软件 RAID 维护：换盘、扩容与重建

读完这一篇，你能在阵列降级时认出坏盘、换上新盘并完成重建，给阵列加盘扩容，并给阵列做定期的一致性检查。创建阵列见软件 RAID。

阵列降级后的每一步都在「没有冗余」的状态下进行

影响范围：整个阵列上的数据。拔错盘、重建期间又坏一块盘、中途断电，都可能让阵列无法使用。

前置条件：

• 数据已经有独立备份。 RAID 不是备份，见备份策略。没有备份，先备份能读到的数据，再动手。
• 读完本文再开始，不要边读边做。
• 按序号确认坏的是哪一块盘，拔盘之前再核对一次。
• 重建和重塑期间不能断电，有条件的话接 UPS。

怎么回退：重建开始后不能回退。如果阵列已经无法组装，不要重新创建阵列或让它「修复」，先读用救援系统抢救数据并向社区求助。重新创建会覆盖元数据，让能救回来的数据变成救不回来。

一、先判断状况

1. 打开 存储器 → RAID 管理（Storage → Multiple Device）。状态带 degraded，就是降级。邮件通知也会提醒，见软件 RAID 里的告警设置。
2. 选中阵列，点显示详情，等同于 mdadm --detail。关注这几项：State（总体状态）、Active Devices、Working Devices、Failed Devices、Spare Devices，以及下面成员表里每块盘的状态：正常是 active sync，坏的是 faulty，已经被拿掉的是 removed，重建中的是 spare rebuilding。
3. 在 OMV 的 shell（SSH 或本机控制台，以 root 身份）里看，都是只读：

cat /proc/mdstat
mdadm --detail /dev/md0

/proc/mdstat 里 [UU_] 的下划线对应缺失的那块盘。

4. 确认是盘坏了，还是线松了。 看 dmesg -T | tail -50 有没有该盘的 I/O 错误，看这块盘的 SMART 状态。线松、掉线的盘，检查线材再看它是否回来，不要一上来就当成坏盘更换。

认出是哪一块物理盘

阵列详情里的成员写成 /dev/sdX，设备名重启后可能变。在 OMV 的 shell 里用序号对应：

ls -l /dev/disk/by-id/ | grep -v part
smartctl -i /dev/<磁盘> | grep -i serial

把序号和硬盘标签上的 S/N 对上，再拔盘。同一块盘的型号、序号、容量也记在 存储器 → 磁盘（Storage → Disks）页，见磁盘管理。USB 盒里的序号不可靠，但阵列里本来就不该有 USB 盘。

二、换掉一块坏盘

适用于盘已经被标记为故障或缺失的情况。

1. 在 RAID 管理 页选中阵列，点移除（Remove，数据库减号图标）。
2. 设备里选要移除的盘，点保存。界面说明：这会先把它标记为故障，再从阵列移出，让阵列进入冗余度降低的降级状态，被移除的盘上的 RAID 元数据不会被擦除。镜像、RAID 4/5、RAID 10 一次最多移一块，RAID 6 最多两块。盘已经被系统自动移出的，跳过这一步。
3. 关机，换新盘，开机。支持热插拔的机器可以不关机。新盘容量不能比旧盘小。
4. 在 存储器 → 磁盘 里把新盘做一次快速擦除，避免它带着旧的 RAID 标记。
5. 回到 RAID 管理，选中阵列，点恢复（Recover，数据库同步图标），在设备里选新盘，保存。界面写明：给降级的阵列加盘会启动重建，内核自动把数据同步到新盘，这一过程可能很长，不要断电或重启。
6. 状态会显示 recovering 和进度。等它回到 clean 或 active。

重建完成后：

• 给新盘开 SMART 监控，并做一次短自检。
• 确认邮件告警正常。
• 把阵列的成员序号写进你的文档，下次换盘更快。

预防性更换：盘还没坏，只是 SMART 报警

界面里的流程是「先移除、再恢复」，换的过程中阵列是降级的。想在更换期间仍保留冗余，可以用 mdadm 的 --replace，做法是先把新盘作为热备盘加进来，再让它替换旧盘。

先在界面里对健康的阵列点恢复，加上新盘，它会成为热备盘；再在 OMV 的 shell 里执行 mdadm /dev/md0 --replace /dev/<旧盘> --with /dev/<新盘>。根据 mdadm 手册，--replace 会让旧盘在重建期间继续工作，重建完成后才把它标记为故障。界面没有这个功能，命令的完整说明见 mdadm(8)，先在测试环境演练。

三、热备盘

在健康的阵列上点恢复加盘，这块盘会作为热备盘待命：阵列里有盘故障时，内核自动用它重建，不需要你立刻赶到。热备盘不增加容量。

四、加盘扩容

添加（Add，数据库加号图标）给阵列加盘并触发重塑，它只对镜像、条带、RAID 4/5/6 可用，并且要求阵列状态是 clean 或 active。

1. 先备份，确认阵列健康，新盘已擦除。
2. 选中阵列，点添加，选新盘，保存。OMV 依次执行：mdadm --manage --add 加入新盘，mdadm --grow --size=max 取各盘能容纳的最大值，mdadm --grow --raid-devices=N 把活动盘数改成加盘之后的数目。
3. 状态显示 reshaping 和进度。重塑可能要几个小时到几天，期间不能断电或重启。
4. 重塑完成后，阵列容量变大，但上面的文件系统不会自动变大。到 存储器 → 文件系统（Storage → File Systems），选中它，点扩充（Grow），确认。

