硬盘故障之所以让人紧张，多半是因为不常做。把处置动作拆成固定步骤，并在平时演练过，真出事时就不会手忙脚乱。
一、先确认，别急着动手
- 核对告警来源：是 RAID 卡告警、系统日志，还是监控系统
- 确认故障类型：单盘掉线、预测性故障还是介质错误
- 确认 RAID 级别与当前状态：是否已降级，是否有热备盘顶替
在信息不全的情况下拔盘，是造成二次故障的主要原因。
二、判断风险等级
| 状态 | 风险 | 处理节奏 |
|---|---|---|
| 有热备盘已顶替 | 低 | 安排窗口更换，不急于当天 |
| RAID 降级、无热备 | 中高 | 尽快更换，同时暂停非必要写入 |
| 多盘同时告警 | 高 | 先备份数据，再考虑更换 |
降级期间不要做别的事
RAID 降级时重建会占用大量磁盘 IO。此时避免大批量数据处理、备份全量任务等重负载操作。
三、更换操作要点
- 确认备盘型号与容量兼容，最好同型号
- 操作前记录当前配置与阵列信息
- 定位物理位置：通过指示灯确认，不要凭记忆拔盘
- 更换后观察重建进度，重建期间禁止重启
四、数据核对与收尾
- 重建完成后确认阵列状态回到正常
- 校验关键数据完整性（数据库一致性检查、文件校验）
- 更新资产台账的硬盘信息与更换记录
- 复盘原因：是批次问题、环境问题，还是使用年限到期
五、把流程提前写下来
建议把上述步骤写成一页纸的操作卡，放在运维手册里，并每年演练一次。同时提前准备备盘与工具。故障处理的速度，取决于准备的程度，而不是临场的反应。
#服务器维护#RAID#故障处置#运维事业部
