HP MSA1000 磁盘阵列柜简介
　　MSA1000 所采用的惠普独有的 RAID ADG 是在 RAID5 的基础上扩展而来的。它是对 RAID 5 进行扩展后的磁盘配置方案。 RAID 5 的缺点就是在一块硬盘发生故障后， RAID 组从在线状态变为降级状态，这时如果第二块硬盘出现故障，那么整个 RAID 组的数据都将丢失，这对企业来说是灾难性的。 RAID ADG 技术则在原理上克服了这一缺陷，其最大特点是部署了 2 个奇偶校验集，并提供了 2 个硬盘的容量存储这些奇偶校验信息，能同时允许 2 块硬盘出现故障，突破了以往的 RAID 允许在同一时刻只可以有一块硬盘发生故障的限制，很有效地提高了服务器硬盘上数据的可靠性。 RAID ADG 比双 RAID 0+1 具有更低的实施成本，却能提供比 RAID 5 更高的容错能力。

　　故障描述：

　　1、MSA1000 用 七块146GB的硬盘做的磁盘阵列 raid ADG ，挂接到 win2003 服务器上使用，事先发现系统提示 $MFT 出错，要求运行 CHKDSK 命令进行修复。但是管理员没在意，忽然有一天发现阵列中 2 号盘亮红灯报警，于是把 2 号盘拔下，用新的磁盘替换 2 号盘。

　　2、用新磁盘替换 2 号盘后，阵列运行一段时间后，该阵列便不能访问了，系统仍然提示 $MFT 错误，要求运行 CHKDSK 进行修复。这时管理员运行了这个命令整理修复阵列， CHKDSK 命令运行一段时间，没有完成就自动停止，反复运行 CHKDSK 几次，结果都是接近完成就自动停止，在这期间，还发现阵列在自动 Rebuild 。所有操作完成以后，磁盘分区还是打不开。

　　检测及恢复结果：

　　造成数据损坏丢失的原因可以从下面几点说明：

　　1、系统提示 $MFT 错误，说明数据目录结构损坏。目录结构损坏的原因很多： a 、由系统对磁盘的文件读写错误引起的逻辑错误； b 、由硬盘硬件问题引起的，包括多个硬盘掉线和硬盘出现坏道等物理故障。经检测硬盘物理上没有问题，都能识别，也能做镜像。

　　2、发现 2 号盘报警，撤掉 2 号盘，换上新的硬盘。从理论上讲，这样做是对的。这样做的前提是必须先确认其他六块盘在阵列中都是正常的，也就是说这六块盘处于在线 (online) 状态，如果还有其它两块或者两块以上的盘处于掉线 (offline) 状态（因为有时候硬盘掉线后，不一定就亮红灯报警），换盘是不能使阵列正常的（根据 raid ADG 的原理知道，阵列坏掉两块盘还可以运行，但是坏 3 块盘以上阵列就崩溃）。

　　3、运行 CHKDSK 命令是导致目录结构错乱的主要原因，许多 found.000 和 dir.001 等目录就是在这个环节产生的。 CHKDSK 命令是对文件目录的重新整理，把一些目录重新命名并且把文件所在的位置也做了整理。对于磁盘阵列，最忌讳的命令就是 CHKDSK 。如果阵列数据组合方式错误，或者重新配置 Raid(Raid 参数发生变化 — 磁盘顺序、块大小等 ) ，系统都会提示磁盘参数错误或者目录结构错误，要求运行 CHKDSK 来修复。这种提示只是操作系统的责任，但是操作系统没有提示运行 CHKDSK 的后果会带来数据的环乱和损坏，这才是最致命的。

　　4、经过对底层数据的分析发现，在每块盘的大约前 15GB ， 2 号盘和 7 号盘冗余信息所在的位置一样，不符合 raid ADG 数据组合规律，在每块盘大约 15GB 以后，数据组合方式才符合 raid ADG 。造成这种结果的原因可能是：换上新的 2 号盘后，系统把 2 号盘当成 7 号盘，用其余的磁盘来 Rebuild ；或者 7 号盘已经掉线，系统把 2 号盘当成 7 号盘来 Rebuild ；或者 2 号盘和 7 号盘物理上更换了位置等等，再就是出现问题后的其他一系列操作引起的。我们按照每块盘 15GB 以后的数据组合方式用“补天石”进行重组，恢复的结果是数据目录结构较乱，大部分文件都能恢复出来并且是正常的，总的数据量大约280GB，阵列正常的时候数据量为310GB。

　　小结：

　　造成数据损坏的因素归结为：
　　1、系统出现 $MFT 错误提示后不及时处理；
　　2、发现 2 号盘亮红灯后应该查看阵列其他磁盘情况，再确认更换 2 号盘，并且要及时跟踪更换 2 号盘后系统运行状况；
　　3、运行 CHKDSK 是导致目录结构错乱的主要原因；
　　4、2 号盘前 15GB 冗余信息不正常导致部分文件丢失，这是 Rebuild 操作引起的；
　　5、任何硬件上的数据安全解决方案都只是相对的，人为管理的专业性和责任心才能把故障损失降低到最低点。