服务器硬盘批量坏盘，运维快速替换数据迁移流程

服务器多块硬盘同时告警时，业务可能随时中断。
本文面向零基础运维，梳理从确认坏盘到替换重建、数据迁移与验证的完整流程，让你能按命令逐步操作，尽快恢复数据可用性。

先确认哪些盘真的坏了

不要急着拔盘。
先用命令收集硬盘健康状态和阵列信息。

• 查看物理盘清单与容量：lsblk -d -o NAME,SIZE,TYPE,MODEL
• 检查 SMART 健康：smartctl -H /dev/sdX，若显示 FAILED 或大量重映射扇区，基本可判定坏盘。
• 查看 RAID 状态：cat /proc/mdstat 或 mdadm --detail /dev/md0，关注 faulty、removed 或 degraded 字样。
• 查看 LVM 卷组：vgs、lvs，确认坏盘所属的 PV、VG、LV 关系。

判断条件：若 mdstat 显示多个 _ 且状态为 degraded，说明阵列已降级；
若同时有盘掉线，优先处理仍可读的阵列，避免二次故障。

替换前先做安全下线

确认坏盘后，不要直接热插拔。
先让阵列停止使用该盘。

1. 将故障盘标记为失效：mdadm /dev/md0 --fail /dev/sdX1
2. 从阵列移除：mdadm /dev/md0 --remove /dev/sdX1
3. 确认移除成功：cat /proc/mdstat 应显示该盘已不在活动列表。
4. 若盘上有 LVM，先停用卷组：vgchange -an vg_name，再执行 pvremove /dev/sdX1 清理残留。

注意：如果系统盘或数据盘正在被挂载使用，先 umount 或迁移业务到其他节点，避免文件系统损坏。

物理替换与阵列重建

准备好同容量或更大容量的新盘，插入槽位。

• 确认新盘被识别：lsblk 出现新的 /dev/sdY。
• 复制分区表：sfdisk -d /dev/sdX > /tmp/part.table && sfdisk /dev/sdY < /tmp/part.table
• 将新盘加入阵列：mdadm /dev/md0 --add /dev/sdY1
• 观察重建进度：watch cat /proc/mdstat，等待 resync 完成，状态变为 active。

重建期间避免重启或高负载操作，否则可能再次降级。

数据迁移到新盘或新服务器

如果坏盘数量多、阵列无法重建，需要把数据迁移到备用盘或新服务器。

• 使用 rsync -avP /data/ /mnt/newdisk/ 同步数据，-P 显示进度并支持断点续传。
• 若使用 LVM，可先 pvmove /dev/sdX1 /dev/sdY1 在线迁移数据块，再移除旧盘。
• 迁移完成后，用 diff -r /data /mnt/newdisk 或 md5sum 抽样校验关键文件。

验证方式：挂载新盘后，检查业务是否能正常读写，并查看 dmesg -T | grep -i error 确认无新报错。

常见问题与避坑

问：替换盘容量必须一样吗？
RAID 中替换盘容量不能小于原盘，否则无法加入；LVM 中可先扩容 PV 再调整 LV。

问：重建时业务还能用吗？
可以，但性能会下降。建议在低峰期操作，并监控 iostat -x 2 的 %util 是否持续过高。

问：拔盘后系统不识别怎么办？
检查背板供电和线缆，或执行 echo 1 > /sys/class/scsi_device/*/device/rescan 重新扫描。

避坑：不要同时拔多块盘；
不要跳过标记失效直接热插拔；
不要在没有备份的情况下重建。

整个流程的核心是先确认故障范围，再安全下线，最后替换重建并验证。
每一步都有命令可查、有结果可看，按顺序执行能最大限度降低数据丢失风险。