Windows MPIO多路径配置后,如何确认存储链路故障时能够切换

发布人:A5数据发布时间:2026-10-24 15:17阅读量:82

MPIO配置完成后,管理界面里出现两条或四条路径,并不能单独证明存储链路故障时一定会切换。真正的验收结果应当是:人为制造一条路径的故障,在仍有其他路径可用的情况下,Windows上的同一个磁盘保持在线,业务I/O继续运行,故障路径被标记为不可用,恢复链路后路径能够重新加入。

因此,确认Windows MPIO多路径是否配置成功,不能只看“路径数量”,也不能只执行一次连通性测试。应当同时观察路径状态、磁盘状态、I/O连续性、应用错误、系统事件以及故障恢复后的路径回归情况。下面的验证方法以Windows Server上的块存储为对象,适用于常见的iSCSI、FC或SAS多路径场景;具体路径状态名称和切换时间可能受存储阵列、DSM、协议及超时参数影响。

先划清MPIO能够解决的问题

MPIO管理的是主机到存储的路径

MPIO位于Windows主机和存储设备之间,负责识别指向同一存储设备的多条路径,并在某条路径不可用时将I/O转移到其他路径。这里的“路径”通常不是一根网线或一条光纤,而是一条端到端链路,可能包含以下环节:

先划清MPIO能够解决的问题 / MPIO管理的是主机到存储的路径配图

  • Windows主机上的HBA端口或iSCSI网卡;
  • 交换机、SAN Fabric或直连SAS链路;
  • 存储控制器端口;
  • 存储阵列对目标LUN的映射;
  • DSM对路径状态和负载策略的判断。

一台主机建立了两个iSCSI会话,不一定就代表Windows已经形成了两个可切换的MPIO路径。如果两个会话最终没有被识别为同一个LUN的路径,或者两个会话实际经过同一块网卡、同一个交换机端口和同一个存储控制器端口,那么“会话数量”与“故障独立性”都不能直接作为验收依据。

正常情况下,同一个LUN被MPIO正确接管后,Windows应当看到一个磁盘对象,而不是多个内容相同的独立磁盘。若系统出现多个重复磁盘,且这些磁盘疑似对应同一个LUN,不应直接将它们全部联机或初始化,应先停止测试,核对MPIO接管、DSM和存储映射状态。

“切换成功”不等于业务完全没有延迟

MPIO切换通常需要先检测路径失效,再停止向故障路径发送I/O,并把请求转给可用路径。这个过程中可能出现短暂的I/O延迟、队列变化或应用响应变慢。

因此,合理的验收标准不是“故障发生时所有请求延迟都完全不变”,而是:

  1. 只有被测试的路径进入失败或不可用状态;
  2. 至少一条其他路径继续可用;
  3. 同一个Windows磁盘保持Online;
  4. 持续I/O没有出现不可恢复错误;
  5. 应用没有因为磁盘短暂超时而退出、卸载或进入异常状态;
  6. 故障恢复后,路径数量和预期状态能够恢复。

如果业务SLA规定了最大可接受暂停时间,例如5秒、10秒或30秒,应将该时间纳入验收条件。MPIO本身不会替企业定义统一的切换时延标准。

Windows MPIO的切换工作机制

DSM决定如何识别和使用路径

Windows MPIO通常由MPIO框架、微软默认DSM或存储厂商提供的DSM共同完成路径管理。不同存储阵列对主动路径、非优化路径、备用路径和控制器归属的处理方式可能不同。

常见的路径状态包括:

  • Active/Optimized:路径可用,并且通常是阵列推荐的访问路径;
  • Active/Unoptimized:路径可用,但访问可能需要跨控制器或不属于当前LUN的优选路径;
  • Standby:路径处于备用状态,发生故障时才会被启用;
  • Unavailable、Failed或类似状态:路径当前不可用于I/O。

