Bagaimana cara saya mengatasi masalah array RAID saya?

8

Saya baru saja memeriksa array RAID saya pagi ini dan apa yang saya dapatkan adalah:

$ cat /proc/mdstat
Personalities : [raid1] [linear] [multipath] [raid0] [raid6] [raid5] [raid4] [raid10] 
md1 : active raid1 sdc7[0]
      238340224 blocks [2/1] [U_]

md0 : active raid1 sdc6[0]
      244139648 blocks [2/1] [U_]

md127 : active raid1 sdc3[0]
      390628416 blocks [2/1] [U_]

unused devices: <none>
$

Yang, saya percaya, artinya satu disk array saya sudah mati, apakah ini benar?

Bagaimana cara saya mengatasi masalah dengan benar? /etc/mdadm/mdadm.confPenampilan saya seperti:

$ cat /etc/mdadm/mdadm.conf
# mdadm.conf
#
# Please refer to mdadm.conf(5) for information about this file.
#

# by default (built-in), scan all partitions (/proc/partitions) and all
# containers for MD superblocks. alternatively, specify devices to scan, using
# wildcards if desired.
#DEVICE partitions containers

# auto-create devices with Debian standard permissions
CREATE owner=root group=disk mode=0660 auto=yes

# automatically tag new arrays as belonging to the local system
HOMEHOST <system>

# instruct the monitoring daemon where to send mail alerts
MAILADDR root

# definitions of existing MD arrays
ARRAY /dev/md127 UUID=124cd4a5:2965955f:cd707cc0:bc3f8165
ARRAY /dev/md0 UUID=91e560f1:4e51d8eb:cd707cc0:bc3f8165
ARRAY /dev/md1 UUID=0abe503f:401d8d09:cd707cc0:bc3f8165

Bagaimana cara mengetahui drive fisik yang rusak dan perlu diganti?

Terima kasih

EDIT1

# mdadm --detail /dev/md0
/dev/md0:
        Version : 0.90
  Creation Time : Tue Sep  1 19:15:33 2009
     Raid Level : raid1
     Array Size : 244139648 (232.83 GiB 250.00 GB)
  Used Dev Size : 244139648 (232.83 GiB 250.00 GB)
   Raid Devices : 2
  Total Devices : 1
Preferred Minor : 0
    Persistence : Superblock is persistent

    Update Time : Mon Sep 21 07:11:24 2015
          State : clean, degraded 
 Active Devices : 1
Working Devices : 1
 Failed Devices : 0
  Spare Devices : 0

           UUID : 91e560f1:4e51d8eb:cd707cc0:bc3f8165
         Events : 0.76017

    Number   Major   Minor   RaidDevice State
       0       8       38        0      active sync   /dev/sdc6
       1       0        0        1      removed
root@regDesktopHome:~#

Mengapa dikatakan Failed Devices : 0?

EDIT2
Membuka Gparted, saya bisa melihat keduanya, /dev/sdb& /dev/sdcyang merupakan dua RAIDdrive saya . Namun, mdadm berpikir /dev.sdbtelah dihapus karena suatu alasan ... itu aneh. Saya mencoba me-mount partisi pada `` / dev / sdb` dan mendapatkan yang berikut

$sudo mount /dev/sdb7 test
[sudo] password for ron: 
mount: unknown filesystem type 'linux_raid_member'

yang terlihat semua coorect. Bagaimana saya mendapatkan kembali susunan RAID saya?

EDIT 3

Aku berlari smartctl -a /dev/sdcdan smartctl -a /dev/sdb, aku juga melakukannya badblocks /dev/sdcdan badblocks /dev/sdbdan sementara sdctampaknya 100% bersih, sdbmengembalikan beberapa blok buruk:

# badblocks /dev/sdb
16130668
16130669
16130670
16130671

Apakah itu berpotensi menjadi penyebab kesalahan yang saya lihat? Adakah cara untuk memperbaiki / mengabaikan blok buruk ini atau haruskah saya mengganti drive?

