硬盘热插拔更换，不停机替换故障硬盘：硬盘热插拔更换

知识分享

2026-10-08 06:00

10 阅读

服务器硬盘亮红灯告警时，如果阵列卡和硬盘都支持热插拔，你完全可以在系统运行状态下直接更换故障盘，不需要关机或重启业务。
整个过程的核心是：先确认阵列冗余状态健康，再定位物理盘位，拔出旧盘插入新盘，最后等待阵列自动重建并检查结果。
下面按零基础也能照做的顺序展开。

动手前先确认三件事

热插拔不是盲目拔盘，操作前必须确认以下条件，否则可能直接导致数据丢失。

第一，确认RAID级别有冗余。 RAID 0 没有冗余，拔掉任何一块盘都会导致数据全部丢失，这种情况不能热插拔。
RAID 1、RAID 5、RAID 6、RAID 10 在降级状态下仍可运行，允许更换故障盘。

第二，确认硬盘和背板支持热插拔。 企业级SAS、SATA硬盘和服务器硬盘背板通常支持，普通台式机SATA盘接在普通主板上不一定支持，需查阅硬件手册确认。

第三，确认阵列中没有第二块故障盘。 如果RAID 5已经有两块盘离线，阵列已失效，此时不能直接拔盘，需要先评估数据恢复方案。

查看阵列状态常用命令：

# 适用MegaRAID阵列卡
storcli /c0 /vall show

# 适用Linux软RAID
cat /proc/mdstat

# 查看硬盘SMART健康状态
smartctl -H /dev/sdX

正常降级状态应显示 Degraded 或 [U_]，表示只有一块盘离线，冗余仍可支撑更换。

物理定位是热插拔最容易出错的环节，拔错盘会直接导致阵列崩溃。

通过硬盘指示灯定位。 服务器前面板每块硬盘位通常有活动灯和故障灯，故障盘一般亮红灯或黄灯。
也可以通过阵列卡管理界面（如MegaRAID WebBIOS、iDRAC、iLO）查看物理盘位编号，再对应到机箱上的槽位号。

通过命令定位。 以storcli为例：

# 查看物理盘列表和状态
storcli /c0 /eall /sall show

# 输出中State为Failed或UGood的即为故障盘，记下EID:Slt编号

确认槽位后，按下硬盘托架上的释放按钮或扳手，将托架拉出约2-3厘米，等待约30秒让盘片停转，再完全抽出。不要瞬间猛拉，给硬盘一个安全断电的缓冲时间。

新盘建议使用同接口、同容量或更大容量的企业级硬盘。
容量小于原盘的硬盘通常无法参与重建。

将新盘插入托架，推入槽位直到卡扣锁紧。
多数阵列卡会自动识别新盘并开始重建，无需手动操作。
如果没有自动重建，可以手动触发：

# MegaRAID手动将新盘设为热备并重建
storcli /c0 /e252 /s4 insert
storcli /c0 /e252 /s4 start rebuild

Linux软RAID手动添加：

mdadm /dev/md0 --add /dev/sdX

重建过程中不要拔出任何其他硬盘，也不要重启系统。
重建时间取决于硬盘容量和负载，4TB盘在业务压力下可能需要数小时到十几小时。

重建进度到100%不代表万事大吉，需要确认阵列回到最佳状态。

# 查看重建进度和最终状态
storcli /c0 /vall show

# 软RAID查看同步进度
cat /proc/mdstat

正常结果应显示 Optimal 或 [UU]，表示所有成员盘在线且冗余完整。
如果状态仍为 Degraded，检查新盘是否被正确识别、容量是否匹配、是否有坏道。

同时建议检查系统日志中是否有新的I/O错误：

dmesg | grep -i error
journalctl -xe | grep -i raid

不要在没有冗余的阵列上热插拔。 RAID 0 拔盘等于删库，没有商量余地。

不要在重建期间拔第二块盘。 重建时阵列处于高负载脆弱状态，再掉一块盘极可能导致阵列失效。

新盘容量不要小于原盘。 小于原盘容量的硬盘通常无法加入阵列，部分阵列卡接受但会浪费空间或直接拒绝。

拔盘前确认槽位编号。 服务器盘位编号和系统识别顺序不一定一致，务必通过管理界面或命令交叉确认。

重建期间避免大量写入。 重建本身占用磁盘带宽，业务高峰叠加可能拖慢重建速度，甚至触发超时告警。

热插拔更换硬盘需要停机吗？ 只要阵列有冗余且硬件支持热插拔，就不需要停机。
RAID 0 或无冗余环境必须停机并提前备份。

新盘插入后没有自动重建怎么办？ 登录阵列卡管理界面手动将新盘设为热备盘并启动重建，或使用命令行工具操作，具体命令参考阵列卡厂商文档。

重建过程中可以重启服务器吗？ 不建议。
重启会中断重建，部分阵列卡支持断点续建，但存在风险，尽量等重建完成后再做其他维护。

怎么判断重建是否真的完成了？ 查看阵列状态为Optimal、所有成员盘Online、系统日志无I/O错误，三者同时满足才算完成。

完成以上步骤后，故障盘更换就结束了。
建议把本次更换的盘位、硬盘型号、重建耗时记录到运维日志中，方便后续排查规律性故障。