136 技術社區[雲棲]

EVA 4400存儲硬盤故障導致數據丟失怎麼恢複？

　　EVA係列存儲是一款以虛擬化存儲為實現目的的HP中高端存儲設備，平時數據會不斷的遷移，加上任務通常較為繁重，所以磁盤的負載相對是較重的，也是很容易出現故障的。EVA是依靠大量磁盤的冗餘空間，以及故障後rss冗餘磁盤動態遷移來實現整個存儲的數據保護，但隨著越來越多的磁盤掉線，這種保護會接近臨界，直至崩潰。下麵以EVA存儲故障為例，講解EVA 4400存儲數據恢複。
　　一、故障描述
　　整個EVA存儲結構是由一台EVA4400控製器、EVA擴展櫃及若幹FC磁盤組成。由於磁盤故障導致存儲中LUN不可用，致使上層應用無法正常使用。
　　二、檢測磁盤
　　由於EVA 4400是因為某些磁盤故障導致整個存儲不可用，因此接收到磁盤以後先對所有磁盤做物理檢測，檢測完後發現磁盤並沒有物理故障。接著使用壞道檢測工具檢測磁盤壞道，也並沒有發現大量的壞道。
　　三、備份數據
　　考慮到數據的安全性以及可還原性，在做數據恢複之前需要對所有源數據做備份，以確保源數據的安全。使用Winhex將所有源磁盤都備份到指定的目標空間中。
　　四、故障分析
　　1、分析故障原因
　　由於前兩個步驟並沒有檢測到磁盤有物理故障或者是壞道，由此推斷可能是由於某些磁盤讀寫不穩定導致故障發生。因為EVA控製器檢查磁盤的策略很嚴格，一旦某些磁盤性能不穩定，EVA控製器就認為是壞盤，就將認為是壞盤的磁盤踢出磁盤組。而一旦某個LUN的同一個條帶中掉線的盤到達極限，那麼這個LUN將變的不可用。也就是如果EVA中所有的LUN都包含這些掉線的盤，那麼這些LUN都會受影響。所以部分磁盤故障都會導致整個存儲無法正常使用。
　　2、分析LUN的結構
　　HP-EVA的LUN都是以RAID條目的形式存儲數據的，EVA將每個磁盤的不同塊組成一個RAID條目，RAID條目的類型可以有很多種。我們需要分析出組成LUN的RAID條目類型，以及這個RAID條目是由哪些盤的哪些塊組成。這些信息都存放在LUN_MAP中，每個LUN都有一份LUN_MAP。EVA將LUN_MAP分別存放在不同的磁盤中，使用一個索引來指定其位置。因此去每個磁盤中找這個指向LUN_MAP的索引就可以找到現存LUN的信息了。
　　3、分析掉線磁盤
　　在前麵的故障分析中說了，雖然磁盤沒有明顯的物理故障，也沒有磁盤壞道。但還是會因為性能的原因從EVA磁盤組中脫離。而這些脫離的磁盤中都存放的是一些舊的數據，因此在生成數據的時候需要將這些磁盤都排除掉。但是如何判斷哪些磁盤是掉線的呢？由於LUN的RAID結構大多都是RAID5，隻需要將一個LUN的RAID條目通過RAID5的校驗算法算出校驗值，再和原有的校驗值做比較就可以判斷這個條目中是否有掉線盤。而將一個LUN的所有LUN_MAP都校驗一遍就可以知道這個LUN中哪些RAID條目中有掉線盤。而這些RAID條目中都存在的那個盤就一定是掉線盤。排除掉線盤，然後根據LUN_MAP恢複所有LUN的數據即可。
　　五、恢複數據
　　1、編寫數據恢複程序
　　上述的故障分析以及解決思路最終都需要使用編程來實現。編寫掃描LUN_MAP的程序Scan_Map.exe，掃描全部LUN_MAP，結合人工分析得出最精確的LUN_MAP。編寫檢測RAID條目的程序Chk_Raid.exe，檢測所有LUN中掉線的磁盤，結合人工分析排除掉線的磁盤。編寫LUN數據恢複程序Lun_Recovery.exe/frombyte，結合LUN_MAP恢複所有LUN數據。
　　2、恢複所有LUN數據
根據編寫好的程序去實現不同的功能，最後使用Lun_Recovery.exe結合LUN_MAP恢複所有LUN的數據。然後人工核對每個LUN，確認是否和甲方工程師描述的一致。部分LUN的數據恢複如下：
圖一：

　　3、恢複ORACLE ASM數據
　　(1) ASM磁盤組修複解析
　　對EVA存儲層恢複出來的LUN進行分析，重組ASM磁盤組，並對ASM磁盤組進行解析。
總共有13個LUN，通過分析每個LUN前端的結構數據，可以根據ASM磁盤頭結構來區分哪些LUN是屬於ASM磁盤組的。通過分析，總共有2套ASM磁盤組。每個磁盤組包含的LUN中分區的情況如下：
圖二：

