记一次 superblock 损坏导致服务器无法启动的故障修复

原文地址:http://www.cppblog.com/dancefire/archive/2011/03/09/fix-bad-superblock-in-linux.html

前几天接到朋友联系,说他的服务器坏了,启动不起来了。这是一个RHEL 4的服务器,而且是那种盗版RHEL 4,也就是说没有售后服务的,联系我问问能不能帮帮忙。我也很久没有弄过Linux系统上的东西了。只好尝试一下,庆幸的是,修好了,并帮朋友维护了一段时间,在此记录一些修复和维护中碰到的问题。修复 superblock 本身并不复杂,我觉得值得记录的是修复过程中的思考过程,和修复所需要注意的问题。

一、启动故障


系统无法启动,启动时内核panic:

Uncompressing Linux Ok ,  booting the kernel.
audit(
1297269214.612 : 0 ): initialized
ide2: I/O resource 0x3F6-0x3F6 not free.
ide2: ports already in use
,  skipping probe
Red Hat nash version 
4.1.18  starting
File descriptor 
3  left open
  Reading all physical volumes.  This may take a while
  /dev/hda: open failed: No medium found
  Found volume group 
" VolGroup_ID_17253 "  using metadata type lvm2
File descriptor 
3  left open
  
8  logical volume(s) in volume group  " VolGroup_ID_17253 "  now active
File descriptor 
3  left open
VFS: Can't find ext3 filesystem on dev dm-
0 .
mount: error 
22  mounting ext3
mount: error 
2  mounting none
switchroot: mount failed: 
22
umount /initrd/dev failed: 
2
Kernel panic - not syncing: Attempted to kill init!
 _


看到这个报错,我Google了一下,很快就发现,这很有可能是硬盘的superblock  [1]  坏了,因此感觉需要修复superblock。

询问了一下,瘫痪之前都发生了些什么。朋友提到了一个情况,在瘫痪前,他发现有一个目录存储了太多的文件了(确实非常的多,大约是几百万到上千万个文件,程序设计上有问题),这是他写的一个php做缓存的脚本生成的后缀为.php的文件,绝大多数都已经是垃圾文件了。他觉得太占磁盘空间了,想清理一下,于是用下面的命令删除这些生成的文件:

find . -name  " *.php "  -exec rm -f {} \ ;

可是执行命令后,等了几分钟,发现系统没有反应。于是就Ctrl-C了,后来发现系统还是很慢,于是就执行reboot了。接下来,系统就启动不起来了。

可以推断,其实并不是系统没有反应,而是删除如此大量的文件,需要相当的时间,当Ctrl-C后,磁盘写入行为并没有因此而立即停止,在如此密集磁盘写入时执行reboot,确实比较容易引起磁盘上的故障。再加上这块硬盘虽然是ext3,但是日志使用的是默认的ordered  [2] ,出问题的几率就更大了,所以怀疑是 superblock 的可能性就更大了。

二、修复环境


当时朋友有些慌张了,因为他认为这是他操作失误导致服务器瘫痪,有些不知道该怎么办了,那天我有事情比较忙,打算晚些时候再回来帮他。随后的操作中可以看到他做了很多危险的操作,我会一一提出来,大家有类似情况的时候,一定要注意。

首先是他把硬盘直接拆下来来了,打算拿回公司备份。备份的想法是好的,如果有合适的服务器,拆下来接过去备份也是对的。但是问题就在于,这是一块SCSI接口的硬盘,是一堆Linux分区,使用的还是LVM  [3] ,而他公司没有一个SCSI接口的机器,他可能还需要去市场上买个SCSI卡,而且,他也没有一台Linux的机器,全是Windows,他甚至打算使用explore2fs之类的不成熟的软件来挂载这块硬盘。

这问题就大了。买的SCSI卡的稳定性如何?别是杂牌的,卡再造成硬盘的二次数据损失。用Windows备份可能损坏的硬盘的数据是非常危险的,explorer2fs这类Windows挂载ext2/3分区的软件从来就没成熟过,至今为止还有大量的特性不支持,只是试验产品。使用他们挂载分区,很可能会造成数据损失。另外,之前说过,问题很可能是superblock出问题了,这种情况下,不修复 superblock ,谁也别想挂载成功,而Windows上显然没有这类软件。

