Raid磁盤陣列真的是100%安全嗎？Raid常見故障有哪些？

由于數(shù)據(jù)恢復(fù)是數(shù)據(jù)災(zāi)難的補救措施，因此設(shè)計安全RAID磁盤陣列系統(tǒng)也會出現(xiàn)數(shù)據(jù)災(zāi)難嗎？

RAID設(shè)計的初衷大約有三個原因：解決容量問題和問題IO性能問題和解決存儲安全（冗余）問題。從數(shù)據(jù)恢復(fù)的角度來看，我們暫時不討論容量和IO在性能方面，只討論存儲安全。

RAID存儲安全組織方案在存儲中很常見RAID1、RAID5及其變形，基本設(shè)計理念相似，可以通過一定的算法，使用多個硬盤之間的算法維護，以確保當(dāng)部分?jǐn)?shù)據(jù)異常時，可以通過特定的算法恢復(fù)。拿RAID5的設(shè)計方法，舉個簡單的例子，如果我們想記錄兩個數(shù)字，那么我們可以記錄更多的冗余，就像我們記錄3和5一樣，然后記錄8（3 5的和)，所以如果我們不記得是什么和5，我們只需要用8-5來計算丟失的數(shù)字，剩下的就是這樣。在磁盤陣列中，當(dāng)一組三塊盤的目的是用某種算法保存數(shù)據(jù)時，也是如此RAID5正常工作時，全部寫入RAID數(shù)據(jù)正確地寫在特定的磁盤地址上，并生成特定的計算值（通常稱為驗證和），此時讀寫效率最好。但當(dāng)其中一個磁盤出現(xiàn)故障時，存儲在故障磁盤上的原始數(shù)據(jù)將通過其他硬盤數(shù)據(jù)恢復(fù)，當(dāng)然，控制器（硬盤）RAID為RAID卡，軟RAID事實上，這是一個驅(qū)動程序）將負(fù)責(zé)這項工作。同時，為了確保不停機，控制器還將確保存儲的正?；?，以免操作系統(tǒng)認(rèn)為硬盤系統(tǒng)有問題。

從以上原則來看，RAID存儲安全也存在一些難以避免的漏洞，雖然不太可能，但存儲存在RAID數(shù)據(jù)價值可能無法評估，任何故障都可能導(dǎo)致信息災(zāi)難。

轉(zhuǎn)入正題，RAID故障的可能性有：

1.降級時，未及時rebuild：

RAID算法上的數(shù)據(jù)安全冗余是通過多余的存儲空間提供的，但當(dāng)某些磁盤出現(xiàn)故障時，RAID如果管理員不及時更換盤子，則無法提供此類存儲冗余。REBUILD整卷，此時其余工作的硬盤再次出現(xiàn)故障，RAID卷便不能正常工作。這類故障在RAID數(shù)據(jù)恢復(fù)比例相當(dāng)高，服務(wù)器維護管理跟不上。

2、控制器故障：

由于物理硬盤與操作系統(tǒng)之間的數(shù)據(jù)存儲鏈接，控制器是連接的RAID其組成不是自然約定(具體)，硬盤容量大小，硬盤數(shù)量多少，RAID組成級別、邏輯磁盤分割、塊大小、驗證方法等因素組合成不同的因素RAID信息(RAID元數(shù)據(jù))，這些RAID信息有時候會寫在陣列卡上，有時候會寫在硬盤上，還有的時候兩者皆有。如果控制器出現(xiàn)故障，在許多情況下不能更換新的控制器RAID由于成本考慮，中低端控制器在這方面的漏洞要大得多。如果控制器出現(xiàn)故障，在許多情況下不能更換新的控制器RAID由于成本考慮，中低端控制器在這方面的漏洞要大得多。同時，即使你記得原來的RAID數(shù)據(jù)恢復(fù)方法(見相關(guān)文章)也是結(jié)構(gòu)重建的錯誤方法。

三、固件算法缺陷：

RAID控制器的實現(xiàn)是一種非常復(fù)雜的算法，如創(chuàng)建、重建、降級和保護。當(dāng)然，復(fù)雜性更多的是提供盡可能安全的無漏算法，盡管制造商不會輕易承認(rèn)控制器BUG，但毫無疑問，這些問題在任何控制器上都是不可避免的。因為固件算法BUG，許多無法解釋的故障可能會發(fā)生。例如，在一些服務(wù)器數(shù)據(jù)恢復(fù)案例中，有一些早期生產(chǎn)DELL會有2950服務(wù)器RAID一塊盤OFFLINE后故障盤與報警燈不一致的情況，導(dǎo)致客戶在更換故障盤REBUILD拉錯盤，整個RAID組崩潰。

