵列卡重启或连接异常后，某些磁盘可能显示为：

Foreign

Foreign 表示硬盘中存在阵列配置信息，并不一定代表硬盘损坏。

在没有确认阵列结构前，不要直接执行 Clear Foreign、Import Foreign 或初始化操作。错误处理可能导致原阵列无法识别。

4. 更换容量不小于原盘的硬盘

替换盘的实际可用容量不能小于原硬盘。

即使两块硬盘都标称 14TB，不同型号的扇区数量也可能略有差异。用于 RAID 替换时，最好选择同接口、同规格、同容量或更大容量的企业级硬盘。

5. 观察重建过程

更换完成后，要确认阵列是否自动进入重建。

硬件 RAID 可以执行：

sudo perccli /c0/eall/sall show rebuild

软件 RAID 可以执行：

watch -n 5 cat /proc/mdstat

重建期间重点关注：

• 重建百分比是否持续增加；

• 是否出现新的硬盘错误；

• I/O wait 是否异常升高；

• 业务是否出现超时；

• 剩余成员盘是否出现预测故障。

6. 重建完成后再次核验

重建到 100% 后，还应确认：

• 虚拟磁盘恢复为 Optimal；

• 所有成员盘恢复为 Online；

• Failed Devices 为 0；

• 没有新的 Media Error；

• 文件系统可以正常读写；

• 关键文件可以校验和解压；

• 备份任务恢复正常。

哪些情况不适合直接重建

如果只是单块硬盘明确损坏，其他成员盘状态良好，通常可以正常更换并重建。

但出现以下情况时，不建议自行反复操作：

• RAID 5 同时有两块盘离线；

• RAID 10 同一镜像组两块盘离线；

• 多块硬盘同时出现预测故障；

• 阵列显示 Failed 或 Punctured；

• 多块盘出现 Foreign；

• 阵列卡无法读取原配置；

• 重建过程中再次掉盘；

• 文件系统已经无法挂载；

• 服务器中没有可用备份。

这时盲目强制上线、反复重启或重新创建阵列，可能进一步破坏数据结构。更稳妥的做法是保留现场状态，记录阵列卡信息、硬盘槽位和错误日志，再由机房技术人员或数据恢复人员处理。

RAID 不是备份，正常状态也不能掉以轻心

RAID 的主要作用，是在部分硬盘故障时维持服务器可用性。

它不能解决：

• 文件被人为误删；

• 程序错误覆盖数据；

• 勒索病毒加密；

• 文件系统损坏；

• 阵列卡故障；

• 多块硬盘同时损坏；

• 机房级故障；

• 错误数据同步到所有副本。

比较稳妥的存储方案应该包含三部分：

本机 RAID + 多版本备份 + 异地副本

例如，案例中的 4×14TB 香港存储服务器可以负责本地冗余和文件归档，同时再把关键数据库、配置文件和最近版本备份同步到另一台服务器或其他地区节点。

这样即使阵列重建失败，也不至于把全部恢复希望寄托在原硬盘上。

总结

判断 RAID 阵列是否正常，不能只看服务器是否开机、目录是否能访问。

硬件 RAID 应通过 PercCLI、StorCLI、iDRAC 等工具检查虚拟磁盘和物理硬盘；Linux 软件 RAID 应检查 /proc/mdstat 和 mdadm --detail；Windows 存储空间则可以通过 PowerShell 查看健康状态。

正常阵列一般显示 Optimal、Online 或 Healthy；出现 Degraded 说明冗余已经下降；出现 Rebuild 说明仍在恢复；出现 Failed、Offline 或多盘异常，则需要谨慎处理。

对于存储服务器来说，真正可靠的方案不是“配置了 RAID 就不用管”，而是定期检查阵列状态、监控硬盘错误、及时处理降级，并始终保留独立备份。