碰到这类问题,比较好的办法是使用另一台具有SCSI接口的Linux,进行修复、挂载、备份。当然,对于朋友而言,这不现实。那就折中,还在原服务器上修复,但是使用 Linux LiveCD 进行修复,将数据备份到外置 USB 硬盘上。

这里需要注意的是,即使硬盘有几个分区,只坏了一个,备份到其它貌似还好的分区似乎也不是什么大问题。但是,在修复、备份的时候,一定要尽可能的避免被修复磁盘的写操作,无论是哪个分区。因为在问题确认修复前,你并不能肯定只有那个报错的分区有故障,其它一切正常。

那天朋友在机房的时候,他什么都没有带,只能眼睁睁的一次次的重启,看错误日志,试着能不能进系统。这是很不好的,如果怀疑硬盘出了故障,那么这么一次次重启很容易加重问题,因此一定要避免。

没有任何修复环境是没有办法工作的。我让朋友回去准备几张光盘,都是可引导的修复盘。朋友对 Linux 有一些经验但不是很熟悉,折中起见,我让朋友准备了 Fedora 14、Ubuntu 10.10、UBCD等光盘备用,并且打算使用 Fedora 14 的 Live CD 进行修复。并且第二天带一个大容量的,最好是空的USB硬盘来,备份数据。并且,在家用 Fedora 14 启动一下,看看怎么进入命令行模式,第二天启动的时候,不要进入图形界面。在命令行模式下修复。

第二天约好时间后,看了他的gtalk留言,感觉是一身冷汗啊。

首先是告诉我,在服务器上 Fedora 启动后直接进桌面了,没有选项,点了点不知道怎么修复,甚至打开了故障硬盘的几个分区,没找到需要备份的文件。于是乎,又启动了Ubuntu选择了修复坏系统,结果发现要安装文件,然后报错说没有硬盘,于是退出了。

敢情这哥们直接把我说的话当耳旁风,在故障服务器上直接启动图形界面,更甚的是,他还尝试让 Ubuntu 覆盖安装 RHEL 4。幸好分区的 superblock 是坏的,不然全毁了。

这里面有三个错误。首先是不应该启动图形界面,其次是错误的理解了 Ubuntu 中修复系统选项的含义,然后是在菜单上点击服务器分区从而激发了绑定操作,很可能直接造成写入操作。

这些都应该是前一天晚上回家琢磨的,他显然偷懒了,直接拿故障环境练手。如果不是这哥们命大,而且系统出的问题没有那么严重,那么这些连续的错误,很可能造成不可挽回的结果。

虽然对于 Windows 用户来说,看着纯命令行觉得无从下手,但是,得到了美丽的界面往往意味着你得付出些什么。在以前的某些 LiveCD 中,加载图形界面的时候,由于各种驱动和程序的加载,错误的进行了硬盘的写操作,从而导致有些人抱怨过启动 LiveCD 导致硬盘数据二次损坏,最终使得修复无望。虽然,最近这些版本的 LiveCD 可能没有这类问题,但是为了避免万一,应当尽量减少对硬盘写入操作的可能性。既然所有修复行为都会在命令行模式下进行,那就没必要启动图形界面冒风险。

我让他带着 Ubuntu 的盘就是以防万一,万一 Fedora 启动出现奇怪的问题,我们可以用 Ubuntu 启动然后修复系统。而不是进入 Ubuntu的修复系统选项。那个选项是给 Ubuntu 系统准备的,是以光盘上的系统文件及配置覆盖硬盘上的系统文件及配置,从而达到修复系统的目的。这显然和我们要修复的 RHEL 驴唇不对马嘴。修复系统所需要的只是一个 Linux 环境而已。

至于最后在菜单上点击硬盘分区,甚至还打开里面的文件看看,这就是纯属找死了。系统已经报错了,即使能够挂载成功,文件系统也很可能是有问题的,必须在访问前先fsck,否则很可能会引发更大的问题。毕竟默认 Fedora 挂载可不是只读,而是可读写,混乱后,谁也无法预测会把硬盘写成啥样。

三、确认问题


该准备的光盘准备了,不该操作的操作也做了,这让我很无语,虽然怀疑仅仅是逻辑错误导致superblock坏掉,应该不会有大问题,但还是让我对这次修复的可能性感到怀疑。至少这朋友完全不按照我说的办,经常的做些自己觉得没什么的危险操作,哎,前景黯淡啊。

