X86服务器硬盘子系统故障处理

DASD 故障

服务器维修过程中 DASD （ Direct Access Storage Device 硬盘子系统，其包括：硬盘，硬盘背板， SCSI 线， Raid 卡，主板） 故障居多，当 DASD 出现故障时，客户总有许多问题会要求提供 Root Cause 。

2.1 DASD 的故障原因

DASD 出现问题时，客户总是希望知道故障原因，建议从以下几点给予客户解释

• 1 ）环境问题（电流的冲击，温度过高，灰尘静电堆积状况）

• 2 ）微码和版本问题（ Raid 卡、硬盘等的微码， Raid 卡的驱动）

注： Raid 卡的微码和 Raid 卡的驱动需要在同一 Level

• 3 ）硬件问题

现场工程师是没有权利定性此故障原因为硬件问题的，只有对备件送去 ITPC 做 FA 测试后，才能确定备件是否存在硬件问题。如果碰到数据丢失的情况，请谨慎地回答客户的提问，一定要让 CAG 帮助分析和确认故障的 Root Cause 。

2.2 硬盘的状态

– 硬盘正常状态：

绿灯闪烁，琥珀灯不亮

– 硬盘异常状态：

硬盘掉线－琥珀灯长亮

硬盘 Hung －琥珀灯长亮

– 硬盘 Rebuild 状态：

绿灯近似长亮的闪烁，琥珀灯有规律的闪烁

– 硬盘两个指示灯都不亮（硬盘为 Hotspare 或 Ready 状态）

2.3 更换硬盘

– 更换单块掉线硬盘

操作流程：

1. 建议客户异地备份数据
2. 备份阵列信息（客户同意重启服务器）
3. 抓取 Raid 日志并分析（是否有坏条带，是否有 PFA 等）
4. 更换掉线的硬盘
5. 确认硬盘 Rebuild 成功

– 更换多块掉线硬盘

操作流程：

1. 建议客户异地备份数据（若客户的阵列已掉线并数据无法被访问，建议客户找数据恢复公司。除非客户承诺 IBM 对其数据免责，否则不予操作。）
2. 备份阵列信息

Ipssend backup 1 a （ 1 代表 Raid Controller 1 ， a 代表备份的阵列文件名）

3. 抓取 Raid 日志并分析（是否有坏条带，是否有 PFA 等）
4. 按照 Raid 日志所描述的硬盘掉线的逆顺序强行 online （即最后一块掉线的硬盘第一个被强行 online ）。不要去 Rebuild 最先掉线的那块硬盘，将其移除。
5. 确认是否能够进入操作系统，如果可以进系统的话，一定让客户备份数据。
6. 更换最先掉线的那块硬盘
7. 确认硬盘 Rebuild 成功