IBM DS / MD 存储 Piece Failed 处理步骤

1. 什么是 Piece?

MD 存储的磁盘组里创建多个虚拟磁盘，虚拟磁盘在每个硬盘上占用的区块是相同的（是相同的 Offset 和 Length），我们把每个硬盘上的区块称为一个 Piece。

2. 查看日志 StorageArrayprofile.txt 里 MD 存储硬盘所有的状态

一个硬盘根据不同的配置，可以包含多个 Piece。一个物理硬盘的状态是 Optimal，但里面所有的 Piece 并不一定是 Optimal，需要通过 stateCapturedata.txt 日志文件确认。

3. 如何处理 MD storage 多个 Piece 失败的问题（以具体实例说明）

故障现象：一个 MD 的某个 VD 状态是 fail，其他 VD 都正常，所有的硬盘状态都是 OPTIMAL。

主要处理步骤：

查看 failed piece 的 SSID

通过 statecapturedata.txt 日志文件，查找关键字“piece”，可以看到 VD5 有几个 Piece failed。

远程 telnet / 串口，输入命令 vdmShowRAIDVolList，或在 statecapturedata.txt 里查找这个命令，就可以看到 SSID 的信息如下：

Total RAIDVolumes: 16
                                  Curr  Prim
RVAddr     Ssid   State       Pcs Owner Owner VG# PI ExclOp
===========================================================
0x04278878 000000 RV_OPTIMAL   22 This  Alt     1  0 NONE
0x0427d9d8 000001 RV_FAILED    22 Alt   Alt     1  0 MEDIA SCAN
0x0427ebb8 000002 RV_FAILED    22 Alt   Alt     1  0 NONE
0x0427e2c8 000003 RV_FAILED    22 This  This    1  0 NONE
0x042bfbd0 000004 RV_OPTIMAL   22 This  This    1  0 NONE
0x042c0950 000005 RV_DEGRADED  22 Alt   Alt     1  0 NONE
0x042d3fa0 000006 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x04349a68 000007 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x0434c138 000008 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x0434e808 000009 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x042d4890 000010 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x0434a358 000011 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x0434ca28 000012 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x04376078 000013 RV_FAILED    22 Alt   Alt     1  0 NONE
0x04376968 000014 RV_OPTIMAL   22 Alt   Alt     1  0 NONE
0x04377258 000015 RV_FAILED    22 Alt   Alt     1  0 NONE

查看 Piece 掉线顺序

通过 Majorevent LOG 工具，或者用串口 / Telnet 的命令 vdmShowRVOosPieces <ssid> 查看 Piece 掉线顺序。

按时间顺序上线 piece

确认好硬盘掉线顺序、SSID 号和 Piece 后，就可以根据命令 vdmRevivePiece <ssid>, <piece> 强制上线 piece。把所有 failed 的 piece 上线，留下最后一个（最早掉线的）就可以了。

如何查看 <piece> 号是多少：命令 vdmShowRVOosPieces <ssid> 可以看到 0rd:0x000X，这个“X”是 16 进制。

参考下表把这个 16 进制的 X 转换为 10 进制 N，N-1 才是我们要输的 <piece> 号。

所以上图的 0rd:0x0014 即 piece 19，上线命令就是 vdmRevivePiece 3,19。

重启对方控制器

altCtlReset 2

RAID 变成 degrade，让用户去确认数据是否可以正常（备份数据等）。

正常情况下，控制器重启后，另一个 FAILED 的 piece 会自动做一个 rebuild，等 rebuild 好以后，把热备盘配置回去。