既然他已经改点的都点了,该造成的损坏基本上也造成了。那就在 Fedora LiveCD 的图形界面下修复吧,至少他还可以更方便的把命令返回结果通过 firefox 给我发过来。比用 android 手机通讯好多了。

首先我需要知道,都有哪些文件系统被他挂载了,另外,系统上有哪些分区。

[ root@localhost liveuser ] # mount |grep LogVol
/dev/mapper/VolGroup_ID_17253-LogVol4 on /media/0edef924-567f-45fc-
9609 -51722cad6e9e type ext3 (rw , nosuid , nodev , uhelper = udisks)
/dev/mapper/VolGroup_ID_17253-LogVol7 on /media/ee0c40c6-d9d1-4a81-
9806 -9991621db1dd type ext3 (rw , nosuid , nodev , uhelper = udisks)
/dev/mapper/VolGroup_ID_17253-LogVolHome on /media/f524534e-3d24-4a22-b475-9e4b7dac0d35 type ext3 (rw
, nosuid , nodev , uhelper = udisks)
/dev/mapper/VolGroup_ID_17253-LogVol6 on /media/12953c57-baba-
4358 -baeb-cdd17d6513a2 type ext3 (rw , nosuid , nodev , uhelper = udisks)


好嘛,据我所知,服务器上好像有5个绑定目录的分区,LogVol{3,4,6,7,Home},LogVol3 好像就是那个坏的分区,想绑也绑不上,除了它,他全绑上了。

我需要确定 LVM 总共有哪些分区,lvscan 命令可以告诉我们LVM下面的分区情况。

[ root@localhost liveuser ] # lvscan
ACTIVE '/dev/VolGroup_ID_17253/LogVol3' 
[ 10.00 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol4' 
[ 1.06 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol7' 
[ 53.56 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol6' 
[ 5.38 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol1' 
[ 2.00 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol0' 
[ 2.00 GiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVol2' 
[ 64.00 MiB ]  inherit
ACTIVE '/dev/VolGroup_ID_17253/LogVolHome' 
[ 29.44 GiB ]  inherit


嗯,LogVol{0,1}是交换分区,LogVol2肯定不是我们的目标,那么缺失的是LogVol3,这个分区出问题了。如此,我们手动绑定一下 LogVol3 看一下报错信息。

[ root@localhost liveuser ] # mkdir /media/myroot
[ root@localhost liveuser ] # mount -t ext3 /dev/mapper/VolGroup_ID_17253-LogVol3 /media/myroot
mount: wrong fs type
,  bad option ,  bad superblock on /dev/mapper/VolGroup_ID_17253-LogVol3 ,
missing codepage or helper program
,  or other error
In some cases useful info is found in syslog - try
dmesg | tail or so

这里我们可以直接看到报错说 'bad superblock' 信息。
然后我们再看一下内核报错。

[ root@localhost liveuser ] # dmesg | tail -n  20
[  343.583694 ]  EXT3-fs (dm- 3 ): mounted filesystem with ordered data mode
[  343.585926 ]  SELinux: initialized (dev dm- 3 ,  type ext3) ,  uses xattr
[  346.179128 ]  EXT3-fs: barriers not enabled
[  346.183702 ]  kjournald starting. Commit interval  5  seconds
[  346.189688 ]  EXT3-fs (dm- 4 ): using internal journal
[  346.189694 ]  EXT3-fs (dm- 4 ): mounted filesystem with ordered data mode
[  346.193216 ]  SELinux: initialized (dev dm- 4 ,  type ext3) ,  uses xattr
[  348.911539 ]  EXT3-fs: barriers not enabled
[  348.918113 ]  kjournald starting. Commit interval  5  seconds
[  348.918151 ]  EXT3-fs (dm- 9 ): warning: mounting fs with errors ,  running e2fsck is recommended
[  348.922722 ]  EXT3-fs (dm- 9 ): using internal journal
[  348.922728 ]  EXT3-fs (dm- 9 ): mounted filesystem with ordered data mode
[  348.922738 ]  SELinux: initialized (dev dm- 9 ,  type ext3) ,  uses xattr
[  350.225535 ]  EXT3-fs: barriers not enabled
[  350.230730 ]  kjournald starting. Commit interval  5  seconds
[  350.236075 ]  EXT3-fs (dm- 5 ): using internal journal
[  350.236081 ]  EXT3-fs (dm- 5 ): mounted filesystem with ordered data mode
[  350.241386 ]  SELinux: initialized (dev dm- 5 ,  type ext3) ,  uses xattr
[  1957.796112 ]  EXT3-fs (dm- 2 ): error: can't find ext3 filesystem on dev dm- 2 .
[  2688.247855 ]  EXT3-fs (dm- 2 ): error: can't find ext3 filesystem on dev dm- 2 .

