常用PC服务器阵列卡、硬盘健康监控叶金荣

程序员文章站 2022-03-17 15:15:39

常用PC服务器阵列卡、硬盘健康监控叶金荣通常，我们使用的DELL/HP/IBM三家的机架式PC级服务器阵列卡是从LSI的卡OEM出来的，DELL和IBM两家的阵列卡原生程度较高，没有做太多封装，可以用原厂提供的阵列卡管理工具进行监控；而... 16-05-28...

通常，我们使用的dell/hp/ibm三家的机架式pc级服务器阵列卡是从lsi的卡oem出来的，dell和ibm两家的阵列卡原生程度较高，没有做太多封装，可以用原厂提供的阵列卡管理工具进行监控；而hp的阵列卡一般都做过封装了，因此需要使用自身特有的管理工具来监控。

本文以几种常用的阵列卡为例，展示其阵列卡及硬盘监控的方法。
dell sas 6/ir卡，全称lsi logic sas1068e，只支持raid 0, raid 1, raid 1+0, 不支持raid 5等高级raid特性，不支持阵列卡电池。
dell perc perc h700卡，全称lsi logic megaraid sas 2108，支持各种raid级别及高级特性，可选配阵列卡电池。
dell perc h310 mini卡 ，全称lsi logic / symbios logic megaraid sas 2008，支持常见raid级别，不支持高级raid特性，不支持阵列卡电池。
ibm serveraid m5014 sas/sata controller卡，全称lsi logic / symbios logic megaraid sas 2108，支持各种raid级别及高级特性，可选配阵列卡电池。
ibm serveraid-mr10i sas/sata controller卡，全称lsi logic / symbios logic megaraid sas 1078，支持常见raid级别，不支持高级raid特性，可选配阵列卡电池，这个卡其实和dell的perc 6/i卡是一样的，都是基于lsi megaraid sas 1078基础上oem出来的。

上面是几种常见的阵列卡型号，更多的可以自行查看官方的技术手册。

下面我们要继续的是，这些阵列卡以及硬盘如何监控，阵列卡的管理也请查看官方技术手册，不在本文讨论范畴，或者查看作者的一个分享ppt：pc服务器阵列卡管理简易手册。

一般地，支持raid 5的卡，我们称其为阵列卡，都可以使用lsi官方提供的megacli工具来管理，而不支持raid 5的卡，我们称其为sas卡，使用lsiutil工具来管理。hp的服务器使用其特有的hpacucli工具来管理。

1、megacli工具
a) megacli -adpallinfo -aall — 查看阵列卡信息
-a 参数指定阵列卡的编号，一般服务器上只会配一个阵列卡，因此我们通常指定为 -a0（阵列卡适配器编号，从0开始）即可，主要关注下面几个信息：

状态值	对应含义
product name : perc h710 mini	阵列卡名称
fw package build: 21.2.0-0007	阵列卡firmware版本号，版本如果太低，建议升级以提高稳定性及性能
bbu : present	是否有配bbu电池

b) megacli -cfgdsply -aall — 查看阵列配置

状态值	对应含义
memory: 512mb	阵列卡cache大小，2的n次方，如果不是，说明阵列卡有异常
number of dedicated hotspares: 0	阵列是否有专用/独享热备盘（如果有多个逻辑磁盘组/disk group，则可以指定一个硬盘用于全局热备，那么该disk group上的专用热备盘数量为0也不用担心），除了raid 1/raid 1+0一般不指定热备盘以外，其他几个阵列级别建议都要指定热备盘
state : optimal	阵列状态，如果不是 optimal 就要关注了
current cache policy: writeback, readaheadnone, direct, write cache ok if bad bbu	阵列读写cache策略，建议写策略设置为force wb，最起码是wb，预读策略可以关掉，意义不大，几乎没影响
disk cache policy : disabled	硬盘cache策略，建议关闭，防止意外时数据丢失
current power savings policy: none	节电策略，建议关闭
media error count: 0	三个错误计数器，任何一个值大于100就要立刻引起关注，尤其要关注起增长速度。1t以上sata盘，计数值不够精确，可能所有盘上该值都会大于0，一般重启就会重新清0，如果重启后还是大于0的话，赶紧报修吧。sas盘的计数值则比较准确。
other error count: 0
predictive failure count: 0
firmware state: online, spun up	查看硬盘状态，如果是unconfigured表示该硬盘未分配加入到阵列中；如果是 unconfigured(bad)表示该盘不但是未分配，而且还坏了，正是“出师未捷身先死”；如果是failed，表示该盘故障无法识别；如果是rebuilding，表示该盘正在重建数据

