4. RAID级别选择与故障切换实战

在PowerEdge服务器上，RAID级别不是“越高级越好”，而是要在性能、可用容量与容错能力之间做取舍。理解这些取舍，才能在硬盘故障发生时预判阵列会进入什么状态、业务是否还能继续、重建需要多久、期间还有没有第二次容错余量。本节先对比RAID 1/5/6/10/50/60的核心差异，再通过模拟硬盘故障，完整走一遍“降级—重建—恢复”的过程。

一、五个级别的本质差异

先明确三个评价维度。性能看随机写惩罚和读并发；容量看有效容量占裸容量的比例；容错看能同时承受几块盘故障而不丢数据。以N块等容量硬盘、单盘容量C为参照：

• RAID 1：两块盘互为镜像，有效容量C，容错1块。写性能接近单盘，读可双盘并发，随机写无惩罚，适合系统盘、日志盘。
• RAID 5：N块盘，1份校验，有效容量(N-1)×C，容错1块。随机写需读旧数据、读旧校验、写新数据、写新校验，即“写惩罚4”，随机写性能随盘数增加反而可能下降。
• RAID 6：N块盘，2份校验，有效容量(N-2)×C，容错2块。写惩罚为6，随机写更慢，但大容量近线盘场景下重建窗口长，双校验能抵御重建期间的第二块盘故障。
• RAID 10：先镜像再条带，有效容量N/2×C，容错能力取决于故障分布——同一镜像对中两块盘同时坏才丢数据，因此可容忍多块盘故障，但非任意两块。随机写无校验惩罚，性能最好，适合数据库。
• RAID 50/60：先做RAID 5或RAID 6子组，再跨子组条带。RAID 50有效容量为各组(N-1)×C之和，每组容错1块；RAID 60每组容错2块。它们把重建范围限制在单个子组内，重建更快、影响面更小，但容错是按“每组”而非“整阵列”计算的。

关键结论：RAID 5/6的容错是“整阵列级”，任意盘故障都消耗同一份校验余量；RAID 10/50/60的容错是“组内级”，故障落在不同组时互不影响。这正是选择级别的核心逻辑。

二、按业务场景选级别

选择时先问三个问题：数据能否容忍丢失、随机写压力多大、单盘容量多大。系统盘和日志盘优先RAID 1；数据库数据文件优先RAID 10，因为随机写无校验惩罚且重建快；文件共享、备份归档等以顺序读写为主、容量敏感的场景可用RAID 5；当单盘容量达到8TB以上、重建时间显著拉长时，RAID 6比RAID 5更稳妥；需要兼顾容量与重建隔离时，用RAID 50/60把阵列切成多个子组。

一个常见的8盘位2.5英寸配置示例：8块1.2TB SAS盘。RAID 5有效容量约8.4TB，容错1块；RAID 6约7.2TB，容错2块；RAID 10约4.8TB，容错按镜像对分布；RAID 50若分成两组各4盘，有效容量约7.2TB，每组容错1块。容量差距一目了然，容错语义却完全不同，不能只看“能坏几块”。

三、模拟硬盘故障：降级与重建

下面在PowerEdge的PERC控制器上模拟一次RAID 5故障。假设阵列由4块盘组成，虚拟磁盘为VD0，当前状态Optimal。

第一步，确认基线。通过iDRAC或OpenManage查看物理磁盘与虚拟磁盘状态：

omreport storage vdisk controller=0
# 关注：Status = Ok，Layout = RAID-5，Size = 3.6 TB

omreport storage pdisk controller=0
# 4 块物理盘均为 Online，且属于同一 Span

第二步，制造降级。在业务可中断的维护窗口，直接拔出其中一块成员盘（或通过iDRAC执行“Identify”后物理拔除）。控制器会立即把该盘标记为Failed，虚拟磁盘状态变为Degraded。此时阵列仍可读写，但已无冗余。

omreport storage vdisk controller=0
# Status = Degraded
# 提示：Virtual Disk has lost redundancy

omreport storage pdisk controller=0
# 其中一块：Status = Failed，State = Offline

第三步，观察降级期间的表现。RAID 5降级后读操作仍可依靠剩余数据盘和校验盘重建，但性能下降；写操作需要重新计算校验，延迟上升。此时若再坏一块盘，数据即丢失。因此降级状态应尽快处理，不要长期运行。

第四步，更换硬盘并触发重建。插入一块同容量或更大容量的新盘，控制器通常自动开始重建；若配置为手动，可执行：

omconfig storage pdisk controller=0 action=assignhotspare pdisk=0:1:4
# 或指定为重建目标后，控制器进入 Rebuilding 状态

omreport storage vdisk controller=0
# Status = Rebuilding，Progress = 例如 37%

重建期间阵列仍可服务，但性能进一步下降，且冗余尚未恢复。RAID 5重建时若再坏一块盘，数据丢失；RAID 6重建时仍可再坏一块；RAID 10重建只影响单个镜像对。重建进度可在iDRAC的Storage页面或omreport中持续观察，直到状态回到Optimal。

四、结果判读与常见误区

重建完成后，用以下命令确认冗余已恢复：

omreport storage vdisk controller=0
# Status = Ok，Layout = RAID-5，Redundancy = Yes

omreport storage pdisk controller=0
# 新盘 Status = Online，且已加入原 Span

判读要点有三：一是虚拟磁盘状态必须回到Ok而非Degraded；二是新盘必须显示Online并归属正确Span；三是若控制器支持，检查Patrol Read与一致性校验是否正常。若重建卡在某个百分比长时间不动，需检查新盘是否有介质错误、是否容量不足、是否被误设为Non-RAID。

常见误区：把RAID 5的“容错1块”理解为“任意时刻只坏1块就安全”，忽略了重建期间同样只有1块余量；把RAID 10的“能坏多块”理解为“任意多块”，忽略了同一镜像对同时坏两块仍会丢数据；把RAID 6当作RAID 5的简单升级，忽略了写惩罚从4升到6、随机写性能进一步下降。选级别时，先明确业务能接受多长的重建窗口、能接受多大的性能下降，再决定用几份校验、是否分组。