实际名称可能因Windows版本、DSM和存储厂商实现而变化。验收时更重要的是确认状态变化符合预期,而不是机械要求所有环境都必须显示同一个英文状态。

例如,一个采用ALUA机制的存储阵列可能在正常状态下同时显示优化路径和非优化路径;另一个主动-被动阵列可能只让部分路径处于活动状态。只要故障路径消失后,其他符合阵列规则的路径能够接管,并且磁盘和业务保持可用,就不能仅因状态名称不同而判定失败。

故障检测存在时间差

物理链路断开、网卡直接失效、FC端口Down等故障,通常比“交换机仍然亮着但丢弃数据包”的黑洞型故障更容易被快速识别。

影响切换时间的因素包括:

  • iSCSI会话和TCP连接超时;
  • MPIO路径检测和验证周期;
  • DSM的重试策略;
  • 存储控制器故障转移时间;
  • 交换机或Fabric对链路状态的收敛时间;
  • 应用自身的磁盘超时设置;
  • 当前I/O队列是否繁忙。

所以,测试时看到几秒甚至更长的延迟,不应立即认为MPIO没有切换。需要把路径状态变化、磁盘状态、应用I/O和事件日志放在同一时间线上分析。相反,如果路径已经显示不可用,但磁盘离线、文件系统报错或应用退出,则仍然不能判定为通过。

验收前需要核对的影响因素

路径数量要结合独立故障域判断

下面是一个典型的路径数量示例:

项目示例状态验收含义
MPIO识别的路径数4主机至少识别到4条指向同一LUN的路径
计划测试的故障路径1一次只制造一条路径故障
故障后剩余路径3仍有路径可承载I/O
恢复后的路径数4故障路径能够重新加入
Windows磁盘对象1个同一LUN未被识别为多个重复磁盘

四条路径并不自动等于四个独立故障域。例如,四个iSCSI会话全部通过同一块网卡,拔掉这块网卡时可能一次丢失四条路径;两块HBA虽然分属不同端口,但如果连接到同一台没有冗余的交换设备,也无法抵御该交换设备故障。

验收记录中应至少标明每条路径对应的主机端口、交换机或Fabric、目标端口和控制器。对于iSCSI,还应记录发起端地址和目标门户地址;对于FC,应记录HBA端口、WWPN、Fabric和目标端口。

负载均衡策略不是切换能力的唯一证明

MPIO可能使用故障转移专用、轮询、最少队列或厂商定义的策略。负载策略影响的是正常运行时如何选择路径,并不等同于故障切换功能。

例如:

  • 轮询策略下,正常状态可能有多条路径同时承载I/O;
  • 故障转移专用策略下,部分路径平时可能处于备用状态;
  • ALUA环境中,非优化路径可以工作,但性能和控制器负载可能不同;
  • 厂商DSM可能根据控制器所有权重新安排路径。

因此,验收时应先记录当前策略,再按阵列厂商规定的预期路径状态判断。不要为了让测试结果“看起来更简单”而临时修改负载均衡策略。除非有维护窗口、配置备份和厂商支持,否则不建议把策略变更与故障注入测试混在一起。

测试负载会影响观察结果

没有持续I/O时,某条路径即使被断开,系统也可能不会立刻表现出明显的业务变化。相反,在高负载环境下,路径切换期间的延迟和队列变化会被放大。

更可靠的测试方式是:

  • 使用非生产测试卷执行持续读I/O;
  • 或在已获得业务批准的维护窗口内观察真实业务;
  • 记录测试前的IOPS、吞吐、平均延迟、最大延迟和错误数;
  • 将故障期间与恢复后的指标进行对比。

