raid5故障导致上层应用不可用的数据恢复案例
最新动态来源：本站原创点击数：150更新时间：2023/12/19
服务器数据恢复环境&故障：
一台emc某型号存储服务器，存储服务器上组建了一组raid5磁盘阵列，阵列中有两块磁盘作为热备盘使用。存储服务器在运行过程中有两块磁盘出现故障离线，但是只有一块热备盘激活，最终导致该raid5阵列崩溃，上层应用无法正常使用。
服务器故障检测：
将故障存储服务器中所有磁盘编号后取出，由硬件工程师对两块掉线的硬盘进行物理故障检测，经过检测发现这2块离线的磁盘确实存在物理故障，需要对这2块盘进行物理故障修复后才能进行下一步的数据恢复，存储服务器中其他硬盘经过检测没有发现存在物理故障及坏道。
将故障存储服务器中的完好硬盘以只读方式进行扇区级的全盘镜像。针对存在物理故障的2块磁盘，由硬件工程师进行开盘处理后使用专业工具进行全盘镜像。由于故障存储服务器中所有磁盘的扇区大小为520字节，在进行数据恢复之前需要将所有镜像数据做520字节to512字节的转换。
服务器数据恢复过程：
1、基于镜像文件分析所有磁盘底层数据，经过分析发现故障存储服务器中的两块热备盘是空的，没有写入任何数据，据此推断有一块热备盘虽然上线，但此时raid阵列仍处于缺盘状态，数据并没有开始同步。
2、通过分析底层数据获取到条带大小、磁盘顺序等raid阵列结构基础信息，利用这些信息虚拟重组raid5阵列。
3、由于该型号存储服务器的LUN是基于RAID5阵列的，在raid5阵列重组完成之后，需要分析LUN在RAID阵列中的分配信息以及LUN分配的数据块MAP。
4、根据上一步获取到的信息，使用北亚企安自研程序解释LUN的数据MAP并导出LUN的所有数据。
5、使用北亚企安自研的ZFS文件系统解释程序对生成的LUN做文件系统解释，但是在解释某些文件系统元文件的时候程序报错。开发工程师对该解释程序做debug调试并分析程序报错原因，与此同时，文件系统工程师分析ZFS文件系统是否存在问题。经过数小时的分析与调试，最终确认导致程序无法正常解释ZFS文件系统的原因：ZFS文件系统中某些元文件损坏。对损坏的元文件进行分析，发现ZFS文件系统正在进行I/O操作的时候存储服务器瘫痪，导致部分文件系统元文件损坏。
6、北亚企安数据恢复工程师对损坏的ZFS文件系统元文件进行手工修复，直到ZFS文件系统能够正常解析。
7、对修复后的ZFS文件系统进行解析并验证数据。经过用户方工程师的仔细验证，确认存储服务器内所有数据成功恢复。本次存储服务器数据恢复工作完成。