Linux如何分析和排查系统故障——排除文件系统类故障

前言：文件系统及磁盘中所存储的数据的价值是无法估量的，管理员的工作职责之一就是要确保数据的安全。由于磁盘属于易损耗品，无法预估它什么时候会损坏。最好的办法就是建立完善的备份机制。当系统出现文件系统或磁盘类故障时，一定要慎重处理。

一、修复文件系统

在Linux主机中，可能会因为非正常关机、突然断电、设备数据读写异常等原因导致文件系统的破坏。比较常见的是超级块(Super-block)损坏。超级块是文件系统的核心"档案"，它记录了该文件系统的类型、大小、空闲磁盘块等信息。

当文件系统的超级块数据损坏是，Linux将无法识别该文件系统，挂载时会出现"you must specify the filesystem type"的提示而不能正常使用。

示例1：执行以下操作可以破坏/dev/sdb1文件系统的超级块数据库，尝试挂载时不能成功。

模拟对 /dev/sdb1 分区的破坏操作

检查是否能挂载该分区

对于通过/etc/fstab文件自动挂载且设置了fsck参数(第6列的值非0；该数字用于决定在系统启动时进行磁盘检查的顺序。0表示不进行检查，1表示优先检查，2表示其次检查。这个知识点以前分享过，是在我的主页一篇标题为："Linux基础命令——挂载、卸载文件系统"的文章中讲的，感兴趣的话可以去我的主页翻翻看)的文件系统，若超级块出现错误，则Linux系统在启动时会报错，并提示用户需要进行修复操作。例如，当/dev/sdb1分区的超级块出现错误时，启动后系统将提示"Give root password for maintenance"。如下图图示1.1

出现这种情况时，只需根据提示输入root用户的密码，即可进入到一个临时的shell环境，在这里用户可以对出现错误的文件系统进行修复。修复完毕后执行exit命令即可退出并重启系统。如下图图示1.2

图示：1.1

图示1.2

修复一般的文件系统错误可以使用"fsck"命令进行，结合"-t"选项指定文件系统类型，结合"-y"选项对发现的问题自动回答"yes"。需要注意的是，如果该文件系统遭受破坏的情况很严重，则修复完毕后可能会丢失一些数据，因此请慎重决定是否进行修复(必要时也可以先用dd命令将损坏的分区进行备份)。

上述总结：

故障原因非正常关机、突然断电、设备读写失误等

文件系统的超级块(super-block)信息被破坏

故障现象无法向分区中读取或写入数据

启动后提示"Give root password for maintenance"

解决思路根据提示输入 root 口令，进入修复状态

使用 fsck 命令进行修复

二、磁盘资源耗尽

当一个文件系统的磁盘空间耗尽以后，将无法继续在该分区中创建新的文件数据，从而导致故障的出现。例如，当根分区"/"中的磁盘空间耗尽以后，将可能导致部分程序乃至整个系统无法正常启动或运行，因此一些临时性的运行文件将无法建立。

当根分区磁盘空间不足而无法启动进入Linux系统时，可以通过安装光盘进入急救模式，转移或清理掉根分区中占用大量空间的文件。具体过程就不再赘述了，光盘进入急救模式在上上个文章已经分享过了。使用dd命令可以模拟出根分区耗尽的故障，例如"dd if=/dev/zero of=/testfile bs=1M count=999999"。

除此之外，在文件系统中能够使用的文件数量(对应i节点数量)也是有限的，当一个文件系统被格式化以后，其i节点即文件数量就已经固定下来了。如果用户在该分区中创建了巨量的细小文件(耗尽i节点)，将可能出现这种情况：虽然该分区中任然有大量的剩余磁盘空间，但是却无法再建立新文件。

应用示例：

1.模拟i节点耗尽故障

具体步骤：

1)新建一个约32MB大小的EXT4文件系统(如/dev/sdb7)，将其挂载到/data目录下(怎么创建新的分区在以前的文章中也有过分享)。并使用带"-i"选项的df命令确认该文件系统中的节点的使用情况。

图示：

2)编写一个简单的脚本，运行该脚本可以耗尽/dev/sdb7分区中的所有可用的i节点。关于脚本的相关知识，我们将在以后的文章中会讲到，这里简单了解一下。

图示：

3)当i节点耗尽以后，在该文件系统中再创建新的文件时，会出现"设备上没有空间"的错误假象。但当我们通过df命令查看该分区的磁盘空间时，会看到还有可用的磁盘空间，这其实就是因为i节点耗尽导致的，所以无法创建。

图示：

2.修复i节点耗尽故障

理解i节点耗尽故障的根结之后，问题就好解决了。只需找到该分区中占用大量i节点的细小文件，并进行转移或者删除即可。对于多用户公用的文件系统，建议为相关用户设置磁盘限额(包括文件数量和磁盘空间两方面)。

图示：

上述总结：

故障原因磁盘空间已被大量的数据占满，空间耗尽

虽然还有可用空间，但文件数i节点耗尽

故障现象无法写入新的文件，提示"… : 设备上没有空间"

部分程序无法运行，甚至系统无法启动

解决思路清理磁盘空间，删除无用、冗余的文件

转移或删除占用大量 i 节点的琐碎文件

进入单用户模式、急救模式进行修复

为用户设置磁盘配额

三、检测硬盘坏道

磁盘坏道可分为逻辑坏道和物理坏道两种，前者主要由于软件操作不当造成的，可以使用软件修复；后者是物理损坏，只能通过更爱磁盘分区或扇区的占用位置来进行改善，排除掉包含有坏块的磁盘空间。

故障现象读取磁盘中的数据时，磁盘设备发出异常声响。

访问磁盘中的某个文件时，反复读取且出错，提示文件损坏

对于新建立的分区无法完成格式化

系统使用该磁盘时频繁死机

硬盘出现坏道后，如果不及时更换或进行技术处理，坏道就会越来越多，并可能造成频繁死机或数据丢失的后果。所以必要时应该对磁盘进行定期检测，检查是否存在坏道。

在Linux系统中，检测磁盘的坏道情况可以使用badblocks命令进行

选项：

#-s 显示进度信息

#-v 显示详情

示例：查看硬盘设备/dev/sdb中的坏道情况

在长期使用计算机的过程中，文件系统和磁盘的故障现象很难完全避免，对于此类故障的修复处理需要十分谨慎，如果操作不慎可能会加重数据破坏的程度。当发现硬盘中存在坏道时，应尽快停止系统中的应用服务、备份相关数据，必要时立即关闭系统以防止磁盘坏道进一步扩散，导致更大的损失。对于存在坏道的硬盘设备，应使用其他完好的硬盘进行替换。