存储系统是当今大数据云计算时代的基础，其稳定性是支撑如此海量数据的基础。因此各大相关行业对这部分都非常重视，所以这里简单总结一下学习和总结存储系统故障处理的一些思路。首先，在处理存储系统可能出现的故障之前，必须对整个存储系统的架构和原理有一个清晰的认识。一般来说，存储系统由主机、交换机和存储设备组成。它们可以直接连接，也可以通过IP网络或FC网络连接。整个系统的稳定性与各个组成部分息息相关。其次，了解故障的分类。故障分类大致分为硬件故障、配置故障或License问题。先外后内，先处理高级别告警再处理低级别告警，先共性后个性。面对故障，第一步总是先收集必要的信息，了解整个存储系统的基本信息、故障信息、存储设备信息、网络、主机服务器信息。这些部分可以直接管理到主机、交换机或存储设备上进行收集。现在厂商也有专门的开发和维护工具来帮助管理人员做这些事情。只有收集了这些信息，我们才能对整个存储系统有一个大概的、清晰的认识。至少对今天出现故障的可能原因有一个了解，然后细化每个组件来排查可能出现的问题。1、主机层在主机层，主要需要检查的是操作系统版本，以及对应的HBA卡是否满足相应的标准，如速度、IOPS、带宽等。二是在主机上安装多路径软件，查看存储设备连接的物理路径状态和存储LUN等信息。2.网络层网络层可能出现的问题多为连通性问题，如链路故障导致丢包或误码率增加等。对于这种现象，可以观察交换机上的端口信息，看误码率是否继续增长，如果有，可能是链路组件不正常或接触不良。其次，端口速度或带宽可能不达标。检查端口配置和协商状态，这可能会导致失败或性能问题。3.存储层存储设备可以导出相关告警、事件或运行数据、系统日志、硬盘日志，进一步分析可能出现的故障原因。是存储控制器问题还是底层硬盘问题，需要一一排查。在底层存储方面，我们主要考虑存储模块的配置，指示灯的状态等信息。从指示灯的状态，我们可以分析是否有硬件故障等。其次，在配置方面：RAID级别，条带深度，LUN读写策略，缓存策略，LUN所有权和硬盘类型满足业务特点，不满足可能导致的问题。这些都是我们在排查和处理的时候需要考虑的。总之，面对存储系统故障，一定要思路清晰，不要盲目去做。一味地这样做可能会加重故障，进一步增加故障排除的难度。
