دیسک سرور خراب شد؛ چه کنیم و چه نکنیم؟

خرابی دیسک در سرور اتفاقی عادی است و اگر RAID درست پیکربندی شده باشد، معمولاً کاربران حتی متوجه آن نمی‌شوند. خطر واقعی جای دیگری است: هشداری که هفته‌ها دیده نمی‌شود، دیسک سالمی که به‌جای دیسک خراب بیرون کشیده می‌شود، یا تصمیمی عجولانه که آرایه‌ای قابل‌نجات را از بین می‌برد.

اول: وضعیت را دقیق بشناسید

• کنترلر مدیریتی سرور: iLO در سرورهای HPE یا iDRAC در سرورهای Dell وضعیت دیسک‌ها و آرایه را نشان می‌دهد.
• ابزار کنترلر RAID: مثل HPE Smart Storage Administrator، Dell OpenManage یا storcli برای کنترلرهای Broadcom.
• RAID نرم‌افزاری: وضعیت آرایه mdadm را با cat /proc/mdstat و ZFS را با zpool status ببینید.
• سلامت SMART: دستور smartctl -a /dev/sda خطاها و سکتورهای معیوب دیسک را نشان می‌دهد.

مهم‌ترین سؤال این است که آرایه در چه حالتی است. Degraded یعنی دیسکی از دست رفته اما داده‌ها هنوز در دسترس‌اند. Failed یا Offline یعنی آرایه از دسترس خارج شده و باید با احتیاط بسیار بیشتری جلو رفت.

پیش از تعویض: بکاپ را مطمئن کنید

بازسازی آرایه همه دیسک‌های باقی‌مانده را زیر فشار می‌گذارد و این همان زمانی است که خطر خرابی دیسک دوم بیشتر می‌شود. پس بررسی کنید آخرین بکاپ موفق کی گرفته شده و اگر قدیمی است، پیش از تعویض از اطلاعات حیاتی یک نسخه تازه بگیرید. در زمان بازسازی هم، تا جای ممکن کارهای سنگین را عقب بیندازید.

تعویض درست دیسک

1. دیسک سازگار تهیه کنید: همان نوع (SAS یا SATA، HDD یا SSD)، با ظرفیت مساوی یا بیشتر و ترجیحاً همان مدل یا مدل تأییدشده سازنده سرور.
2. دیسک خراب را دقیق پیدا کنید: شماره اسلات را از ابزار مدیریتی بخوانید و با قابلیت Locate چراغ همان دیسک را چشمک‌زن کنید؛ شماره‌گذاری اسلات‌ها همیشه آن چیزی نیست که به نظر می‌رسد.
3. Hot-Swap یا خاموش کردن: اگر سرور و کنترلر از Hot-Swap پشتیبانی می‌کنند، دیسک را در حالت روشن عوض کنید؛ در غیر این صورت سرور را با برنامه خاموش کنید.
4. بازسازی را شروع کنید: بسیاری از کنترلرهای سخت‌افزاری با دیدن دیسک جدید، بازسازی را خودکار شروع می‌کنند. در RAID نرم‌افزاری باید خودتان اقدام کنید؛ مثلاً در ZFS با zpool replace و در mdadm، پس از پارتیشن‌بندی دیسک جدید، با mdadm --manage /dev/md0 --add /dev/sdb1.
5. پیشرفت بازسازی را پایش کنید تا آرایه به حالت سالم برگردد.

اگر دیسک خراب، دیسک بوت Proxmox روی ZFS است، علاوه بر جایگزینی در pool باید پارتیشن‌ها و بوت‌لودر را هم طبق مستندات Proxmox روی دیسک جدید آماده کنید؛ وگرنه ممکن است سرور با خرابی دیسک بعدی بوت نشود.

هرگز در تنظیمات کنترلر RAID آرایه را دوباره نسازید (Create یا Initialize) یا پیکربندی دیسک‌ها را پاک نکنید تا «مشکل حل شود». اگر کنترلر پیام Foreign Configuration می‌دهد یا آرایه Failed شده، پیش از هر تأییدی با کارشناس مشورت کنید؛ یک انتخاب اشتباه می‌تواند اطلاعات قابل‌نجات را از بین ببرد.

اگر سرور RAID نداشت

• تا جای ممکن نوشتن روی دیسک را متوقف کنید.
• روی دیسک در حال خرابی ابزارهای تعمیر سیستم‌فایل مثل chkdsk را اجرا نکنید؛ ممکن است وضعیت را بدتر کنند.
• اگر دیسک هنوز خوانده می‌شود، فوراً از اطلاعات مهم کپی بگیرید یا با ابزاری مثل ddrescue از کل دیسک تصویر تهیه کنید.
• اگر دیسک صدای غیرعادی می‌دهد یا شناسایی نمی‌شود، آن را روشن نگه ندارید و سراغ متخصص بازیابی اطلاعات بروید.

بعد از رفع مشکل

• بررسی کنید چرا هشدار به‌موقع دیده نشد و ارسال خودکار هشدار را فعال کنید.
• اگر دیسک‌های آرایه هم‌سن‌اند، بقیه را هم زیر نظر بگیرید.
• یک دیسک یدکی جایگزین تهیه کنید و اگر دیسک خراب را برای گارانتی برمی‌گردانید، به اطلاعات حساس روی آن هم فکر کنید.

چک‌لیست

• هشدارهای وضعیت دیسک و آرایه به‌طور خودکار ارسال می‌شوند.
• دیسک یدکی سازگار در دسترس است.
• آخرین بکاپ پیش از بازسازی بررسی شده است.
• محل دیسک خراب با Locate تأیید شده است.
• بازسازی تا پایان پایش شده و آرایه سالم است.

کارشناسان ITPlus724 می‌توانند در زمان خرابی دیسک، تعویض و بازسازی آرایه را با کمترین ریسک انجام دهند و پایش سلامت دیسک‌های سرورهای شما را راه‌اندازی کنند.