4. FlashArray硬件故障诊断与更换操作

FlashArray 采用全 NVMe 全闪架构，硬件故障的典型来源集中在五类部件：控制器（Controller）、NVMe SSD、电源模块（PSU）、风扇模块和 SFP 光模块。Pure Storage 的设计哲学是"冗余 + 热插拔 + 无中断"，因此绝大多数单点硬件故障不会导致业务中断，但前提是运维人员能够正确识别告警、准确定位故障部件，并按规范完成热插拔更换与验证。本章围绕这五类部件，讲解告警识别、故障隔离、更换流程与验证方法。

一、告警识别：从 Purity 到 SNMP 的三层信号

FlashArray 的硬件告警主要通过三个渠道呈现。第一层是 Purity//FA 的 Web 界面（Pure1 与本地 GUI），在 Health > Hardware 页面以颜色标识部件状态：绿色为正常，黄色为降级（Degraded），红色为故障（Failed）。第二层是 CLI 命令，最常用的是 purealert 与 purehw，例如：

purehw list --type controller
purehw list --type drive
purealert list --open
purearray list --controller

第三层是 SNMP Trap 与 Pure1 云端告警推送，适合无人值守环境。典型告警文本如 Controller CT0 has failed、Drive NSEA1234567890 has failed、Power supply PS1 in controller CT1 is degraded、Fan FAN3 in controller CT0 has failed、SFP in port FC.1 on CT0 is not present。识别告警时，关键是区分"部件故障"与"链路故障"：SFP 告警往往同时伴随 FC/iSCSI 端口 down，需要结合 pureport list 判断是模块本身还是对端交换机问题。

二、故障隔离：先确认冗余，再动手

在更换任何部件之前，必须先确认冗余状态。控制器为双活（Active-Standby 或 Active-Active 视型号），单控制器故障时另一控制器接管，但若此时再发生第二块 SSD 或第二个 PSU 故障，就可能触发数据不可用。因此隔离步骤应遵循：

1. 用 purearray list --controller 确认两个控制器状态，标记故障控制器编号（CT0 或 CT1）。
2. 用 purehw list --type drive 确认故障 SSD 的槽位号与所属控制器，并检查该盘是否属于某个 RAID 组或 NSE（NVMe SSD 扩展柜）。
3. 用 purehw list --type power 与 purehw list --type fan 确认 PSU 与风扇的冗余是否仍然成立。
4. 用 pureport list 确认 SFP 对应端口是否已 down，并记录对端交换机端口。

隔离的核心判断是：当前是否仍具备冗余。若已无冗余（例如双 PSU 中一个已故障、另一个也告警），应优先恢复冗余而非直接更换，必要时联系 Pure Storage 支持。

三、控制器更换：双控环境下的无中断操作

控制器故障时，Purity 会自动将 I/O 切换到另一控制器，业务通常无感知。更换前需确认：purearray list --controller 显示故障控制器为 failed 或 offline，且另一控制器为 ready。操作时先断开故障控制器的电源线、管理网线、FC/iSCSI 线缆，记录线缆位置；拔出控制器时需按压两侧释放卡扣，水平抽出。插入新控制器后，Purity 会自动识别并同步配置，通常 5～10 分钟内完成。验证命令：

purearray list --controller
purehw list --type controller
purealert list --open

若新控制器状态为 ready 且告警清除，说明更换成功。注意：控制器更换后需检查 NTP、DNS、管理 IP 是否继承，必要时用 purenetwork 重新配置。

四、NVMe SSD 更换：槽位与 RAID 重建

NVMe SSD 故障时，Purity 会将该盘标记为 failed，并在 RAID 组内触发重建。更换前用 purehw list --type drive 确认故障盘槽位（如 NSEA1234567890 对应槽位 5）。热插拔时先按下盘托释放按钮，拔出旧盘，插入新盘并推到底。新盘插入后，Purity 会自动识别并加入 RAID 组，重建进度可用 purehw list --type drive --rebuild 查看。重建期间应避免同时更换第二块盘，否则可能触发数据不可用。

五、电源与风扇：冗余部件的快速更换

PSU 与风扇均为冗余设计，单模块故障不影响运行。更换 PSU 时，先确认另一 PSU 状态为 ok，再拔下故障 PSU 的电源线，按压释放卡扣抽出模块，插入新模块并接回电源线。风扇更换类似，但需注意风扇模块通常与 PSU 共用插槽，更换时避免同时拔出两个模块。验证命令：

purehw list --type power
purehw list --type fan
purealert list --open

六、SFP 模块：链路层故障的定位与更换

SFP 故障常表现为端口 down 或误码率升高。先用 pureport list 确认端口状态，再用 pureport list --verbose 查看光功率与误码计数。若确认 SFP 故障，先拔下光纤，按压 SFP 释放拉环抽出模块，插入新 SFP 并接回光纤。注意：SFP 更换后需等待 30 秒左右链路重新协商，再用 pureport list 确认端口为 up。若端口仍 down，需检查对端交换机端口与光纤跳线。

七、更换后的验证清单

完成更换后，建议在 Pure1 中确认告警已关闭，并记录更换时间、部件序列号与操作人，便于后续审计与故障复盘。若更换后告警仍存在，应检查新部件是否兼容、插槽是否到位，或联系 Pure Storage 支持获取进一步诊断。