主题:心动魄十二小时：一次硬盘全部更换的经历

转自chinaunix

背景描述：由于客户打算将原有十块旧盘全部换为新盘，所以有了如下更换硬盘的经历；由于客户仅给出十二个小时的硬盘更换时间，所以就有了如下争分夺秒的故事。十二个小时，不多不少，为了能够有充分的时间测试，我们按照时间顺序制定了三套方案：

方案一  由于客户的机器还有两个剩余的槽位，所以打算将两块新盘放在空余槽位中进行硬盘对拷，这样依次进行拷贝，直到十块盘完全拷贝成功，换下（要点：纪录每块盘的对应关系和顺序，优点：速度快，省时）

方案二  用户数据不多，两块新盘足以容纳所有原有数据，因此可以将两块新盘插到空余槽位，REMOVE除load source外的所有硬盘，然后对拷load source，拔下所有REMOVE的硬盘，插入新盘，作数据平衡

方案三  常规磁带全系统备份和恢复
    由于时间紧迫，以上方案，按照时间顺序（最短时间）排列，打算先采用方案一进行操作。
项目操作记录：

时间 步骤
打印系统值和硬件设备列表
由于打算采用硬盘对拷方式，记录系统原有硬盘序号和新硬盘序号，并制作比对表
19:20 停子系统，开始全系统备份
20:57 停机，加入两条新内存和两块新硬盘到空闲槽位，启机
21:05 进入DST停Raid保护（两组）
21:10 进入Work with disk unit将LOAD SOURCE盘(D01)数据拷贝到D11槽位盘中
22:00 报MIRROR错误，忽略！进入Start a service tool进行在线拔硬盘(D11)操作
22:05 继续拷贝D02盘数据到D12新盘中
23:05 提示拷贝成功，但是无法在线拔盘，硬盘灯始终不闪动（无法判断槽位问题，硬盘问题，还是LIC问题）
    项目暂停：由于无法判断问题所在，打算先看看拷贝数据是否成功，再启用备用硬盘REMOVE方案
23:10 通过Start a service tool停机，拔下D12，用D11替换原LOAD SOURCE，在D11,D12插入两块新盘
    开始不断停启机进行换盘操作：
        通过新的LOAD SOURCE启动后，发现原D02无法识别
        通过原有LOAD SOURCE启动后，发现原D02无法识别
        此时面临的境况：无法识别，是系统错误？还是硬盘已经被破坏？难道对拷操作使得两块D02全部被损坏？当初决定对拷就是因为这样可以有效保护用户原始硬盘数据，可是现在——原盘无法识别，新盘无法识别——仅有一盘全系统备份带还保留着用户数据，如果备份带再出问题，那么用户数据将不完整，离他们工作时间还有9个小时。
        通过原有LOAD SOURCE启动后，发现新D02无法识别，显示原D02-MISSING，ASSIGN无效
        重启，报DASD ERROR，认出第二块硬盘为新硬盘（谢天谢地，总算认了出来，这意味着可以进行方案二的操作）。开始IPL以确认数据是否完整。       
        IPL后，显示内存DUMP，B6000408/0417/4058，启动到JOURNAL时报错：D90031FF
0:45 再次尝试IPL，通过了JOURNAL验证，又开始重复重启
1:15 考虑是否为内存错误，拔去新添内存，再重启，失败
这意味着第二套方案也不能使用了
1:30 剩余时间不足，打算采用第三套方案：磁带机全系统恢复。连接磁带机，拔下全部旧硬盘，插入全部新硬盘，01 D M重启
1:40 开始安装内码
2:30 起RAID保护，再加入ASP
5:12 IPL并安装BASE系统
5:20 注意系统值的调整，并添加自动回复列表
5:32 Go restore，注意修改相关参数
7:55 手动恢复未被成功恢复的库
8:15 根据打印的原系统值设定恢复后系统的系统值