适用场景
存储出问题的代价通常比服务器大：一台服务器挂了业务还能切，存储挂了所有虚机和数据库一起躺。SAN 运维的核心就三件事：路径别断、盘别同时坏、性能基线心里有数。
配置步骤（RAID 降级与换盘）
# 1) 确认 RAID 与物理盘状态（以常见控制器为例）
# MegaCli：
MegaCli -LDInfo -Lall -aALL | grep -E 'State|Degraded'
MegaCli -PDList -aALL | grep -E 'Slot|Firmware state|Inquiry'
# 2) 定位坏盘：注意 Foreign / Failed / Unconfigured Good 的区别
# 3) 换盘流程
# a. 确认业务已备份，确认非同一 RAID 组第二块盘
# b. 记录槽位与 SN，拔盘前先看灯（不要只看管理界面）
# c. 插新盘，确认被识别为 Unconfigured Good
# d. 设热备或手动重建，观察重建进度与业务时延
# 4) 重建期间禁止的操作
# - 不要跑全量备份、不要做大表变更、不要重启存储关键参数与建议
- 双控双路径：主机侧多路径（MPIO/multipath）必须启用，两条路径分别走不同交换机
- RAID 策略：业务盘优先 RAID10 或 RAID6 + 热备盘，热备盘要定期检查是否真的在被使用
- LUN 映射：命名与用途要能对应到业务（禁止 LUN01/02 这种命名），映射变更要留记录
- 快照与克隆：快照不是备份，只用于短时回滚；克隆用于测试环境并限制生命周期
- 性能基线：IOPS、时延（读/写）、队列深度，按月采集，扩容与业务上线前必须复测
- 告警接入：控制器、电源、风扇、电池、盘、链路、卷容量全部接入统一监控
- 固件与驱动：控制器固件、HBA 驱动、多路径软件版本要在兼容列表内，升级走变更窗口
- 容量水位：卷使用率 75% 预警、85% 必须处理，避免写满导致业务异常
容易踩的坑
- 看到告警立刻拔盘，没确认是不是第二块坏盘，直接 RAID 失效
- 热备盘没有真的配成热备（Unconfigured Good 不等于 Hot Spare）
- 重建期间跑备份，重建时间从 4 小时拉长到 20 小时
- 换盘不看 SN 和槽位，拔错盘
- 换完不核对 RAID 状态，以为自动重建其实没启动
- 同一 RAID 组用同批次同型号盘，同寿命同时坏
验证与巡检
# 重建进度与状态
MegaCli -LDInfo -Lall -aALL | grep -E 'State|Rebuild|Progress'
MegaCli -PDList -aALL | grep -E 'Firmware state|Slot'
# 业务影响观察
iostat -x 1 5 | grep -E 'Device|sd'
# 一致性校验（如配置了 Patrol Read / Consistency Check）
MegaCli -LDInfo -Lall -aALL | grep -i 'Patrol'- 巡检：RAID 状态 Optimal、无 Failed 盘、热备盘可用、重建完成后做一次一致性校验
小结
SAN 运维验收：拔掉一条链路业务不中断、单盘故障能自动热备重建、时延基线在阈值内、告警能到人。三项都能实测，才算运维到位。
> 说明：文中命令为通用写法，不同型号/版本可能略有差异，落地前请对照设备实际版本的官方文档；带外管理与安全设备变更建议先在测试设备验证。