ZFS 池降级

适用范围

zpool status 显示某个池是 DEGRADED(或更严重的 FAULTED/UNAVAIL)，通常伴随 PVE 的邮件通知，或者 Web UI 存储视图上出现感叹号。

开始排查前

先弄清楚两件事，决定了接下来操作的紧迫程度：

• 还剩多少冗余余量：mirror 坏了一块（还剩一块能用）和 raidz2 坏了两块（只剩最后一块容错空间）是完全不同的紧急程度，后者再坏一块就是全损。
• 现在的备份状态：最近一次成功备份是什么时候，覆盖了这个池上的哪些客户机。

冗余用尽期间，不要用这个池做额外的高风险操作

池处于 DEGRADED 状态，意味着容错余量已经用掉了一部分。这段时间应该：暂停非必要的大规模写入或迁移任务，优先确保现有备份可用，而不是想着"反正还能跑，先用它做点别的"。

排查步骤

1. 拿到完整的状态输出并保存下来

zpool status -v <pool名>

先把这段输出完整保存一份，后面无论是自己排查还是求助都会用到。重点看三处：

• 哪个 vdev、哪块具体的盘（设备名或 GUID）处于异常状态。
• 状态是 FAULTED、UNAVAIL、OFFLINE 还是 REMOVED——含义不完全一样。
• errors: 那一行是不是 No known data errors——如果不是，说明已经出现了数据层面的错误，不只是设备层面的问题。

2. 区分「盘真的坏了」还是「暂时性问题」

线材松动、供电不稳、背板问题都可能让 ZFS 把一块好盘误判成故障，尤其是伴随 SATA/SAS 链路重置的情况。先做只读检查，不要急着动手换盘：

dmesg | grep -i -E "ata|scsi|nvme" | tail -30
smartctl -a /dev/sdX

SMART 显示明显异常（重分配扇区数持续增长、Pending Sector 不为零、自检失败）：基本可以确认盘确实有问题，进入步骤 4 准备换盘。

SMART 正常，但 ZFS 依然判定它故障：先检查物理连接——重新插拔 SATA/电源线（如果是热插拔背板则更方便）、换一个背板槽位或数据线。确认物理连接没问题后进入步骤 3。

3. 暂时性问题的验证方式

物理连接确认无误后，可以清除错误计数并观察是否复现：

zpool clear <pool名>
zpool scrub <pool名>

zpool clear 只是清空错误计数，不会改变盘本身的好坏。跑一次 scrub，如果同样的错误再次出现，说明这块盘确实有问题，应该当作硬件故障处理，而不是反复 clear 敷衍过去。

4. 确认物理盘对应关系，准备更换

换盘前必须精确核对物理盘，插错或拔错会让降级变成全损

在 mirror 只剩最后一块健康盘、或者 raidz 容错余量已经用尽的窗口期，拔错一块正常的盘，会直接导致数据彻底丢失，而不是可以恢复的降级状态。

动手之前：

1. 用 lsblk、smartctl -a /dev/sdX 里的序列号，和物理盘标签逐一核对，不要只凭设备名(/dev/sdX 会因为重启或热插拔漂移)。
2. 如果机箱有硬盘指示灯或定位功能，先确认点亮的是要换的那一块。
3. 不确定的话，先在一台测试机或者用备用盘演练一遍完整的换盘流程，熟悉步骤后再对生产池动手。

完整的物理换盘、zpool replace、等待 resilver 完成的详细步骤，参考磁盘健康：SMART、ZFS scrub 与换盘流程，这里不重复。

5. 跟踪 resilver 进度

替换开始后：

zpool status <pool名>

会显示 resilver in progress，附带已完成的百分比和预计剩余时间。resilver 期间同样处于冗余不足或刚恢复的脆弱状态，继续避免不必要的高负载操作。

6. 没有多余盘位的情况

如果是只有两个盘位的 mirror，没有地方先插入新盘再移除旧盘，需要先 offline 故障盘、物理取出、装上新盘，再执行替换，顺序和有额外盘位时不同，同样在磁盘健康里有具体说明。

确认恢复

1. zpool status <pool名> 显示所有 vdev 都是 ONLINE。
2. errors: 一行是 No known data errors。
3. resilver/scrub 已经完成，且完成后没有新增错误。
4. 受影响的虚拟机/容器能正常开机，内部做一次基本的完整性检查（比如文件系统检查或者应用自身的校验）。
5. 观察几天，确认没有新的异常状态邮件通知。

仍未解决

如果 resilver 反复失败、卡住不动，或者同一个 vdev 反复出问题，带上以下信息求助：

zpool status -v <pool名>
zpool history <pool名> | tail -50
smartctl -a /dev/sdX

参考如何有效求助。反复出现同类故障也可能提示背板、供电或控制器层面的系统性问题，而不是单块盘的偶发故障，值得一并排查硬件环境。

参考资料

• ZFS 入门：池、vdev 与内存占用
• 磁盘健康：SMART、ZFS scrub 与换盘流程
• 加一块新盘：三种做法
• 恢复演练