TG咨询物理主机磁盘阵列配置完成后，问题往往不是单一硬盘故障，也可能来自背板、线缆、磁盘阵列卡、驱动或文件系统。排查时不要一开始就重建阵列或格式化磁盘，否则可能扩大数据损失范围。较稳妥的顺序是：先确认硬件是否被识别，再查看控制器状态，随后检查硬盘健康、系统日志和业务I/O。
一、系统看不到阵列或磁盘
这是物理主机磁盘阵列配置中最容易误判的问题。Linux系统只看到一块逻辑盘，并不代表物理硬盘全部丢失；如果控制器已经创建虚拟磁盘，操作系统通常只会识别控制器呈现出来的逻辑设备。
建议按以下步骤检查
- 执行 lspci | grep -Ei 'raid|sas|scsi|storage'，确认PCI设备中是否出现存储控制器。
- 执行 lsblk 和 cat /proc/partitions，确认系统是否识别到逻辑盘。
- 进入控制器配置界面，检查物理硬盘、虚拟磁盘和背板链路状态。
- 关机后重新插拔数据线和电源线，确认硬盘托架、背板插槽及线缆没有松动；正在运行的业务主机不应直接拔盘。
如果控制器在PCI设备中存在，但没有逻辑盘，重点查看阵列是否处于Foreign、Offline或未初始化状态。若硬盘中已有业务数据，不要直接选择清除Foreign配置，应先导出控制器信息并确认原阵列成员关系。
二、阵列降级、重建时间过长
阵列降级通常表示一个或多个成员盘离线、故障或链路中断。物理主机磁盘阵列配置采用不同冗余级别时，容错能力并不相同：镜像类配置可在一份副本异常时继续运行，条带类配置通常没有单盘容错；具体能否恢复取决于实际布局和控制器策略。
先记录故障盘的序列号、槽位和状态，再查看管理工具中的重建进度。常见控制器可使用厂商工具查询，例如部分Broadcom阵列卡使用storcli，但命令参数会因型号和固件版本不同而变化，应以对应版本帮助信息为准。Linux侧还可查看 dmesg -T、journalctl -k，寻找reset、I/O error、link down等信息。
重建期间不要同时进行大规模备份、数据库迁移或磁盘性能测试。重建速度会受到阵列容量、后台任务、业务读写和控制器策略影响，可能持续数小时甚至更久。若进度长期不变，或日志持续出现同一槽位的链路错误，应优先检查背板和线缆，而不是反复更换硬盘。
三、阵列正常但读写性能很差
看到逻辑盘不等于性能一定正常。小块随机写、同步写入、缓存策略、重建任务和文件系统空间不足，都可能让I/O性能明显下降。先区分是所有业务变慢，还是某个应用的访问模式导致延迟升高。
可执行的检查方法
- 使用iostat -xz 1连续观察设备利用率、平均等待时间和队列长度，至少采集一段业务高峰数据。
- 使用vmstat 1判断是否存在内存回收、I/O等待或CPU争用。
- 检查控制器缓存是否正常、写缓存是否因电池或超级电容故障被强制关闭。
- 确认阵列是否正在重建、巡检或一致性校验，并记录任务完成后性能是否恢复。
如果只有同步写入应用明显变慢，应重点检查写缓存保护状态；如果顺序读写尚可、随机访问很差，则要结合硬盘类型、阵列布局和业务块大小分析。不要只用一次大文件复制结果评价物理主机磁盘阵列配置，因为缓存和文件系统预读会影响短时测试。
四、可用容量与预期不一致
容量异常通常来自单位换算、阵列冗余、热备盘、分区和文件系统保留空间。硬盘厂商按十进制计算容量，操作系统或工具可能按二进制显示，因此标称容量与系统看到的数值存在差异是正常现象。
检查时依次确认物理盘总容量、虚拟磁盘容量、分区大小和文件系统容量。执行lsblk -f查看设备与挂载关系，执行df -h查看文件系统可用空间。若虚拟磁盘已经扩容但系统容量未增加，还需完成分区扩展和文件系统扩容；这两个动作必须先确认备份和分区类型，不能盲目执行。
五、日志反复出现硬盘或链路错误
硬盘健康问题不一定立即表现为阵列离线。读写重试、坏扇区增长、接口超时和链路重置，都可能先以日志形式出现。可使用smartctl -a /dev/sdX查看支持SMART的直连磁盘信息，但经由部分控制器时需要专用参数，读不到数据并不等于硬盘健康。
将系统日志、控制器事件日志和硬盘槽位对应起来，是物理主机磁盘阵列配置排查的关键。若错误始终跟随同一块硬盘，应准备更换；若更换硬盘后错误仍出现在同一槽位，则要检查背板、接口或控制器端口。更换前确认阵列状态、盘的容量和接口类型，并按照控制器支持的流程标记故障盘，避免误拔正常成员盘。
排查时还要注意什么
- 先保存阵列拓扑、盘位、序列号和控制器事件日志，再做重建或更换操作。
- 不要把“系统能启动”当作阵列健康证明，降级状态下仍可能正常运行。
- 新盘容量通常应不小于原成员盘；不同厂商对可用容量、扇区格式和认证列表可能有额外要求。
- 涉及生产数据时，优先采用厂商维护流程，并在有可验证备份的前提下执行高风险操作。
常见问题
1. 阵列降级后可以继续使用吗？
通常可以短期继续运行，但冗余能力已经下降。应先确认备份有效，再尽快定位故障盘和链路问题。
2. 重建时能否重启主机？
除非控制器文档明确支持并且业务允许，否则不建议中断重建。意外断电或重复故障可能使恢复风险增加。
3. 为什么更换同容量硬盘仍不能加入阵列？
实际可用扇区可能略小，或接口、扇区格式、固件和控制器兼容性不同。应比较控制器识别到的可用容量，而不只看外壳标称值。
4. SMART显示正常，为什么阵列仍报错？
SMART不能覆盖所有背板、线缆和控制器链路问题。还应结合控制器事件日志、系统I/O错误和槽位变化判断。
5. 怎样判断是硬盘还是控制器故障？
观察错误是否随硬盘移动而变化：错误跟随硬盘，偏向硬盘问题；错误固定在槽位或端口，需重点检查背板、线缆和控制器。
处理物理主机磁盘阵列配置故障时，最重要的是保留证据、确认拓扑、控制变更范围。按照识别、状态、健康、性能和日志的顺序排查，通常比直接重建或更换整组设备更安全。