如果使用读测试工具,测试文件应提前准备好,优先采用只读方式,避免因为测试命令覆盖数据而引入新的风险。例如,以下命令只是示例,要求X:\mpio-test.dat已经存在,且该卷允许承受测试负载:

diskspd.exe -d300 -Sh -L -b64K -o8 -t2 -r -w0 X:\mpio-test.dat

其中,-d300表示运行约300秒,-b64K表示64 KiB块大小,-o8表示每个线程的未完成I/O数量,-t2表示使用两个线程,-r表示随机访问,-w0表示写入比例为0,即只读测试。实际参数应根据存储性能和业务影响调整,不应直接在生产数据卷上照搬。

一套可执行的故障切换验证方法

1. 记录故障前基线

测试前应安排维护窗口,确认业务负责人、存储管理员和网络或Fabric管理员能够及时介入。虽然断开单条路径通常不会删除数据,但可能误操作管理网卡、同时断开多条路径,或暴露原有配置问题,因此仍应确认备份、业务恢复方案和管理通道可用。

在Windows Server管理员PowerShell中,可以先查看MPIO功能和路径信息:

Get-WindowsFeature -Name Multipath-IO
Get-MPIOSetting
mpclaim.exe -s -d
Get-MPIOPath | Format-List *

这些命令的作用分别是:

  • 确认Multipath-IO功能处于已安装状态;
  • 查看MPIO全局设置;
  • 查看MPIO设备、路径数量、DSM和负载策略;
  • 展开路径对象,便于记录路径标识和当前状态。

不同Windows Server版本或厂商DSM可能提供不同的PowerShell对象。如果某个MPIO命令不可用,不要从网上随意复制不匹配版本的模块或修改系统配置,可以改用MPIO图形界面、mpclaim.exe以及存储厂商工具进行核对。

对于iSCSI环境,还应记录当前会话:

Get-IscsiSession | Format-List *

重点检查发起端地址、目标地址、连接状态和会话数量。不要只看“连接数大于1”,而要确认这些会话分别使用了预期的网卡、地址和目标门户。

如果需要确认某个测试磁盘的状态,可记录磁盘编号和基本属性:

Get-Disk -Number 3 |
    Format-List Number,FriendlyName,OperationalStatus,HealthStatus,IsOffline,IsReadOnly

上面的磁盘编号3只是示例,应替换为实际测试磁盘。测试前通常应看到目标磁盘保持Online,且没有预先存在的离线、只读或健康异常状态。

2. 一次只制造一条路径故障

故障注入的目标是验证“单路径失效时能否切换”,不是同时验证主机、交换机、阵列控制器和所有链路的灾难恢复能力。

常见做法包括:

  • iSCSI:断开一条专用存储网卡的链路,或在确认影响范围后临时禁用该网卡;
  • FC:断开一根对应的光纤,或在HBA工具中停用一个端口;
  • SAS:断开一条独立SAS链路;
  • 存储阵列:在厂商支持的维护方式下模拟一个目标端口或控制器路径故障。

如果使用PowerShell禁用iSCSI专用网卡,必须先确认该网卡不承载管理、远程桌面、集群心跳或其他存储路径。下面仅是受控测试示例:

Get-NetAdapter -Name 'iSCSI-A'

Disable-NetAdapter -Name 'iSCSI-A' -Confirm:$true

这条命令会使该网卡上的所有网络连接中断。如果网卡上承载多个iSCSI会话,可能会一次丢失多条MPIO路径;如果管理流量也经过该网卡,还可能导致远程管理中断。测试前应通过带外管理或保留独立管理通道确认可回滚。

恢复方式为:

Enable-NetAdapter -Name 'iSCSI-A' -Confirm:$true

如果使用拔线方式,应明确记录所拔链路对应的主机端口和目标端口,避免在不清楚拓扑的情况下拔掉承载多条路径的汇聚链路。不要在第一次测试中直接关闭整个存储控制器,也不要同时禁用两块HBA或两块iSCSI网卡。

3. 观察路径、磁盘和会话的变化

故障发生后,应在预先确定的观察窗口内反复查看路径状态。可以使用以下命令:

Get-MPIOPath | Format-Table -AutoSize

同时检查目标磁盘:

