24、存储系统的容错与RAID技术解析

存储系统的容错与RAID技术解析

1. 机箱设计与自我监控

机箱设计应允许在不使数据离线的情况下添加或更换电源。1995年，制定了SCSI访问容错机箱（SAF - TE）标准，其能让机箱将自身状态（如磁盘、电源和风扇故障）传达给管理站或监控应用程序，还可跟踪机箱温度等环境条件。机箱内的警报和状态灯能以视觉或听觉方式指示故障，可通过电子邮件向寻呼机、手机、操作员或技术支持团队发送警报。监控应用程序可利用SAF - TE状态信息，提供故障组件或环境问题的关键细节，这种故障警报能力对系统可用性至关重要。例如，电源或磁盘故障可能使冗余组件成为单点故障（SPOF），增加在线组件负载，使其更易出现故障。

1.1 机箱自我监控流程

graph LR A[机箱状态监测] --> B{是否有故障} B -- 是 --> C[触发警报和状态灯] C --> D[发送警报信息] D --> E[监控应用获取信息并分析] B -- 否 --> A

2. 磁盘冗余与RAID

RAID最初是廉价磁盘冗余阵列的缩写，后“廉价”改为“独立”。它能在一组磁盘间实现冗余，避免磁盘故障导致数据可用性中断或数据丢失。磁盘因有移动部件，易出现故障，如磁头损坏、灰尘或盘片碎屑会迅速损坏磁表面。

2.1 RAID配置与热备盘

部分磁盘机箱有RAID控制器，可配置RAID组并将其划分为逻辑单元（LUNs），主机操作系统将每个LUN视为单个物理磁盘。机箱内磁盘可指定为热备盘，正常情况下不写