这里我们看到,内核报错说无法在 dm-2 上找到 ext3 文件系统。这很有可能就是 superblock 损坏造成的问题。

另外,我们看到,正如我所担心的那样,不仅仅是 dm-2 (LogVol3) 有故障, dm-9 分区也有故障。很可能其它分区也有问题,都需要在使用前,进行磁盘检查 fsck。冒失的访问,很可能会造成数据损坏或丢失。

如此,我们基本上可以确定是 superblock 的损坏,至于是否还有其它故障,以及是否有数据损失,需要在 fsck 之后才能知道了。

四、镜像备份损坏的硬盘


执行 fsck 会对磁盘进行写操作,我们需要在此之前对磁盘进行镜像备份。这样万一 fsck 的修复造成了更大的损失,我们还可以恢复原始状态。

我让朋友插上 USB 硬盘,桌面上会自动出现这个硬盘的图标,如果没有菜单上也会有,点击菜单项打开这个 USB 硬盘,会触发 Fedora 自动绑定该硬盘。这么操作省的朋友敲命令了 (心里想,反正之前不该点的也都点了,破罐破摔吧~~)。

通过 mount 命令找到新绑定的磁盘路径:

/dev/sdb1 on /media/BACKUP type fuseblk (rw , nosuid , nodev , allow_other , blksize = 4096 , default_permissions)

然后,开始镜像 LogVol3:

[ root@localhost ~ ] # dd if = /dev/VolGroup_ID_17253/LogVol3 | gzip > /media/BACKUP/server_root_image.gz
20971520 + 0  records in
20971520 + 0  records out
10737418240  bytes ( 11  GB) copied ,   666.429  s ,   16.1  MB/s

确认一下文件确实存在:

[ root@localhost ~ ] # ls -l /media/BACKUP/*.gz
-rwxrwxrwx. 
1  liveuser liveuser  5943229016  Feb  10   17 : 29  /media/BACKUP/server_root_image.gz

五、修复


先进行第一次修复尝试。

[ root@localhost liveuser ] # fsck.ext3 -B  1024  /dev/mapper/VolGroup_ID_17253-LogVol3
e2fsck 
1.41.12  ( 17 -May- 2010 )
fsck.ext3: Superblock invalid
,  trying backup blocks
fsck.ext3: Bad magic number in super-block while trying to open /dev/mapper/VolGroup_ID_17253-LogVol3

The superblock could not be read or does not describe a correct ext2
filesystem. If the device is valid and it really contains an ext2
filesystem (and not swap or ufs or something else)
,  then the superblock
is corrupt
,  and you might try running e2fsck with an alternate superblock:
e2fsck -b 
8193  <device>

这里面说无法修复,原因是 superblock 损坏了,所以 fsck 无法定位相关分区数据。建议使用备份的 superblok。

我们知道,superblock 对于分区而言非常重要,因此 ext2/3 文件系统将 superblock 备份到了磁盘的各个位置,如此多的备份,降低了所有 superblock 备份都损坏的概率。

可是问题是,这些备份在哪里呢?superblock 的备份是和 block size 相关的。询问后得知,这个服务器上的分区的参数都是默认设置,只是调整了一下大小和个数。既然如此,那么所有的分区都应该是同样的 block size,那么它们备份 superblock 的相对位置也都一样。

鉴于此,我们打算通过 LogVol7 分区给出一个superblock 备份相对位置的列表:

[ root@localhost liveuser ] # dumpe2fs /dev/VolGroup_ID_17253/LogVol7 | grep -i superblock
dumpe2fs 
1.41.12  ( 17 -May- 2010 )
Primary superblock at 
0 ,  Group descriptors at  1 - 4
Backup superblock at 
32768 ,  Group descriptors at  32769 - 32772
Backup superblock at 
98304 ,  Group descriptors at  98305 - 98308
Backup superblock at 
163840 ,  Group descriptors at  163841 - 163844
Backup superblock at 
229376 ,  Group descriptors at  229377 - 229380
Backup superblock at 
294912 ,  Group descriptors at  294913 - 294916
Backup superblock at 
819200 ,  Group descriptors at  819201 - 819204
Backup superblock at 
884736 ,  Group descriptors at  884737 - 884740
Backup superblock at 
1605632 ,  Group descriptors at  1605633 - 1605636
Backup superblock at 
2654208 ,  Group descriptors at  2654209 - 2654212
Backup superblock at 
4096000 ,  Group descriptors at  4096001 - 4096004
Backup superblock at 
7962624 ,  Group descriptors at  7962625 - 7962628
Backup superblock at 
11239424 ,  Group descriptors at  11239425 - 11239428

