Linux RAID故障恢复核心是“先标记、再移除、后替换”，需依次执行cat /proc/mdstat和mdadm --detail定位故障盘，--fail标记、--remove移除，分区设为Linux RAID auto类型后--add加入，重建完成确认active sync并更新mdadm.conf。
Linux 服务器硬件故障更换，核心是“先确认、再隔离、后替换、最后验证”，整个过程需兼顾数据安全、业务连续性和操作规范性。软 RAID 环境下尤其不能跳过标记与移除步骤，否则可能引发阵列异常或重建失败。
一、快速定位并确认故障硬件
不靠猜测，靠日志和状态输出：
- 运行 cat /proc/mdstat 查看 RAID 整体状态，关注是否出现 (F)（failed）或 degraded 标识
- 执行 sudo mdadm --detail /dev/md0（将 md0 替换为你的阵列名），确认哪块设备显示为 faulty 或 failed（如 /dev/sdc1）
- 检查系统日志：sudo journalctl -u mdadm.service | grep -i "fail\|error\|ata"，辅助判断是否为物理层故障（如 SMART 报错、链路中断）
- 用 sudo smartctl -a /dev/sdc 检查硬盘健康状态（需安装 smartmontools），重点关注 Reallocated_Sector_Ct、Current_Pending_Sector 和 UDMA_CRC_Error_Count
二、安全隔离故障盘（严禁直接拔插）
RAID 运行中必须通过软件指令通知内核该盘已不可信：
- 主动标记失效：sudo mdadm --manage /dev/md0 --fail /dev/sdc1
- 从阵列中移除：sudo mdadm --manage /dev/md0 --remove /dev/sdc1
- 再次运行 mdadm --detail /dev/md0，确认该设备已显示为 removed，且 Working Devices 数量减少 1
- 此时 RAID 仍可读写（RAID5 允许单盘降级），业务不受影响
三、物理更换与新盘准备
断电操作更稳妥，热插拔需谨慎（部分主板/背板支持，但盘符易变）：
- 关闭服务器：sudo shutdown -h now，待电源指示灯熄灭后再操作
- 佩戴防静电手套，拆机定位故障槽位（参考服务器标签或 LCD 面板告警灯）
- 拔出旧盘，插入新盘（建议同品牌、同容量、同固件版本；若无法完全一致，容量不得小于原盘）
- 开机启动后，用 lsblk 或 lshw -class disk 确认新盘被识别（如 /dev/sde）
- 对新盘分区并设 RAID 类型：fdisk /dev/sde → n → t → fd → w（分区类型必须为 Linux RAID auto）
四、加入阵列并验证重建
重建不是瞬间完成，需监控进度并固化配置：
- 添加新分区进阵列：sudo mdadm --manage /dev/md0 --add /dev/sde1
- 实时观察重建：watch -n 2 cat /proc/mdstat，状态应显示 recovery 或 spare rebuilding
- 等待状态变为 active sync，且无 recovery 字样；再执行 mdadm --detail /dev/md0 确认所有设备状态正常
- 更新配置文件防止重启丢失：sudo mdadm --detail --scan >> /etc/mdadm.conf（Debian/Ubuntu 可能为 /etc/mdadm/mdadm.conf），必要时重生成 initramfs：sudo update-initramfs -u（Debian系）或 sudo dracut -f（RHEL/CentOS系）
不复杂但容易忽略