圖三：

　　
通過ASM結構解析工具，對每個磁盤組進行解析和修複。可以解析出此ASM中存儲的所有數據庫文件。
圖四：

　　(2) 數據庫文件解析導出
對解析出的數據庫文件，分別按文件類型分組導出。對導出的文件進行初步檢測。
圖五：

　　通過ASM解析工具恢複出所有的數據庫文件。
　　六、驗證數據
　　根據甲方工程師描述所有LUN的數據可以分成兩大部份，一部份是Vmware的虛擬機，一部分是ORACLE上的ASM磁盤組數據，ASM磁盤組中存放的是Oracle的dbf數據庫文件。由於我們恢複的是LUN，無法看到裏麵的文件，因此需要將這些LUN同過人工的核對哪些LUN是存放Vmware的數據，哪些是ASM設備，然後將LUN掛載到不同的驗證環境中驗證恢複的數據是否完整。
　　1、部署Vmware虛擬機的驗證環境
在一台dell的服務器上安裝了ESX5.5虛擬主機環境，然後通過iSCSI的方式將恢複的LUN掛載到虛擬主機上。在VMware vSphere Client 上掃描vmfs卷，但是發現客戶的虛擬主機是ESX4.0的版本，可能因為版本的原因無法直接掃描到vmfs卷，於是換一種驗證方式。將所有符合vmware虛擬機的LUN裏麵的虛擬機文件都生成出來，然後通過NFS共享的方式掛載到虛擬主機上，再將虛擬機一個一個的添加到清單。恢複的部分虛擬機文件如下：
圖六：

　　2、驗證vmfs虛擬機
通過NFS將所有虛擬機都添加到虛擬主機以後，將所有虛擬機都加電開機，發現都能啟動係統。將所有虛擬機都開機進入係統，驗證虛擬機裏麵的數據都沒問題。虛擬機的所有數據都恢複成功。部分虛擬機開機如下：
圖七：

　　3、部署Oracle數據庫的驗證環境
　　為了ASM的恢複測試和後期的數據驗證工作，需要先搭建好oracle 環境。
　　根據甲方工程師提供的環境信息為linux，於是需要搭建同架構的兼容版本Oracle環境。
　　以下是安裝環境的簡單步驟介紹：
　　1. 環境檢測
　　# uname -all
　　然後檢查各部分存儲空間信息，保證空間足夠。
　　2. 檢測安裝依賴包
　　根據安裝說明“ b19068.pdf ”，檢查 oracle10g 所需的補丁包。
　　檢測：
　　# swlist-l bundle |grep "GOLD"
　　# swlist-l patch |grep PHNE_31097
　　如果沒有檢測到的，需要到官方網站下載並安裝。安裝補丁包：
　　swinstall -s /patchCD/GOLDQPK11i -x autoreboot=true -x patch_match_target=true
　　3. 創建用戶及組
　　#groupadd dba
　　#useradd -g dba -d /home/oracle oracle/frombyte
　　#passwd oracle
　　4. 創建目錄並修改權限
　　創建目錄：
　　#mkdir –p/opt/oracle/product/10.2/oracledb/
　　#chown -R oracle:dba/opt/oracle
　　修改權限：
　　#chown oracle:dba/usr/oracle_inst/database/frombyte.com
　　#chmod 755/usr/oracle_inst/database/frombyte.com
　　5. 設置環境變量
　　vi /home/oracle/.profile
　　6. 安裝oracle
　　Oracle的安裝要求起圖形界麵，所以要先測試圖像界麵能正常啟動。
　　#exoprt DISPLAY=192.168.0.1.0:0
　　$./runInstaller
　　圖像界麵起來之後，先隻安裝軟件，不安裝實例。
　　7. 測試數據庫連接
　　#su - oracle
　　$sqlplus / as syssdba
　　4、驗證Oracle數據庫
　　(1) 驗證數據庫文件結構
通過相同版本的oracle 官方檢測工具DBV對導出的數據文件進行物理結構檢測，以確定文件導出完好。
圖八：

　　通過對所有數據文件的驗證，確定所有文件結構正確，沒有結構性損壞。
　　(2) 掛載啟動數據庫
　　在上麵數據庫文件物理結構驗證通過後，進行啟動數據庫，是數據庫驗證的最常用手段和步驟。
　　通過一些遷移數據庫的手段，修改控製文件中的路徑，使oracle識別到這些數據庫數據文件，然後按oracle正常步驟啟動數據庫。
　　因為原來數據庫實例是有2個，並且是使用的ASM存儲。所以在創建數據庫實例時，要按照原來配置和命名。
　　在此環境下直接啟動由於參數配置和數據文件路徑變動，造成啟動報錯。需要對其進行修複。
　　5、修複Oracle數據庫
　　故障修複
　　通過一些遷移數據庫的手段，修改控製文件中的路徑，來讓oracle識別到這些數據庫數據文件，然後使oracle數據庫按正常步驟啟動。
以下是dmis數據庫啟動的截圖：
圖九：

以下是gsm數據庫啟動的截圖：
圖十：

　　從此啟動過程可以看出，整個啟動過程正常進行，沒有任何報錯，基本說明數據庫完好恢複。
　　七、移交數據
　　以及運行情況
　　1、移交vmware虛擬機文件和Oracle數據庫文件
　　驗證所有數據沒有問題後，將vmware虛擬機文件和Oracle數據庫文件拷貝至兩塊3TB的希捷硬盤中。然後再將拷貝好的數據移交給客戶。
　　2、運行情況
客戶接受數據後，將數據上傳至後台，經檢測觀察，程序可正常運行，無問題。運行情況如下麵所示。
圖十一：