Macierz RAID nie działa? Odzyskamy Twoje dane.

RAID to kilka dysków, które grają w jednej drużynie: jedne ciągną dla szybkości (RAID 0), inne trzymają lustrzaną kopię (RAID 1) albo dane kontrolne - parzystość (sumy XOR, z których da się odtworzyć zawartość dysku, który polegnie - tak działa RAID 5 i 6), a RAID 10 robi jedno i drugie. Awaria oznacza, że drużyna się rozpadła - dyski przestały się dogadywać i Twój wolumen znika z widoku, choć dane wciąż gdzieś na nich leżą.

Statusy macierzy i ich znaczenie

• Degraded (kuleje) - jeden dysk wypadł z drużyny. RAID jeszcze gra, ale już bez zapasowego - pracuje na ostatnim oddechu. Następna awaria i danych nie ma. To czerwona lampka teraz, nie sprawa „zajmę się tym po weekendzie”.
• Crashed / Failed - macierz straciła spójność. Wolumen jest niedostępny, system NAS nie startuje lub pokazuje pustą przestrzeń. Tu kończy się samodzielne klikanie - każda kolejna próba na żywych dyskach zmniejsza szanse na odzysk.
• Rebuilding - macierz odbudowuje się po wymianie dysku. Jeśli w trakcie rebuildu drugi dysk ulegnie awarii - macierz pada. To nie zawsze koniec danych: dopóki padnięte dyski da się sczytać w laboratorium, składamy macierz z ich obrazów - ale samodzielnie nie klikaj już nic.
• Unmounted (niezamontowany) - wolumen nie jest zamontowany. Może wynikać z uszkodzenia metadanych RAID (superblok macierzy - zapis, który mówi systemowi jak poskładać dyski z powrotem w całość) lub błędu systemu plików (EXT4, Btrfs).

Najczęstsze przyczyny awarii RAID

1. Kilka dysków pada w krótkim czasie

To nie pech, to matematyka. Dyski do NAS-a zwykle kupuje się w komplecie - ta sama partia, ten sam dzień, te same godziny pracy. Jak pada pierwszy, drugi jest tuż za nim w kolejce. I dlatego odbudowa RAID 5 na zgranych ze starości dyskach to najczęstszy scenariusz katastrofy: rebuild dokłada im roboty, a drugi, ledwo dyszący, pada w połowie.

2. Uszkodzenie konfiguracji RAID

Metadane macierzy (kolejność dysków, rozmiar stripe, algorytm parzystości) mogą ulec uszkodzeniu przez:

• Nagły zanik zasilania (bez UPS)
• Błąd aktualizacji firmware NAS
• Przypadkową inicjalizację RAID (np. po wymianie płyty NAS)
• Zamianę kolejności dysków w slotach

3. Uszkodzenie systemu plików

System plików na wolumenie RAID (EXT4, Btrfs, XFS, ZFS) może ulec uszkodzeniu niezależnie od samej macierzy. Wolumen RAID jest technicznie sprawny, ale system plików nie pozwala na dostęp do danych.

4. Awaria kontrolera RAID

W przypadku sprzętowego RAID (kontroler LSI, Adaptec, HP Smart Array) - uszkodzenie kontrolera lub jego baterii podtrzymującej pamięć podręczną (BBU - bateria, która po zaniku prądu trzyma niezapisane dane w cache) może spowodować utratę danych, które kontroler miał dopiero zapisać na dyski.

Typy RAID i podatność na awarię

• RAID 0 - brak redundancji. Awaria jednego dysku = utrata WSZYSTKICH danych. Odzyskiwanie wymaga obrazu każdego dysku.
• RAID 1 - lustrzane kopie, każdy dysk trzyma komplet danych. Najprostszy w odzysku, ale awaria obu dysków naraz = problem.
• RAID 5 - równowartość jednego dysku idzie na dane kontrolne (parzystość, ang. parity - suma kontrolna, z której da się odtworzyć zawartość dysku, który padł), rozrzucone rotacyjnie po wszystkich dyskach. Przeżywa awarię 1 dysku. Rebuild to moment największego ryzyka.
• RAID 6 - równowartość dwóch dysków na parzystość, też rozproszoną po całej macierzy. Przeżywa awarię 2 dysków jednocześnie.
• RAID 10 - stripe mirrorów. Przeżywa awarię 1 dysku w każdym mirrorze.
• SHR/SHR-2 - Synology Hybrid RAID, działanie podobne do RAID 5/6.

Duże dyski w NAS-ie to często dyski helowe - i to zmienia odzysk

Dyski od 12 TB w górę (a większość dysków do NAS-a i serwera to właśnie takie) są w środku wypełnione helem i szczelnie zaspawane. Hel jest lżejszy od powietrza, więc głowica unosi się nad talerzem niżej i stabilniej - dzięki temu producent upchał w jednej obudowie 9 talerzy zamiast 5. Problem w tym, że taki dysk jest zaklejony na amen: nie ma śrubek do odkręcenia górnej pokrywy jak w starych dyskach.

Kiedy taki dysk padnie mechanicznie (uszkodzone głowice), nie da się go otworzyć na zwykłym stole w komorze bezpyłowej - w momencie rozszczelnienia hel ucieka, do środka wchodzi zwykłe powietrze, a głowice zaprojektowane pod hel tracą nośność i zaczynają ocierać o talerz. Dlatego dysk helowy albo składamy w komorze wypełnionej helem, albo działamy błyskawicznie i przenosimy talerze do sprawnego dysku-dawcy tego samego modelu, zanim powietrze zdąży narobić szkód. Ma to znaczenie przy RAID: jak w macierzy pada jeden dysk helowy, to nie jest już „wymienimy i zrobimy rebuild” - to robota dla laboratorium.