尝试使用 32768 的备份:

[ root@localhost liveuser ] # fsck.ext3 -B  1024  -b  32768  /dev/mapper/VolGroup_ID_17253-LogVol3
e2fsck 
1.41.12  ( 17 -May- 2010 )
fsck.ext3: Bad magic number in super-block while trying to open /dev/mapper/VolGroup_ID_17253-LogVol3

The superblock could not be read or does not describe a correct ext2
filesystem. If the device is valid and it really contains an ext2
filesystem (and not swap or ufs or something else)
,  then the superblock
is corrupt
,  and you might try running e2fsck with an alternate superblock:
e2fsck -b 
8193  <device>


这个备份还是不行,再换一个:

[ root@localhost liveuser ] # fsck.ext3 -b  98304  /dev/VolGroup_ID_17253/LogVol3
e2fsck 
1.41.12  ( 17 -May- 2010 )
Superblock needs_recovery flag is clear
,  but journal has data.
Recovery flag not set in backup superblock
,  so running journal anyway.
/dev/VolGroup_ID_17253/LogVol3: recovering journal
Adding dirhash hint to filesystem.

Pass 
1 : Checking inodes ,  blocks ,  and sizes
Inode 
81 ,  i_blocks is  8 ,  should be  0 . Fix<y>?

不错,98304 这个备份是好的。已经修复了一些内容了,只要继续就很有可能修复系统。不过,当我让朋友点击 y 确认的时候,悲剧又发生了。他在复制粘贴返回信息的时候,习惯了 Windows 的 Ctrl-C 和 Ctrl-V,呃,我们要知道,Ctrl-C 在 命令行下有另外的含义,就是终止程序运行。结果,他按 Ctrl-C 了……

[ 1 ] + Stopped fsck.ext3 -b  98304  /dev/VolGroup_ID_17253/LogVol3

磁盘修复一半的时候强行终止退出?我现在非常不确定系统当前的状态和磁盘的状态,我只好让朋友重新启动,重来。重启前跟他说,千万不要再做任何异常的操作了,否则可能系统会无法恢复的。

很不幸,我的话又变成了耳旁风。重启后,他兴高采烈的告诉我说,可以看见 LogVol3 啦,不过有些文件夹还是打不开啊。我晕倒~~

我非常怀疑他是不是关心硬盘的数据。这个硬盘仅仅是恢复了 superblock,但是必然还有很多其它的问题,冒然以可写形式绑定,磁盘很可能会丢数据的。我给了他严重警告,再这么做我就不帮忙了,我替你担心半天,你反而不听我劝,混不在乎。

重新开始修复硬盘:

[ root@localhost liveuser ] # fsck.ext3 -y -b  98304  /dev/VolGroup_ID_17253/LogVol3



Free blocks count wrong for group #
78  ( 32254 ,  counted = 5049 ).
Fix? yes

Free blocks count wrong for group #
79  ( 32254 ,  counted = 4724 ).
Fix? yes

Free blocks count wrong (
2566343 ,  counted = 1869026 ).
Fix? yes

Free inodes count wrong for group #
0  ( 16373 ,  counted = 16288 ).
Fix? yes



/dev/VolGroup_ID_17253/LogVol3: ***** FILE SYSTEM WAS MODIFIED *****
/dev/VolGroup_ID_17253/LogVol3: 
229199 / 1310720  files ( 1.6 % non-contiguous) ,   752414 / 2621440  blocks

经过了一段时间的等待,LogVol3 修复终于完成了。由于得知当时LogVolHome进行了大量的读写,因此,虽然可以挂载,但是非常怀疑其中也有故障,因此也许进行磁盘检查和修复:

