超融合数据盘故障更换

参考手册：

2.3 硬盘更换

2.3.1 使用换盘向导更换硬盘

2.3.2 系统盘更换

2.3.3 数据盘更换

针对你描述的情况——没有先在集群中踢出故障盘，就直接进行了物理插拔更换，这个操作流程确实不规范，会带来一定的风险，但也不用太紧张，处理思路是：先冷静评估当前状态，然后引导集群“重新认识”这块新盘，并触发数据重建。

 第一步：立刻评估当前风险

在采取任何行动前，先快速确认几点，这决定了后续的紧急程度：

1. 确认集群当前状态

   • 登录超融合管理平台，查看该节点的状态是“离线”还是“在线但有一块盘故障”。

   • 关键：检查其他节点的数据盘是否也都正常。只要其余盘健康，数据就是安全的（因为有副本或纠删码保护）。

2. 确认新换硬盘的状态

   • 在管理平台上查看，新插入的硬盘是否已被识别？状态是“未使用”、“已识别”还是依然显示“故障”？

   • 如果管理平台上已经看到新盘且状态为“正常”或“未使用”：这是最好的情况，说明硬件层面已识别，只是还没加入存储池。

3. 确认磁盘类型（非常重要！）

   • 确认更换的是普通SATA/SAS机械盘/SSD，还是 PCIe/NVMe SSD 。

   • 如果是PCIe/NVMe SSD：这类盘不支持热插拔。之前直接拔插的操作非常危险，有损坏主板或CPU的风险。现在只能祈祷硬件没坏。如果节点现在运行正常，就不要再去动它了；如果节点已宕机或无法识别新盘，可能需要关机断电后再重新插拔一次（风险仍高，但已无更好办法）。

 第二步：正确的处理流程

根据新盘在平台上的识别情况，分两种路径处理：

情况A：新盘已被平台识别，状态为“未使用”或“空闲”

这是最理想的情况，说明集群“看到”了新盘，只是还没用起来。

1. 进入存储管理页面：在超融合管理平台中找到“存储管理”或“磁盘管理”。

2. 执行“换盘”或“扩容”操作：找到之前故障盘的位置，应该有“更换磁盘”或“添加磁盘”的按钮。点击后，选择这块新盘，平台会自动将其加入原来的存储池。

3. 触发数据重建：磁盘加入后，系统会自动检测到数据副本缺失，并自动开始数据重建。你可以在“任务”或“事件”中心看到“数据恢复中”或“数据同步中”的进度条。

情况B：新盘未被识别，或状态仍为“故障”

这表明集群的“记忆”还停留在旧盘上，或者硬件识别有问题。

1. 清理旧盘信息（关键步骤）

   • 方法一（推荐）：在管理平台上找到该故障盘的条目，看是否有“删除”、“移除”或“标记为已拔出”的按钮。先执行这个操作，把旧的盘符从系统中“踢出去”。

   • 方法二（命令行）：如果界面没有操作入口，可能需要登录该节点的后台（SSH），使用fdisk -l或lsblk查看新盘的设备名（如/dev/sdb），然后尝试用partprobe或重启smartd服务来重新扫描。

2. 硬件层面检查

   • 登录服务器的带外管理系统（如H3C的HDM ），查看硬盘背板状态、新盘的序列号是否被正确识别。

   • 如果带外界面都看不到新盘，或显示橙色/红色告警，那可能是盘没插好、盘本身有质量问题、或者背板/线缆在拔插时受损了。这时需要重新断电插拔或更换槽位测试。

 第三步：特别提醒——为什么要“先踢出，再更换”

现在你实际体验到了不规范操作带来的麻烦。规范流程应该是：

1. 在管理平台上，先将故障盘标记为“离线”或“故障”，执行“更换磁盘”操作。这一步实际上是让集群把这个盘上的数据安全地迁移到其他副本上，然后将该盘从存储池中“逻辑移除”。

2. 等待平台提示“可以安全拔出”后，再到物理服务器上进行插拔。

3. 插入新盘后，在平台上点击“完成换盘”，系统自动识别并开始重建。

你跳过了第一步，所以现在集群可能还在等待那块“逻辑上的旧盘”回来，或者对新盘的出现感到困惑。