EDIT 4

# smartctl --all /dev/sdb
smartctl 6.2 2013-07-26 r3841 [x86_64-linux-3.13.0-62-generic] (local build)
Copyright (C) 2002-13, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family:     Seagate Barracuda 7200.12
Device Model:     ST31000528AS
Serial Number:    6VP0308B
LU WWN Device Id: 5 000c50 013d3ae45
Firmware Version: CC34
User Capacity:    1,000,204,886,016 bytes [1.00 TB]
Sector Size:      512 bytes logical/physical
Rotation Rate:    7200 rpm
Device is:        In smartctl database [for details use: -P show]
ATA Version is:   ATA8-ACS T13/1699-D revision 4
SATA Version is:  SATA 2.6, 3.0 Gb/s
Local Time is:    Sat Sep 26 11:35:02 2015 PDT

==> WARNING: A firmware update for this drive may be available,
see the following Seagate web pages:
http://knowledge.seagate.com/articles/en_US/FAQ/207931en
http://knowledge.seagate.com/articles/en_US/FAQ/213891en

SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status:  (0x82) Offline data collection activity
                                        was completed without error.
                                        Auto Offline Data Collection: Enabled.
Self-test execution status:      (   0) The previous self-test routine completed
                                        without error or no self-test has ever 
                                        been run.
Total time to complete Offline 
data collection:                (  600) seconds.
Offline data collection
capabilities:                    (0x7b) SMART execute Offline immediate.
                                        Auto Offline data collection on/off support.
                                        Suspend Offline collection upon new
                                        command.
                                        Offline surface scan supported.
                                        Self-test supported.
                                        Conveyance Self-test supported.
                                        Selective Self-test supported.
SMART capabilities:            (0x0003) Saves SMART data before entering
                                        power-saving mode.
                                        Supports SMART auto save timer.
Error logging capability:        (0x01) Error logging supported.
                                        General Purpose Logging supported.
Short self-test routine 
recommended polling time:        (   1) minutes.
Extended self-test routine
recommended polling time:        ( 195) minutes.
Conveyance self-test routine
recommended polling time:        (   2) minutes.
SCT capabilities:              (0x103f) SCT Status supported.
                                        SCT Error Recovery Control supported.
                                        SCT Feature Control supported.
                                        SCT Data Table supported.

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE
  1 Raw_Read_Error_Rate     0x000f   114   099   006    Pre-fail  Always       -       78420742
  3 Spin_Up_Time            0x0003   095   095   000    Pre-fail  Always       -       0
  4 Start_Stop_Count        0x0032   099   099   020    Old_age   Always       -       1240
  5 Reallocated_Sector_Ct   0x0033   099   099   036    Pre-fail  Always       -       60
  7 Seek_Error_Rate         0x000f   082   060   030    Pre-fail  Always       -       199357441
  9 Power_On_Hours          0x0032   052   052   000    Old_age   Always       -       42401
 10 Spin_Retry_Count        0x0013   100   100   097    Pre-fail  Always       -       0
 12 Power_Cycle_Count       0x0032   099   037   020    Old_age   Always       -       1240
183 Runtime_Bad_Block       0x0000   098   098   000    Old_age   Offline      -       2
184 End-to-End_Error        0x0032   100   100   099    Old_age   Always       -       0
187 Reported_Uncorrect      0x0032   094   094   000    Old_age   Always       -       6
188 Command_Timeout         0x0032   100   100   000    Old_age   Always       -       0
189 High_Fly_Writes         0x003a   050   050   000    Old_age   Always       -       50
190 Airflow_Temperature_Cel 0x0022   062   046   045    Old_age   Always       -       38 (Min/Max 30/38)
194 Temperature_Celsius     0x0022   038   054   000    Old_age   Always       -       38 (0 17 0 0 0)
195 Hardware_ECC_Recovered  0x001a   030   012   000    Old_age   Always       -       78420742
197 Current_Pending_Sector  0x0012   100   100   000    Old_age   Always       -       1
198 Offline_Uncorrectable   0x0010   100   100   000    Old_age   Offline      -       1
199 UDMA_CRC_Error_Count    0x003e   200   200   000    Old_age   Always       -       0
240 Head_Flying_Hours       0x0000   100   253   000    Old_age   Offline      -       73332271657814
241 Total_LBAs_Written      0x0000   100   253   000    Old_age   Offline      -       2822963046
242 Total_LBAs_Read         0x0000   100   253   000    Old_age   Offline      -       2361465529

SMART Error Log Version: 1
ATA Error Count: 6 (device log contains only the most recent five errors)
        CR = Command Register [HEX]
        FR = Features Register [HEX]
        SC = Sector Count Register [HEX]
        SN = Sector Number Register [HEX]
        CL = Cylinder Low Register [HEX]
        CH = Cylinder High Register [HEX]
        DH = Device/Head Register [HEX]
        DC = Device Command Register [HEX]
        ER = Error register [HEX]
        ST = Status register [HEX]
Powered_Up_Time is measured from power on, and printed as
DDd+hh:mm:SS.sss where DD=days, hh=hours, mm=minutes,
SS=sec, and sss=millisec. It "wraps" after 49.710 days.