Get-Disk -Number 3 |
    Format-List Number,FriendlyName,OperationalStatus,HealthStatus,IsOffline,IsReadOnly

在iSCSI场景下,再次检查会话:

Get-IscsiSession | Format-List *

理想的变化类似于:

观察时点MPIO路径磁盘状态I/O表现
故障前4条,状态符合阵列预期Online延迟和吞吐处于基线范围
断开一条路径后1条进入Unavailable、Failed或类似状态,剩余3条可用仍为Online可能有短暂延迟尖峰,但I/O继续
恢复链路后路径逐步回归,恢复为4条仍为Online指标回到正常波动范围

这个表是验收逻辑示例,不代表所有环境都必须严格显示“4、3、4”。在主动-被动阵列中,故障前可能只有一部分路径处于活动状态;在ALUA环境中,恢复后路径也可能先以非优化状态出现。关键是路径变化、磁盘状态和业务结果要相互匹配。

如果路径状态长时间不变,应确认断开的链路是否真的是被测路径。若路径已经失败但磁盘也变为Offline,说明剩余路径没有正确承载I/O,或故障范围超过了预期。若MPIO界面显示路径减少,但iSCSI会话仍然存在,可能是会话尚未完全释放,不能只依据会话界面判断切换成功。

4. 结合持续I/O和应用结果判断

路径状态变化只能证明MPIO检测到了变化,不能独立证明应用层可用。验证期间应同时观察:

  • 测试程序是否报错;
  • 数据库、虚拟化平台或文件服务是否出现磁盘超时;
  • 文件系统是否出现I/O错误;
  • 业务请求是否失败或连接断开;
  • IOPS、吞吐和延迟是否在故障后恢复;
  • Windows事件日志中是否出现磁盘离线、文件系统损坏或持续性存储错误。

如果是生产业务,优先由业务系统自身生成可观测请求,并记录故障前后的错误率和响应时间。如果是测试卷,可以使用前述只读I/O工具,但应把测试文件、运行时间和负载参数记录在验收单中。

“磁盘仍然在线”是必要条件,但不是充分条件。例如,缓存仍能暂时返回数据时,磁盘可能保持Online,而应用实际上已经开始出现写入超时。因此,应用层或持续I/O结果必须与MPIO路径状态一并判定。

5. 恢复路径并验证重新加入

完成单路径故障观察后,恢复网卡、插回链路或按照厂商工具恢复端口。以网卡测试为例:

Enable-NetAdapter -Name 'iSCSI-A' -Confirm:$true

恢复后不要立即认为测试完成,应继续观察一段时间。可以将60至120秒作为一个示例观察窗口,但实际时间应根据iSCSI重连、DSM检测周期和存储阵列行为确定。

恢复验收至少包括:

  • MPIO路径数量恢复到故障前预期值;
  • 恢复路径进入符合阵列设计的Active、Optimized或Standby状态;
  • 测试磁盘仍保持Online;
  • I/O性能回到基线附近;
  • 没有新增持续性磁盘或文件系统错误;
  • iSCSI会话或FC端口状态恢复;
  • 未出现重复磁盘、只读磁盘或需要人工重新挂载的情况。

如果故障路径能够切换出去,但恢复后不能自动加入,不能简单判定为完全通过。它可能说明故障转移有效,但路径重连、DSM恢复策略或存储端口配置仍存在问题。对于要求自动恢复冗余的环境,这类结果应记为部分通过或不通过,直到恢复行为符合设计目标。

如何读取事件日志和示例结果

Windows事件日志中的事件源和事件编号会因操作系统版本、协议驱动和存储厂商而变化,不建议只凭某个固定事件ID判断成败。可以先从系统日志筛选MPIO、iSCSI、Storport和Disk相关事件:

Get-WinEvent -LogName System -MaxEvents 200 |
    Where-Object {
        $_.ProviderName -match 'MPIO|iScsiPrt|storport|disk'
    } |
    Select-Object TimeCreated,ProviderName,Id,LevelDisplayName,Message

