6块300G SCSI RAID5,两块硬盘损坏后的数据恢复过程

简介:

【用户单位】
XXXX网站
【数据恢复故障描述】
DELL POWEREDGE 2850服务器,内置6块300G SCSI硬盘 ,组成RAID5,安装LINUX REDHAT 4操作系统,存储大量照片,文件系统采用EXT3。据后期推断,早先已有一块硬盘离线,但机房内并未发现,直至另一块硬盘掉线后系统瘫痪才知道。DELL工程师建议将其中一块硬盘强制上线,但同时指出操作具有风险。用户将某盘强制上线后,发现操作系统启动时异常,感觉不妙,于是关掉服务器,寻求专业数据恢复机构服务。

【数据恢复故障分析】
此类故障非常普遍,RAID5仅支持唯一一块硬盘掉线的冗余保护,当两块硬盘先后离线后,RAID即无法通过运算提供完整数据块,RAID便会下线。同时,控制器为了稳定起见,只要有硬盘下线,便不会自动上线,这样不通过人为干预,RAID但会进入瘫痪状态。通常情况下,因RAID控制器的敏感性,掉线的硬盘多数不会有严重的物理问题,许多甚至于硬盘完好(掉线是因为信号受阻,电源波动或控制器BUG等随机原因),所以数据恢复的可靠性较高。强制上线具有较大的风险,如果上线错误,会导致控制器自动做某些不可逆的操作,如果再进入操作系统,因文件系统不一致,会导致修复,继而导致全部硬盘数据不一致。本例即是如此。
【数据恢复过程】
1、完整备份所有硬盘,发现有多块硬盘已经存在坏道,只是RAID没有读到,暂时无下线。
2、在备份中分析原来RAID的组成结构,构建虚拟RAID环境。
3、验证RAID结构正确,修正部分后期破坏的结构后将数据导出到另一中间存储。
4、重新用完好硬盘搭建DELL 2950上的新RAID5。
5、将数据迁移至新RAID。
【数据恢复结论】
历时2天,数据库100%恢复成功。上千万图片文件中抽样检测,有极少数出现问题(概率及理论推断,不超过万分之一)d788d43f8794a4c2a2333d2b0df41bd5ad6e399a

【数据恢复服务承诺】
1 .免费检测

  1. 与客户签订保密协议(非定制免费),对客户的数据严格保密
  2. 数据恢复不成功不收费
  3. 专业工程师提供服务,同时由其他工程师审核、会诊数据恢复方案及流程
  4. 数据恢复前报价,客户确认后工程师开始数据修复
  5. 整个恢复过程不会对客户的原盘有任何的写操作,以确保原盘的数据完全
相关文章
|
Linux 应用服务中间件 网络安全
CentOS7搭建本地离线局域网yum源(Httpd/Nginx+yum)
CentOS7搭建本地离线局域网yum源(Httpd/Nginx+yum)
2777 0
|
11月前
|
安全 Linux 数据库连接
CentOS 7环境下DM8数据库的安装与配置
【10月更文挑战第16天】本文介绍了在 CentOS 7 环境下安装与配置达梦数据库(DM8)的详细步骤,包括安装前准备、创建安装用户、上传安装文件、解压并运行安装程序、初始化数据库实例、配置环境变量、启动数据库服务、配置数据库连接和参数、备份与恢复、以及安装后的安全设置、性能优化和定期维护等内容。通过这些步骤,可以顺利完成 DM8 的安装与配置。
1121 0
|
存储 虚拟化
虚拟化技术
虚拟化(Virtualization)技术是一种资源管理技术,是将计算机的各种硬件资源,如服务器、网络、内存及存储等,以一种抽象的方式组合到一起,并提供给用户使用。它打破了硬件资源间不可切割的障碍,使用户以更好的方式来应用这些资源。
394 1
虚拟化技术
|
JavaScript 前端开发 API
js 【详解】异步
js 【详解】异步
224 0
|
存储 SQL 安全
云端防御战线:云计算中的网络安全策略与实践
【4月更文挑战第7天】 在数字化浪潮中,云计算以其灵活性、可扩展性和成本效益成为企业IT架构的关键组成部分。然而,随着数据和应用的云迁移,传统网络边界变得模糊,给网络安全带来了新的挑战。本文将深入探讨云计算环境中的网络安全问题,分析云服务模型(IaaS, PaaS, SaaS)的安全特点,并结合最新的研究成果和行业最佳实践,提出一系列创新的网络安全策略。这些策略旨在帮助企业构建更为坚固的信息安全防线,确保业务连续性和数据完整性。
|
存储 安全 网络协议
虚拟化服务(服务器虚拟化、存储虚拟化)|学习笔记
快速学习虚拟化服务(服务器虚拟化、存储虚拟化)
1543 0
虚拟化服务(服务器虚拟化、存储虚拟化)|学习笔记
|
网络协议 应用服务中间件 nginx
docker镜像仓库
docker镜像仓库
6233 0
|
持续交付
ansible roles 自动化部署http服务
ansible roles 自动化部署http服务
165 0
|
计算机视觉
港大同济伯克利推出目标检测新范式:Sparse R-CNN
我们沿用了 Detectron2 的 3x training schedule,因此将 Sparse R-CNN 和 Detectorn2 中的 detectors 做比较(很多方法没有报道 3x 的性能,所以没有列出)。同时,我们也列出了同样不需要 NMS 后处理的 DETR 和 Deformable DETR 的性能。Sparse R-CNN 在检测精度,推理时间和训练收敛速度都展现了相当有竞争力的性能。
港大同济伯克利推出目标检测新范式:Sparse R-CNN