镜像加盘是变成多路镜像，不增加容量。RAID 5 从 4 盘加到 5 盘，容量增加一块盘。

mdadm 手册说，Linux 内核能在线安全地增减 RAID 5/6 的盘数，但每个块都要读出再写到新位置，重塑关键阶段会暂停写入。OMV 不传备份文件参数，所以重塑中途断电后能否自动恢复，取决于 mdadm 和元数据版本，这正是要先备份并接 UPS 的原因。

把所有盘换成更大的盘

没有空闲盘位、想换大盘扩容时，一块块更换：每换一块都按「第二节」走完移除、擦除、恢复、等重建结束，再换下一块。最后一块重建完成后，阵列容量并不会自动变大，要让它使用全部空间。界面没有这个入口，命令是 mdadm --grow /dev/md0 --size=max（OMV 在「添加」里也用同样的参数），确认所有成员盘都已经换成新盘之后再执行，随后在 文件系统 页点扩充。这个流程待实机核实，先在测试环境验证。

五、重建要多久，风险在哪

• 重建要读遍所有存活的盘，写满新盘。大容量机械盘，几个小时到一两天都不奇怪。
• 重建期间阵列是降级的，再坏一块盘（RAID 5、镜像）或两块盘（RAID 6）就会丢数据。盘越大、越老，越要小心。SMR 盘在重建时可能慢得出奇。
• 内核默认限制重建速度，默认每块盘最低 1000 KiB/s、最高 200000 KiB/s（md(4) 手册）。当系统上有别的读写时，重建会让位给业务，所以很慢。想加快，可以调高最低速度，这会让同时进行的其他读写变慢：

cat /proc/sys/dev/raid/speed_limit_min
echo <KiB每秒> > /proc/sys/dev/raid/speed_limit_min

这个值重启后恢复默认。官方文档里也是这个方法。不要把它设得太高，让 NAS 完全不可用。

• 想知道进度：看界面里的状态，或在 shell 里 cat /proc/mdstat，每隔一会儿看一次。
• 重建期间不要重启、不要升级内核、不要同时做 SMART 长自检。

六、一致性检查

检查（Check）会读遍阵列里所有块并核对冗余：RAID 5/6 核对奇偶校验，镜像和 RAID 10 比较各副本。它能提前发现盘上悄悄出现的坏扇区，趁盘还没彻底坏就知道。

OMV 8 的 md 插件会屏蔽 Debian 自带的 mdcheck_start.timer 和 mdcheck_continue.timer（插件安装脚本里 disable、stop 并 mask 了它们），所以默认不会定期自动检查，要靠你手动或自己安排。

手动运行

在 RAID 管理 页选中阵列，点维护（Maintenance，扳手图标），子菜单里有：

项	作用
检查（Check）	读并核对，统计不一致的数量。仅冗余级别可用，阵列空闲时才能启动
修复（Repair）	核对并修复不一致。确认框提醒：无法确定哪份数据正确时，修复可能覆盖数据
停止（Stop）	中断正在运行的检查或修复

检查期间不要断电或重启。OMV 的这些按钮是向内核的 md/sync_action 写入 check、repair 或 idle。

读结果

检查结束后，在 OMV 的 shell 里用下面的命令读不一致扇区的数量，把 md0 换成你的阵列：

cat /sys/block/md0/md/mismatch_cnt

• RAID 5/6： 应当是 0。非零要认真对待，先看 SMART 和 dmesg，不要一看到非零就点修复。
• 镜像和 RAID 10： 非零不一定说明数据坏了。md(4) 手册说，最常见的原因是 swap 分区或 swap 文件，这块空间在 swap 系统眼里是「空的」，所以两份副本内容不同也不要紧，这个计数在这种级别上不能可靠解读。

安排定期检查（可选）

想每月跑一次，可以在 系统 → 计划任务（System → Scheduled Tasks）里建一个任务，用 root 执行下面的命令，选在夜里没有备份、没有 SMART 长自检的时段。任务的建法见计划任务：

for f in /sys/block/md*/md/sync_action; do echo check > "$f"; done

这等同于对每个冗余阵列点一次检查。内核文档说明，只有在阵列处于空闲状态时 check 才会启动，所以和重建撞车时它不会干扰重建。这种做法待实机核实，第一次手动执行并观察一遍。

检查结果

• RAID 管理 里阵列状态是 clean 或 active，没有 degraded、recovering。
• /proc/mdstat 里每个阵列的末尾都是全 U，例如 [4/4] [UUUU]。
• 检查完成后 mismatch_cnt 是预期值。
• 每块成员盘的 SMART 状态都是「好」。
• 告警邮件能发出：mdadm --monitor --scan --oneshot --test，见软件 RAID。

常见问题

移除时提示「最多一个设备可被移除」。 镜像、RAID 4/5、RAID 10 的限制，RAID 6 是两个。

新盘加不进去。 新盘比阵列里最小的成员还小，或者盘上还有文件系统、旧 RAID 标记。先擦除，换同容量或更大的盘。

重建到一半，另一块盘也掉线了。 立刻停止对阵列的写入，不要再点任何会写盘的按钮。先把还能读的数据复制出来，再考虑后续，参考RAID 降级和用救援系统抢救数据。

阵列状态是 inactive。 缺的成员太多，阵列没有运行。不要 mdadm --create。先检查线材和电源，让掉线的盘回来，仍不行就去救援篇。

添加后容量没有变。 重塑还没有结束，或者你忘了在 文件系统 页点扩充。

参考资料

• OMV 文档：md 插件 与 RAID（后者仍描述 OMV 7 之前的状态，部分已过时）
• Linux 内核文档：md、md(4) 与 mdadm(8)
• OMV 源码：openmediavault-md 的 mdmgmt.inc、omv-mkraid、omv-rmraid、postinst