Error 6 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:28.967  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:28.941  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:28.940  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:28.928  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:28.901  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 5 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:26.095  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:26.069  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:26.068  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:26.055  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:26.029  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 4 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:23.222  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:23.195  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:23.194  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:23.182  SET FEATURES [Set transfer mode]
  27 00 00 00 00 00 e0 00      09:26:23.137  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

Error 3 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 08 d8 44 ec 41 00      09:26:20.351  READ FPDMA QUEUED
  60 00 80 e8 44 ec 41 00      09:26:20.350  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:20.324  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]
  ec 00 00 00 00 00 a0 00      09:26:20.323  IDENTIFY DEVICE
  ef 03 46 00 00 00 a0 00      09:26:20.311  SET FEATURES [Set transfer mode]

Error 2 occurred at disk power-on lifetime: 42372 hours (1765 days + 12 hours)
  When the command that caused the error occurred, the device was active or idle.

  After command completion occurred, registers were:
  ER ST SC SN CL CH DH
  -- -- -- -- -- -- --
  40 51 00 d9 44 ec 01  Error: UNC at LBA = 0x01ec44d9 = 32261337

  Commands leading to the command that caused the error were:
  CR FR SC SN CL CH DH DC   Powered_Up_Time  Command/Feature_Name
  -- -- -- -- -- -- -- --  ----------------  --------------------
  60 00 80 e8 44 ec 41 00      09:26:17.478  READ FPDMA QUEUED
  60 00 40 a8 44 ec 41 00      09:26:17.478  READ FPDMA QUEUED
  60 00 20 88 44 ec 41 00      09:26:17.476  READ FPDMA QUEUED
  60 00 08 80 44 ec 41 00      09:26:17.453  READ FPDMA QUEUED
  27 00 00 00 00 00 e0 00      09:26:17.427  READ NATIVE MAX ADDRESS EXT [OBS-ACS-3]

SMART Self-test log structure revision number 1
No self-tests have been logged.  [To run self-tests, use: smartctl -t]


SMART Selective self-test log data structure revision number 1
 SPAN  MIN_LBA  MAX_LBA  CURRENT_TEST_STATUS
    1        0        0  Not_testing
    2        0        0  Not_testing
    3        0        0  Not_testing
    4        0        0  Not_testing
    5        0        0  Not_testing
Selective self-test flags (0x0):
  After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.

#

EDIT 5

Saya menyadari bahwa setelah mencabut kabel /dev/sdb, sebelumnya /dev/sdcadalah sekarang /dev/sdb. Saya mengkonfirmasi dengan smartctl -a /dev/sdbbahwa nomor seri telah berubah setelah boot dengan disk buruk dicabut. Saya kurang beruntung dan drive ini keluar dari garansi , jadi saya akan mendapatkan sendiri drive pengganti baru.

raid mdadm stdcerr
sumber
FYI: Anda harus melihat [UU] untuk cermin yang sehat, bukan [U_]. Seperti yang Anda pikirkan, itu berarti salah satu cermin Anda hilang. Saran Halfgaar adalah yang terbaik.
Tim S.
Sunting ulang 6, mdadm --manage ... --add ...sudahkah Anda melakukan yang disarankan Halfgaar?
MadHatter
2
Salah satu hal utama tentang situs Stack Exchange adalah bahwa mereka bukan forum dan tidak ada utas. Anda mengajukan pertanyaan, sudah dijawab. Jika Anda memiliki lebih banyak pertanyaan (terkait), Anda harus menanyakannya sebagai pertanyaan baru dan jika ada referensi asli yang berlaku. Sebelum Anda melakukannya, Anda mungkin ingin mencari situs.
user9517

Jawaban:

11

Melihat bagaimana Anda tidak melihat drive yang rusak (ditandai dengan F) di output cat /proc/mdstat, Anda telah mem-boot server sejak array rusak.

Anda dapat memperoleh info dengan mdadm --detail /dev/md0. Itu mungkin akan memberi tahu Anda drive mana yang harus ada di dalamnya.

Untuk menanggapi hasil edit Anda:

Saya akan menganalisis /dev/sdbdulu. Gunakan smartctl -auntuk memeriksa (terutama) jumlah sektor yang dialokasikan kembali dan log kesalahan. Lakukan tes mandiri dengan smartctl -t long /dev/sdb. Gunakan badblocks, dll.