[ root@localhost / ] # fsck.ext3 /dev/VolGroup_ID_17253/LogVolHome
e2fsck 
1.41.12  ( 17 -May- 2010 )
/dev/VolGroup_ID_17253/LogVolHome contains a file system with errors
,  check forced.
Pass 
1 : Checking inodes ,  blocks ,  and sizes
Pass 
2 : Checking directory structure
Pass 
3 : Checking directory connectivity
Pass 
4 : Checking reference counts
Pass 
5 : Checking group summary information
/dev/VolGroup_ID_17253/LogVolHome: 
2301889 / 3859072  files ( 9.9 % non-contiguous) ,   2554717 / 7716864  blocks

果然,确实有错误,并且修复了。

然后,尝试挂载 LogVol3,看这次是否没有问题了:

[ root@localhost / ] # mkdir /media/myroot
[ root@localhost / ] # mount -t ext3 /dev/VolGroup_ID_17253/LogVol3 /media/myroot

一切正常,没有任何报错。磁盘修复基本可以宣告完成,接下来就是备份和重新启动了。

六、备份重要数据


重新启动系统,如果一切正常,系统会正常加载所有的服务器,并且开始提供服务,那时数据就会发生改变了,在还不知道服务器是否正常的情况下贸然启动服务器,而没有备份,这是危险的。因此,我们先备份重要数据。

[ root@localhost / ] # cd /media/myroot
[ root@localhost myroot ] # tar -czvf /media/BACKUP/www.tgz www
[ root@localhost myroot ] # tar -czvf /media/BACKUP/server_lampp.tgz opt/lampp
[ root@localhost myroot ] # tar -czvf /media/BACKUP/server_mysql.tgz opt/lampp/var/mysql


最后确认一下数据是否已经备份好了。

[ root@localhost myroot ] # ls l /media/BACKUP
total 
6287380
-rwxrwxrwx. 
1  liveuser liveuser  92690926  Feb  10   19 : 35  server_lampp.tgz
-rwxrwxrwx. 
1  liveuser liveuser  28670158  Feb  10   19 : 30  server_mysql.tgz
-rwxrwxrwx. 
1  liveuser liveuser  5943229016  Feb  10   17 : 29  server_root_image.gz
-rwxrwxrwx. 
1  liveuser liveuser  373677732  Feb  10   19 : 34  www.tgz


七、重新启动


分区修好了,fsck检查各个分区也都没问题了,该备份的都备份了。可以尝试重新启动系统了,祈祷吧……

很不幸,没起来。:(

启动的过程,系统报错:

Remounting root filesystem in read-write mode:
Setting up Logical Volume Management:
Checking filesystems
/boot: clean
,   38 / 26208  files ,   15754 / 104420  blocks
/dev/VolGroup_ID_17253/LogVol4: clean
,   22 / 139392  files ,   12950 / 278528  blocks
/dev/VolGroup_ID_17253/LogVol7: clean
,   132904 / 7028736  files ,   882601 / 14041088  blocks
/dev/VolGroup_ID_17253/LogVol6: clean
,   22314 / 704512  files ,   168941 / 1409024  blocks
/dev/VolGroup_ID_17253/LogVolHome contains a file system with errors
,  check forced.
 /dev/VolGroup_ID_17253/LogVolHome:
 Inode 
1340876  is too big.
 
/dev/VolGroup_ID_17253/LogVolHome: UNEXPECTED INCONSISTENCY
;  RUN fsck MANUALLY.
        (i.e. ,  without -a or -p options)
                                                           
[ FAILED ]

*** An error occurred during the file system check.
*** Dropping you to a shell
;  the system will reboot
*** when you leave the shell.
*** Warning -- SELinux is active
*** Disabling security enforcement for system recovery.
*** Run 'setenforce 
1 ' to reenable.
Give root password for maintenance
(or type Control-D to continue): _

经过Google,发现这是 e2fsprogs,也就是 fsck.ext3 所在包,早期版本的一个bug。如果inode节点很大,会触发这个bug。1.40以后就没有这个问题了,

这也看出来我一直坚持要升级的原因之一。越早的版本的软件包含的bug就越多,每年新的版本都会修复大量的bug。而那些坚持版本越老越稳定的人,实际上是非常错误的。太新和太老都是不合理的,要取一个合适的折中。像 RHEL 4,甚至5,就太老了。其内很多版本包含了大量的bug,可是由于没有升级到新的版本,RedHat不得不花大力气去将修复bug的补丁打到老的软件上,而有相当数量的补丁是完全基于新版本API的,那些补丁就没有办法打在老软件上。RHEL/CentOS所谓的长期稳定,也就是因为RedHat有大量的人力在做这种将新软件的补丁打到老软件上的事情。可是,有些时候,我们直接用新的版本会更好。