4、IO通道堵塞RAID掉盤：

RAID為了數(shù)據(jù)的絕對安全，控制器將盡量避免將數(shù)據(jù)寫在不穩(wěn)定的存儲介質(zhì)上，以便當(dāng)控制器和物理硬盤進行時IO當(dāng)時，如果時間超過一定的閥值或不符合校準(zhǔn)關(guān)系，相應(yīng)的存儲設(shè)備將不再具備連續(xù)工作的能力，但將被迫離線，并通知管理員盡快解決問題。這種設(shè)計的初衷很好，也是正確的設(shè)計方法，但對于物理鏈接線松動，或由于硬盤機械反應(yīng)加班（硬盤可能完好）等隨機原因，控制器無法區(qū)分設(shè)備是否和以前一樣穩(wěn)定，所以一些小鏈接不在乎，會導(dǎo)致RAID卷出故障，發(fā)生此類故障的概率很大，不可避免。這也是大多數(shù)RAID出現(xiàn)故障后，硬盤沒有故障的原因。我們的許多數(shù)據(jù)恢復(fù)服務(wù)客戶會質(zhì)疑服務(wù)器制造商。事實上，這是痛苦的。在某種程度上，控制器越安全，這種現(xiàn)象就越發(fā)生。

5.控制器的穩(wěn)定性:

RAID的控制器在ONLINE狀態(tài)下（無離線盤）工作最穩(wěn)定。相對而言，當(dāng)一些硬盤損壞（可能是邏輯故障）時，控制器將處于困難狀態(tài)，這也是許多中低端RAID控制器離線后讀寫性能迅速下降的原因。當(dāng)數(shù)據(jù)吞吐時，控制器的負(fù)載會大大增加IO滯留的可能性導(dǎo)致上述第4點提到的滯留RAID離線。沒有高速硬件處理芯片，沒有高速緩沖的控制器發(fā)生此類故障的概率要高得多。盡量不要選擇這種磁盤陣列控制器，以避免外費用，盡量不要選擇這種磁盤陣列控制器。

6、壞硬盤：

這種情況很有趣，很多人會認(rèn)為正常工作RAID不會有壞硬盤，因為只要硬盤壞了，RAID會讓他的壞硬盤脫機，更換新硬盤REBUILD又是好硬盤了。但事實上，這種情況是不可避免的，因為：一組RAID長時間工作后，物理硬盤的所有磁盤空間都很少讀懂，同時更是不可能。在某些情況下，硬盤會在未讀取的區(qū)域或以前讀取的區(qū)域產(chǎn)生壞道。這種壞道在控制器看來不錯，因為它沒有讀寫。這種壞磁道最直接的危害是REBUILD過程中。物理硬盤離線時，通常所有技術(shù)人員和官方資料都會盡快寫下來REBUILD，但如果其他硬盤有這種通常不知道的壞磁道，REBUILD全面同步全盤，一定會讀寫那些壞道。這個時候，REBUILD未完成，新盤無法上線，因為舊盤發(fā)現(xiàn)了壞道，會導(dǎo)致RAID更多的下線硬盤，這可能會導(dǎo)致RAID如果出現(xiàn)故障，數(shù)據(jù)無法自行恢復(fù)。

7.人為誤操作:

相當(dāng)一部分涉及數(shù)據(jù)恢復(fù)的數(shù)據(jù)災(zāi)難是可以避免的，但總會有這樣的情況:無關(guān)人員誤拔RAID里面的硬盤，沒有備件盤，沒有及時換盤，給RAID除塵時忘記了原來的順序，不小心刪除了原來的順序RAID配置等。

8.我暫時想不起其他原因。

除了人為原因外，這些災(zāi)難原因大多難以直接避免，只能通過結(jié)合備份構(gòu)建整體存儲安全計劃來解決。其他文章將提到原因和數(shù)據(jù)恢復(fù)主題的安全建議。

欲了解更多詳細(xì)信息“Raid0,Raid0 1,Raid1,Raid5”信息請點擊“Raid0、Raid0 1、Raid1、Raid5四者的區(qū)別”