故障硬盘点灯操作

Posted 2023-03-30

参考技术A 按照常理说，硬盘故障了，会自动亮红灯，故障消除后会自动恢复正常，这个本来是服务器自带的功能。但现实情况往往不是这样，即使硬盘故障了，现场通过外观也看不出来。

在运维的工作中，很大也是很重要的一项工作就是故障处理，而故障处理中以硬盘故障最为常见。如果更换错误，可能会造成数据丢失，后果很严重。那么如何能够准确快速的更换硬盘呢？给故障的硬盘点灯是一个非常好的选择。

无论是raid卡还是HBA卡，每块硬盘都有对应的LED灯，这些LED灯常用来指示磁盘的状态和行为。例如正常状态显示绿色，故障状态显示红色，rebuild状态显示粉色等等。
通过控制这些硬盘灯颜色的变化，现场操作时一眼就能定位到是哪块盘故障了，非常的直观（当然色盲可能有点难度，不过控制闪烁也能区分出来）。

除了定位故障硬盘更加直观以后，也减少了我们误操作的概率。因为这个点灯操作是在操作系统里触发的，在操作系统里定位的故障硬盘是要更准确的。为什么这么说呢？因为有些厂商服务器标识的硬盘ID号是错误的，尤其是国产的服务器。例如我在系统下看到的id号是[32:1]，而服务器物理机上标识得可能是5号盘。

这里我只针对LSI的RAID卡和HBA卡进行讲解。

Raid卡的点灯操作用到如下命令：

MegaCli PdLocate start physdrv[32:1] -a0

使用如下命令可以查看到每块硬盘的具体信息。

不过信息有点多，我们过滤一下信息，得到我们关心的数据。

有了这些信息就可以给硬盘进行点灯了，例如我想给Enclosure Device ID: 252，Slot Number: 1的硬盘点灯。
那么只需要执行如下命令：

关灯使用如下命令：

这里我通过倒叙的方式讲解容易理解一些，也就是结果导向进行思考。
当然，我们先把必要的软件安装上再讲。可以直接通过yum安装两个软件lsscsi、sg3_utils。

获取硬盘灯的状态使用如下命令：
sg_ses --dev-slot-num=1 --get=ident /dev/sg12

一个整体的点灯例子如下：

使用lsscsi -gt获取硬盘信息和enclosu信息，确定故障硬盘的sg信息。这里我这台机器上有12块盘，并且都在都在/dev/sg12上。

根据上面的lsscsi -gt的显示结果，例如我们要给/dev/sdc点灯，那么我们在找到/dev/sdc的dev-slot-num。查找这个信息的命令如下：
sg_ses --sas-addr=0x500e004aaaaaaa02 /dev/sg12

其实sg_ses还有一些其它参数进行显示，可以了解一下。

这3条命令可以把所有硬盘的信息显示出来，从上到下，每条信息的显示结果越来越精简。官方的解释是：

通过这三个参数（clear、get、set）来控制和查看硬盘灯的状态。如何使用就不多解释了，相信大家都能知道。不过要了解一下get到的数字，这里找了一张官方的表格，虽然我也没看懂。

硬盘点灯这个操作其实不难，稍微学习一下就能掌握。关键是如果把这个功能做成自动化的，减少人为干预，减少劳动力，这就需要动动脑子了。
例如可以写成一个脚本，做成定时任务，有故障后自动点灯，故障消除后自动关灯。再关联一下监控报警，再关联一下流程，做到自动报修等等。