HPE 服务器硬盘告警灯排查与更换原则
服务器硬盘指示灯的颜色、位置和闪烁组合会随机型、硬盘托架及 Smart Array 控制器代际变化。不能只凭“红灯”或“黄灯”就直接判定硬盘物理损坏，更不能在未确认槽位和阵列状态时拔盘。应以服务器型号维护手册、iLO/IML、AHS 日志和阵列控制器报告为准。
一、先保护业务和数据
- 确认业务是否正常、备份是否可恢复；
- 记录服务器型号、序列号、阵列级别、逻辑盘状态和告警时间；
- 在 iLO 中查看 Integrated Management Log、存储状态和 Active Health System 日志；
- 使用 HPE 支持的管理工具查看 Smart Array 状态；
- 未确认阵列冗余和故障盘槽位前，不要重启、初始化阵列或拔盘。
RAID 不是备份。即使阵列仍处于降级可用状态，也应先确认最近备份和恢复路径，再安排维护。
二、常见状态的判断思路
- 正常活动：绿灯常亮或闪烁通常与在线、活动相关，但含义需查对应机型手册；
- 预测性故障：阵列可能仍正常，但控制器或 SMART 已发现风险，应尽快准备替换；
- 故障或未配置：琥珀色、红色或特定闪烁组合可能表示故障、未认证、重建失败等多种状态；
- 定位灯：蓝色或特定模式可能只是被管理员点亮用于定位，不代表故障；
- 重建中：不要因为灯持续闪烁而拔盘，应在控制器中确认重建进度。
三、有 RAID 冗余时
- 确认逻辑盘是
OK、Degraded还是Failed； - 明确故障盘的机箱、笼位和槽位，使用控制器定位功能二次核对；
- 检查是否已有第二块盘出现预测性故障、介质错误或链路错误；
- 选择接口、容量、扇区格式和兼容性满足控制器要求的替换盘；
- 只有机型、背板和控制器明确支持热插拔时，才按维护手册在线更换；
- 更换后监控重建进度、温度和新错误，重建完成后执行一致性检查并更新记录。
RAID 5 只能承受一块成员盘同时故障；热备盘可以缩短暴露时间，但在热备接管和重建完成前，并不会把 RAID 5 自动变成可同时承受两块故障的 RAID 6。
四、无冗余或阵列已经失败时
- 立即停止写入，避免反复开关机和执行修复工具；
- 不要初始化、重建或重新创建阵列；
- 从可验证的备份恢复是首选方案；
- 如无备份且数据重要，应保留现场和日志，联系专业恢复服务；
- 不要在原盘上做破坏性测试。
五、容易误判的情况
- 硬盘托架接触不良、背板或线缆故障；
- 固件、控制器缓存或兼容性问题；
- 非认证硬盘导致的状态告警；
- 同一槽位反复报错，实际故障可能在背板而不是硬盘；
- 运维人员通过定位功能点亮了指示灯。
六、更换后的验证
- 阵列和逻辑盘恢复正常；
- 重建完成，没有新的介质或链路错误；
- iLO/IML 中告警关闭并记录了解决时间；
- 业务读写和性能正常；
- 备份任务重新成功，并完成一次恢复抽检；
- 资产记录包含原盘、新盘序列号、槽位和更换原因。