我没心思在LiveCD里面升级e2fsprogs,这是个危险的操作。触发这个bug的条件是一个目录下的文件太多,从而导致inode过大。了解了一下,那个目录正好是服务器故障前正在清理的目录。那么我们就先把这个目录清理掉再说。

由于这个目录包含有太多的文件,计算了一下清理这个目录会花1-2个小时。已经是凌晨了,写了个脚本,开始执行,清理完文件后,会自动重启。基本上该做的都做了,应该没有什么问题了。脚本执行后,就让朋友回家好了。

很幸运,朋友到家后,给我发来消息,服务器正常启动了,Web应用也都开始正常提供服务了。一切似乎都恢复正常了。很庆幸,没有机会用上备份(那就意味着要重装系统之类的大操作了)。

八、后记


这次系统故障导致我朋友很紧张的原因之一就是系统没有备份。最近一次备份也是几个月前,因此如果硬盘无法恢复,那么直接造成的结果就是这几个月的工作全部丢失。其实使用Linux备份还是比较容易的。最简单的办法是用crontab,定义的压缩一份重要数据,传到别的服务器上去,或者复制到别的物理硬盘上。可惜由于他们公司对 Linux 熟悉的人不多,因此没有人去做而已。

这也反映了一个问题。我们经常看到类似于,“什么服务器最安全快速?”、“什么编程语言效率最高?”的问题。这类问题实际上问题本身就有问题。没有最安全的服务器,没有最好的编程语言,只有最合适你的。

很多人都说 Linux 如何如何安全,Windows 如何如何脆弱。真不知道这些人从哪得到的数据?还是大脑进水了?如果你说的是精心配置下的服务器,那么很难说谁更安全,Windows 的内核非常健壮,相比 Linux 而言,更稳定和安全。你只要查一下 Linux 内核在过去几年内所出现的安全漏洞的数量,对比一下 Windows 2000/2003内核的漏洞的数量,你就会发现这个问题。而 IIS 出现的安全漏洞,和 Apache 比起来,谁也不敢说谁更安全。而就配置而言,我们都可以对每个服务器配置执行账户,限定用户权限。相比而言,Windows 的 ACL 比 Linux 的要更复杂和完善。当然,Linux 也有 Linux 的优势。它们是处于一个安全等级上的。无论哪个系统,都可以配置出安全、高效的服务器。

但是,你得精心配置啊。我想大多数人对二者的安全配置并不熟悉,也似乎没有花大量的经历和试验去熟悉。那么对大多数人而言,似乎默认配置就是最好的。就像我这个朋友,问他各个配置为什么这样,为什么那样,他几乎都是一个答案,不知道和默认就是这样,没改。这让我很无语。

安全界上,凡是默认配置的,基本都是有隐患的。大多数入侵啊、蠕虫啊,也都是针对默认配置的机器做的。不管你是 Linux 也好,Windows 也罢。只要是默认配置,你就不要提什么谁更安全,那是扯淡。

还有一个问题就是升级。这个服务器用的是 RHEL,貌似国内好像比较喜欢用这个。虽然其内的软件很老,但是这个发布确实比较稳定,你要是用正版的,有售后支持,我也觉得没什么。但是问题是,国人似乎用盗版成瘾。觉得既然能买 RHEL的盗版盘(甚至是下载,都不用买),为什么还花钱?这个服务器就是如此。可是,你用盗版,如何升级?而且,盗版的售后找谁?国外用RHEL的人多,那是冲着售后去的,人家有24小时应急响应,服务器出了问题很快就能解决。国内人用 RHEL,还不用带售后,这是为啥?百思不得其解。哪怕你用CentOS呢,虽然没有售后,但起码可以升级啊。呵呵,也许人性使然。

不论如何,服务器修好了。一切似乎又恢复了正常。但是,真的如此么?造成这次故障的,致使那个累积了太多文件的php缓存代码还在按照以往工作着,今天出现的问题,说不定什么时候就又会出现。问题需要进一步的挖掘,才能真正的让服务器,健康的运行。当然,今天那个朋友可以好好睡个觉了,下一次出问题,起码也是半个月后了,还有时间来分析和解决深层次的问题。





你可能感兴趣的:(记一次 superblock 损坏导致服务器无法启动的故障修复)