解析IBM x3850 RAID5服務器故障恢復方案

【基本信息】
服務器型號：IBM X3850服務器，
硬盤型號：73G SAS硬盤，
硬盤數量：5塊硬盤 其中4塊組成一個RAID5，另一塊做為熱備盤(Hot-Spare)，
操作系統：linux redhat 5.3,應用系統為構架于oracle的一個oa。

【故障表現】
3號盤早已經離線，但熱備盤未自動激活rebuild（原因不明），之后2號盤離線，RAID崩潰。
oracle已經不再對本oa系統提供后續支持，用戶要求盡可能數據恢復+操作系統復原。

【初檢結論】
熱備盤完全無啟用，硬盤無明顯物理故障，無明顯同步表現。數據通常可恢復。

【恢復方案】
1、保護原環境，關閉服務器，確保在恢復過程中不再開啟服務器。
2、把故障硬盤編號排序，用以確保硬盤取出槽位后可以完全復原。
3、將故障硬盤掛載至只讀環境，對所有故障硬盤做完全鏡像(參考<如何對磁盤做完整的全盤鏡像備份>)。備份完成后交回原故障盤，之后的恢復操作直到數據確認無誤前不再涉及原故障盤。
4、對備份盤進行RAID結構分析，得到其原來的RAID級別，條帶規則，條帶大小，校驗方向，META區域等。
5、根據得到的RAID信息搭建一組虛擬的RAID5環境。
6、進行虛擬磁盤及文件系統解釋。
7、檢測虛擬結構是否正確，如不正確，重復4-7過程。
8、確定數據無誤后，按用戶要求回遷數據。如果仍然使用原盤，需確定已經完全對原盤做過備份后，重建RAID，再做回遷。回遷操作系統時，可以使用linux livecd或win pe(通常不支持)等進行，也可以在故障服務器上用另外硬盤安裝一個回遷用的操作系統，再進行扇區級別的回遷。
9、數據移交后，由我數據恢復中心延長保管數據3天，以避免可能忽略的紕漏。

【預估周期】
備份時間：2小時左右
解釋及導出數據時間：約4小時
回遷操作系統：約4小時。

【過程詳解】
1、對原硬盤進行完整鏡像，鏡像后發現2號盤有10-20個壞扇區，其余磁盤均無壞道。
2、通過對結構的分析得到的最佳結構為0,1,2,3盤序，缺3號盤，塊大小512扇區，backward parity(Adaptec)，結構如下圖：

3、組好后數據驗證，200M以上的最新壓縮包解壓無報錯，確定結構正確。
4、直接按此結構生成虛擬RAID到一塊單硬盤上，打開文件系統無明顯報錯。
5、確定備份包安全的情況下，經客戶同意后，對原盤重建RAID，重建時已經用全新硬盤更換損壞的2號盤。將恢復好的單盤用USB方式接入故障服務器，再用linux SystemRescueCd啟動故障服務器，之后通過dd命令進行全盤回寫。
6、回寫后，啟動操作系統。
7、dd所有數據后，啟動操作系統，無法進入，報錯信息為：/etc/rc.d/rc.sysinit:Line 1:/sbin/pidof:Permission denied，分析為此文件權限有問題。
8、用SystemRescueCd重啟后檢查，此文件時間、權限、大小均有明顯錯誤，顯然節點損壞。
9、重新分析重組數據中的根分區，定位出錯的/sbin/pidof，發現問題因2號盤壞道引起。
10、使用0，1，3這3塊盤，針對2號盤的損壞區域進行xor補齊。補齊后重新校驗文件系統，依然有錯誤，再次檢查inode表，發現2號盤損壞區域有部分節點表現為(圖中的55 55 55部分)：

11、很明顯，雖然節點中描述的uid還正常存在，但屬性，大小，以最初的分配塊全部是錯誤的。按照所有可能進行分析，確定無任何辦法找回此損壞節點。只能希望修復此節點，或復制一個相同的文件過來。對所有可能有錯的文件，均通過日志確定原節點塊的節點信息，再做修正。
12、修正后重新dd根分區，執行fsck -fn /dev/sda5，進行檢測，依然有報錯，如下圖：

13、根據提示，在系統中發現有多個節點共用同樣的數據塊。按此提示進行底層分析，發現，因3號盤早掉線，幫存在節點信息的新舊交集。
14、按節點所屬的文件進行區別，清除錯誤節點后，再次執行fsck -fn /dev/sda5,依然有報錯信息，但已經很少。根據提示，發現這些節點多位于doc目錄下，不影響系統啟動，于是直接fsck -fy /dev/sda5強行修復。
15、修復后，重啟系統，成功進入桌面。啟動數據庫服務，啟動應用軟件，一切正常，無報錯。

到此，數據恢復及系統回遷工作完成。