Ubuntu 服务器硬件故障更换如何做

Ubuntu服务器RAID故障更换核心是不停机优先、数据不丢、状态可验：先用mdadm --detail和journalctl定位并--fail标记故障盘，再--remove安全移除；热插拔下换新盘后--add触发重建，watch /proc/mdstat监控进度，最后验证clean状态、更新initramfs和grub确保引导可靠。

Ubuntu 服务器硬件故障更换，核心是“不停机优先、数据不丢、状态可验”。尤其对 RAID 阵列（如 RAID 10 或 RAID 5）而言，更换过程不是简单拔插硬盘，而是分步控制设备状态、确保冗余有效、验证重建完成。以下按实际运维场景组织关键操作。

确认故障设备并标记为失效

不能直接拔盘，必须先让系统识别该设备已不可靠：

1. 用 sudo mdadm --detail /dev/md0 查看阵列状态，确认哪个设备显示 faulty 或 spare；若仍为 active sync，说明尚未触发故障识别
2. 检查系统日志定位问题盘：sudo journalctl -u mdadm.service | grep -i "fail|error|ata"，常能发现类似 "sdb: failed command: READ" 的报错
3. 手动标记故障（以 /dev/sdb 为例）：sudo mdadm /dev/md0 --fail /dev/sdb —— 此操作将设备置为 faulty 状态，RAID 层开始降级运行

安全移除故障物理设备

标记后需从阵列逻辑中解除绑定，才能物理下线：

1. 执行 sudo mdadm /dev/md0 --remove /dev/sdb，输出应含 "hot removed"
2. 若设备有多个分区（如 sdb1/sdb2），需对每个分区单独执行 --fail 和 --remove
3. 移除后再次运行 mdadm --detail，确认设备已不在 Active Devices 列表中，且状态变为类似 [UU_U]（RAID 10 四盘变三盘）
4. 此时才可在支持热插拔的服务器上拔出硬盘；若无热插拔能力，需 sudo shutdown -h now 关机后再操作

接入新硬盘并加入阵列

新盘接入后需识别、分区（如需）、添加，系统自动触发重建：

1. 开机后用 lsblk 或 sudo fdisk -l 确认新盘设备名（如 /dev/sdc），注意不要误选已有盘
2. 若原阵列使用 GPT 分区且需保留相同结构，可用 sgdisk -R /dev/sdc /dev/sda 复制分区表（/dev/sda 为健康盘）
3. 直接添加裸盘（无分区）：sudo mdadm /dev/md0 --add /dev/sdc；若原为分区形式（如 sdb1），则加 /dev/sdc1
4. 重建立即启动，用 watch -n1 cat /proc/mdstat 实时观察进度，状态显示 recovery = 12.4% 即正常

验证与收尾

重建完成后务必验证一致性与启动可靠性：

1. 等待 /proc/mdstat 显示 clean, degraded 变为 clean, active，且无 recover 字样
2. 强制检查阵列完整性：sudo echo check > /sys/block/md0/md/state，之后查日志确认无错误
3. 更新 initramfs 与 grub：sudo update-initramfs -u 和 sudo update-grub，防止下次重启因设备名变动导致无法引导
4. 若原盘参与系统引导（如 /boot 在 RAID 中），还需确认 EFI 分区或 GRUB 配置未受影响，必要时用 Boot-Repair 工具修复