c) megacli -adpbbucmd -aall — 查看阵列卡电池信息

状态值	对应含义
temperature: 39 c	查看电池温度，如果相比上一次查看高出不少，就需要关注了，或者可以根据经验设置一个基线值
battery state: optimal	电池状态，如果不是为optimal，就需要关注了
charger status: complete	电池充放电状态
issohgood: yes	电池状态，如果不是为yes，需要关注
relative state of charge: 93 %	当前电量，当电量低于15%，或者电池坏掉时，默认都会将写策略从wb改成wt，除非设定为force wb策略
max error = 0 %	电池是否有错误信息
next learn time: tue oct 14 22:06:50 2014	电池充放电时间，注意这是美国时间。另外，新的阵列卡电池很多改成电容式的了，也就不需要重复充放电了

d) megacli -fwtermlog -dsply -aall 查看阵列卡日志，关注里面的error/fail/warn等多个关键字

2、lsiutil工具
lsiutil有交互和非交互两种方式，作为监控，我们肯定选择非交互模式。想要使用交互模式的，可以根据非交互模式自行练习。
a) lsiutil -p 1 -a 20,12,0,0 — 查看硬盘计数器
invalid dword count 2,563 — 任何一个值大于0，都需要引起关注
running disparity error count 2,366
loss of dword synch count 0
phy reset problem count 0

b) lsiutil -p 1 -a 21,1,0,0,0 — 查看逻辑卷状态

状态值	对应含义
volume state: optimal, enabled	逻辑卷健康状况
volume draws from hot spare pools: 0	是否有热备
volume size 139392 mb, 2 members	由几块硬盘组成
primary is physdisk 1 (bus 0 target 9)	物理硬盘1
secondary is physdisk 0 (bus 0 target 3)	物理硬盘0

c) lsiutil -p 1 -a 21,2,0,0,0 — 查看物理硬盘状态

状态值	对应含义
physdisk 0 is bus 0 target 3	编号
physdisk state: online	状态
error count 13, last error: command = 28h, key = 3, asc/ascq = 11h/00h	错误计数器，大于0的话，就需要引起关注

3、hpacucli工具
hpacucli工具查看阵列、硬盘、电池信息，其实就只要一条指令：
hpacucli ctrl all show config detail — 查看阵列详细信息、配置

状态值	对应含义
controller status: ok	阵列卡状态
firmware version: 1.18	firmware版本，太低了建议升级，以提高稳定性及性能
cache board present: true	是否配备了cache模块
cache status: ok	cache模块状态
cache ratio: 100% read / 0% write	cache策略，此处只有读cache，不用于写cache，因为没有bbu电池，见下方结果
drive write cache: disabled	关闭磁盘cache
total cache size: 256 mb	cache大小
total cache memory available: 208 mb	实际可用cache大小，和理论cache大小不一样，说明cache模块可能有问题
no-battery write cache: disabled	关闭forcewb策略
battery/capacitor count: 0	阵列卡bbu电池数量为0，也就是没有bbu模块
battery/capacitor status: failed (replace batteries)	阵列卡bbu电池状态，这里显示是错误状态，需要及时更换
array: a	第一个乌列阵列，编号从a开始，依次是a、b、c
status: ok	物理阵列状态

logical drive: 1	第一个逻辑卷，编号从1开始
fault tolerance: raid 5	第一个逻辑卷的阵列级别
status: ok	第一个逻辑卷状态
caching: enabled	第一个逻辑卷是否启用了cache策略

physicaldrive 1i:1:1	第一块物理硬盘，编号从1开始
status: ok	第一块物理硬盘状态
firmware revision: hpda	第一块物理硬盘firmware，如果太低，也需要及时升级，hp的硬盘每个批次都有不同的firmware

常用PC服务器阵列卡、硬盘健康监控 叶金荣