示例性的事件时间线可能是:

10:00:00  故障前:4条路径,磁盘3为Online
10:00:12  MPIO相关事件:检测到一条路径不可用
10:00:13  iSCSI相关事件:一个会话断开
10:00:14  其他路径继续承载I/O
10:01:05  恢复链路后,路径重新建立
10:01:18  MPIO路径数量恢复到4条

这只是用于说明判断逻辑的模拟结果,不是固定日志格式。更重要的是事件时间应与故障注入时间、应用监控时间和路径状态变化相互对应。

如果日志中只有一次路径丢失和恢复事件,且业务无错误,通常说明测试符合预期。如果同时出现以下现象,则应判定为失败或需要进一步调查:

  • 所有路径在同一时刻失效;
  • 磁盘变为Offline;
  • 文件系统出现错误或卷被卸载;
  • 应用发生不可恢复的I/O错误;
  • 故障路径恢复后始终无法重新加入;
  • 一条网卡故障导致多组本应独立的路径全部消失;
  • Windows识别出重复磁盘并要求初始化。

验收结果的建议判定方式

可以把一次测试结果划分为“通过、部分通过和不通过”,避免只用“路径数量变化”做二元判断。

判定典型表现处理建议
通过单条路径故障,其他路径继续工作,磁盘保持Online,业务无不可恢复错误,路径恢复后重新加入记录测试时间、故障点、路径状态和日志
部分通过能切换但延迟超过业务要求,或切换成功但路径无法自动恢复检查超时、DSM、存储控制器和路径恢复策略
不通过磁盘离线、业务中断、所有路径同时丢失、出现重复磁盘或数据访问错误停止继续故障注入,先恢复冗余并排查拓扑和配置

如果业务要求的是“任意一条链路故障不影响业务”,那么测试至少要证明每个独立故障域都能单独失效。例如,分别测试一块iSCSI网卡、一条交换机上联、一个FC端口和一个存储目标端口,而不是只拔一次网线就宣称所有路径都具备冗余。

MPIO的适用限制

MPIO解决的是主机到同一块存储设备之间的路径冗余,不等同于以下能力:

  • 存储阵列故障时的数据复制;
  • LUN被误删或错误映射后的恢复;
  • 文件系统损坏保护;
  • 数据库事务一致性保护;
  • 备份和灾难恢复;
  • 机房级网络或供电冗余;
  • Windows集群节点故障转移。

如果Windows Failover Cluster、CSV、Hyper-V或数据库正在使用该磁盘,必须按照对应平台的维护要求执行测试。不要为了验证MPIO而手动让共享磁盘离线,也不要在没有集群维护窗口的情况下禁用可能承载心跳或其他共享存储的网卡。集群事件、资源状态和应用状态应作为额外验收项。

最终可以用一条完整链路来确认结果:先记录MPIO设备和路径基线,再只断开一个已知独立路径,持续观察MPIO路径状态、Windows磁盘状态和实际I/O,随后恢复链路并确认路径重新加入。只要测试能够证明“单路径故障不导致磁盘和业务失效,剩余路径确实承载了I/O,恢复后冗余能够返回”,就达到了主机侧多路径切换的基本验收目标;如果测试范围扩大到控制器、交换机、阵列或站点级故障,则需要另行制定对应的高可用和灾难恢复验证方案。

主机侧多路径只是存储高可用架构中的一环,业务部署还需要匹配计算、磁盘与网络资源。A5数据提供香港、美国、日本等地区的物理服务器,涵盖NVMe与大容量硬盘配置,可承载数据库、业务后台及文件存储等不同负载;各地还有不同线路和带宽方案,便于为跨区域业务安排服务器资源。

本文由A5数据原创发布,转载请注明出处:https://www.a5idc.com/helpcontent/5526.html

相关推荐