一块盘报故障，什么时候不该换盘

维保现场最常见的一句话是「有块盘坏了，换一块吧」。

这句话有一半的时候是对的。另一半的时候，换上去的新盘会在几周之内再次报错，因为坏的从来不是那块盘。过保设备上，这类误判造成的成本比真正的硬件故障还高——件换了，钱花了，故障还在，而且下一次故障发生时，现场的人已经不相信告警了。

下面五种情况，都会以「一块盘坏了」的形态出现在你面前。

一、盘被踢出阵列，但盘本身是好的

现象：某块成员盘被控制器标成 Failed。拔下来接到另一台机器上单独测试，读写正常，SMART 各项干净。

原因：掉盘（drop）和盘坏（fail）是两回事。SAS/SATA 链路抖动、背板连接器接触不良或氧化、扩展卡（expander）超时，都会让控制器在它的超时窗口内收不到这块盘的响应。控制器不会去判断「为什么没响应」，它只会把这块盘判为离线。

怎么判断：看控制器日志里记的是哪一类错误。

Media Error / Uncorrectable Sector —— 盘本身的问题
Link Reset / PHY Change / Timeout —— 链路的问题

这两类在日志里是分开记的，不需要猜。

处理：如果是链路类，重点查背板、线缆、扩展卡；这时候换盘只是把故障往后推几周。如果确实是介质类，按同型号同固件替换。

二、SMART 显示正常，盘其实已经在坏

现象：没有任何告警，操作系统不报错，但业务就是慢，偶尔卡顿。

原因：SMART 的告警阈值是厂商设的，很多属性要劣化到相当程度才会翻红。在翻红之前，盘可能已经在大量重试了。

看哪几个值：

重映射扇区数（Reallocated Sector Count）
待定扇区数（Current Pending Sector）
寻道错误率（Seek Error Rate）
命令超时计数（Command Timeout）

关键不是当前值，是增长趋势。这几个数字上周还是 0、这周变成 12，就是在坏，不用等它报警。

处理：这是最适合做计划性更换的情况——机器还在正常跑，可以挑业务低峰、可以提前备好件，比等它彻底挂掉再半夜处理从容得多。另外，预测性故障告警（PFA）一旦出现，按已故障处理，不要观望。

三、两块盘同时报错，大概率不是盘的事

现象：同一台机器上两块甚至更多盘在很短时间内同时报错或掉线。

判断依据：单块盘的独立故障是随机事件。两块盘恰好在同一小时内独立失效，概率低到可以忽略。所以「同时」这个信息本身，就指向共享路径。

更可能的原因：背板、扩展卡、线缆、电源纹波。这些是多块盘共用的通路，一处出问题，挂在下面的盘会一起表现异常。

排查顺序：先查共享部件，再怀疑盘。反过来做，会白换一堆好盘，而且换完还会再坏。

四、盘位标错，换下来的是好盘

现象：前面板亮黄灯的物理盘位，和管理界面里的盘编号对不上。换下来一测，是好盘。

原因：盘位编号的起始值和排列方向在不同品牌、不同代机型之间并不统一——有从 0 开始的，有从 1 开始的，有按行排的，有按列排的。远程看到的编号和现场手摸到的位置，不能默认一致。

后果：这一条比前三条严重得多。在 RAID 5 里拔错一块好盘，等于人为制造了第二块盘故障，整组直接垮掉。这不是多花一块盘的钱的问题，是数据的问题。

规矩：换盘之前先点亮定位灯（locate LED）确认物理位置，确认了再动手。换下来的盘贴标签留着，不要当场丢掉——万一判断错了，它是唯一的退路。

这是现场事故里最不该发生、却最常发生的一类。

五、一排盘同时出问题：背板

现象：同一组盘位的硬盘集体报错或掉线，而其他盘位正常。

原因：这些盘共享同一块背板上的供电和信号通道。背板上一处虚焊、一个连接器氧化，挂在它下面的盘会一起遭殃。

怎么验证：把其中一块可疑盘换到另一组盘位上。如果在新位置一切正常，问题就在原来那块背板或它的线缆上。

处理顺序：先换线缆（便宜、快），再考虑背板。背板属于结构件，不同代机型不通用，订货时要核对版本号。

按盘一块块换，是这类故障里最贵也最没有效果的做法。

排查顺序清单

遇到「一块盘报故障」，按这个顺序走：

先看日志类型 —— Media Error 还是 Link Reset，这一步就能分掉一半的情况
看是不是多盘同时 —— 同时出问题的，先查共享部件，别查盘
看 SMART 的趋势 —— 不看当前值，看这几周涨了多少
点定位灯确认物理盘位 —— 动手之前的最后一道闸
确认要换了，核对替换件规格 —— 型号、固件、扇区格式、托架，缺一不可（这一条展开见《同型号同容量，为什么装不上》）
换下来的件留标签保存，直到确认故障消失

关于备件

上面每一类判断，最后都会落到同一个问题上：要换的那个件，手里有没有，能不能直接上机。

七小服的料号库收录 11,894 个料号，其中 4,786 个为库房常备实物，每一条都记录了品牌、容量、接口、转速、固件基线、扇区格式与可替代料号。入库做 48 小时以上加压测试，出库逐件复测，随件附规格标签与测试报告。