Kemudian:

  • Jika Anda mengganti /dev/sdb, salin tabel partisi dari /dev/sdc. Jika itu bukan GPT, Anda bisa menggunakannya sfdisk -d /dev/sdc | sfdisk /dev/sdb. Atau jika mereka GPT, Anda bisa menggunakan gdiskuntuk menyimpan tabel partisi ke file, dan kemudian memuatnya. Tersembunyi di bawah fungsi lanjutan.
  • Sesuatu yang umum untuk dipertimbangkan: jika drive (baru) Anda memiliki sektor 4k, pastikan partisi-partisi tersebut selaras 4k .
  • Jika Anda akan menambahkan kembali yang sudah ada /dev/sdb, Anda mungkin ingin menjalankan mdadm --zero-superblocksemua partisi yang ada.
  • Maka Anda bisa mdadm --manage /dev/md0 --add /dev/sdb6dan sama untuk md1dansdb7

Tak perlu dikatakan, beberapa perintah menghapus data Anda jika Anda mencampur drive Anda. Jadi, pastikan apa itu sdcdan sdb...

Sunting: tentang blok buruk: Jika alat tingkat perangkat lunak apa pun melihat blokir, drive rusak. Biasanya, disk menyembunyikannya dengan mengalokasikannya secara transparan saat menulis. Google untuk 'realokasi sektor hard drive'. smartctl -aOutput Anda harus menunjukkan sektor yang dialokasikan kembali untuk sdb. Jadi ya, Anda sdbtelah dikeluarkan dari array dan Anda harus menggantinya.

Edit: tentang smartctl -aoutput. Ada dua hal di sana yang sangat penting:

  • Ini menunjukkan 60 sektor yang dialokasikan kembali. Meskipun nilai yang dinormalisasi masih 99 dan hanya secara resmi akan 'buruk' jika mencapai 36 (itu menghitung mundur), Anda tidak boleh mempercayai disk yang mulai mengalokasikan kembali sektor. Jadi terutama jika nilai ini mulai berubah, nilai mentah, itu penting. Anda bahkan dapat mengonfigurasi smartduntuk memonitornya untuk Anda.
  • Log kesalahan menunjukkan entri pada usia 42372 jam. Anda dapat mengatakan bahwa itu baru, karena parameter 9 (dalam kasus Anda) Power on hours,. Ada hal-hal yang tidak berbahaya yang dapat menyebabkan entri log kesalahan SMART, seperti memberikan perintah ATA yang salah, tetapi dalam kasus ini, karena Anda memiliki array yang terdegradasi, kemungkinan mereka terkait.

Adapun menentukan disk mana yang ada di sistem Anda; misalnya, melakukan dmesg |grep -i sdbakan membantu. Anda mungkin memiliki tiga disk di sistem Anda dan sdbmerupakan satu di pengontrol SATA kedua Anda, yang dapat dinamai 1 atau 2, tergantung apakah itu berbasis nol atau berbasis satu.

Karena Anda kemungkinan boot dari sda, Anda bisa mengganti sdbdan melakukan operasi yang saya sebutkan di atas. Jika boot drive Anda rusak, Anda berharap memiliki:

  • Grub yang diinstal pada disk lain juga.
  • Memiliki server yang sebenarnya bisa boot dari disk lain.

Suatu hari dengan server Dell, itu tidak mau memulai dari sdbketika ada yang kosong sdadi dalamnya. Butuh beberapa meyakinkan dan berimprovisasi.

Terkadang Anda perlu menerjemahkan nama seperti ata1.01nama perangkat asli. Sebagai contoh, disk yang gagal akan memberikan kesalahan kernel yang mengatakan 'pengecualian ATA pada ata1.01' atau kata-kata untuk efek itu. Baca jawaban ini untuk itu. (Saya mengkonfigurasi sistem logging pusat kami untuk memperingatkan saya tentang kesalahan-kesalahan kernel, karena mereka adalah indikasi yang dapat diandalkan dari kegagalan disk yang tertunda).

Halfgaar
sumber
Juga menambahkan EDIT2 sekarang
stdcerr
1
@cerr Saya mengedit jawaban yang menjelaskan cara menganalisis situasi.
Halfgaar
1
@cerr Saya mengomentari penemuan blok buruk Anda.
Halfgaar
1
@cerr Saya edit untuk memberikan beberapa wawasan tentang smartctloutput.
Halfgaar
1
@cerr Itu sudah dalam jawaban saya, tentang--add
Halfgaar