Caviar RE2：让RAID Edition名符其实

8秒钟——TLER与时间赛跑

大家都知道，“多用户环境”也好，“企业级应用”也罢，对硬盘来说意味着同一件事——组成RAID使用。然而，很多用户和系统集成商反映，将ATA硬盘应用于RAID应用时，经常会遇到在单个物理驱动器未出现故障前提下脱离RAID卷（即所谓“掉盘”）的情况，这是什么原因呢？

AMCC资深产品行销经理巨擎天先生认为，上述情况的出现，固然不是硬盘品质的问题，但也不是RAID卡的责任——它只是“照章办事”而已。换句话说，就是原本为在典型桌面环境下应用设计的ATA硬盘被配置在企业级RAID环境中有点“水土不服”。

我们知道，所有的ATA硬盘本身都有错误恢复以及坏区重置特性，当一块ATA硬盘处于错误恢复状态时，它不会发出任何错误信息也不会响应来自RAID控制器的任何指令，当这个过程持续到超过8秒的时间时，糟糕的事情发生了：RAID控制器会自动卸载掉超过8秒没有任何响应的物理驱动器并报告错误，然后开始进入其自身的错误恢复过程——8秒的阈值并非特殊设定，而是广泛存在于ATA/SCSI RAID适配卡设计内的工业标准。

失去了一个物理驱动器的磁盘阵列会根据其RAID模式做出反应：RAID 0模式会丢失所有数据；RAID 1模式下将失掉镜像功能；RAID 5模式则会让阵列降级并需要大量时间来进行恢复。这样的结果对于像视频监视、邮件服务器和Web服务器等高I/O负载的应用是无法接受的，它们要求24×7的在线提供服务，即使因为某些原因必须要暂停服务，也必须要在非常短的时间内恢复。但恰恰就是这类同时连接数多的高I/O应用对磁盘的多处和同一处频繁存取最容易让ATA硬盘进入错误恢复状态，于是使用普通ATA硬盘搭建的企业级应用磁盘阵列在高强度应用下频繁故障。试想一下，半瘫痪的高达几个TB容量的RAID5模式卷，需要几个小时甚至整天的时间来恢复，对于任何企业都是无法忍受的。

不过，要协调ATA硬盘较长时间错误恢复过程和RAID控制器8秒没收到硬盘响应进入其自身错误校正状态的冲突其实并不难，只需在时间控制上略施小计即可。

控制时间的技巧是这样处理ATA硬盘和RAID控制器各自的错误恢复功能冲突的：当进入正常的自身错误恢复状态时，并不是像其他ATA硬盘一样持续这个过程而不发出/响应任何信息和指令——相反的，如果特殊为RAID控制器设计的固件检测到本次错误恢复无法在短于8秒的某个规定时间（譬如7秒）之内完成的话，便会在每个第7秒的时刻向RAID控制器发出信息宣示它的存在，RAID控制器就能够在8秒的阈值检测到这个物理驱动器仍然在线，从而不会将其卸载，RAID卷自然就不会损坏，系统停机以及冗长的RAID卷恢复动作也就不会发生。事实上，这种“小聪明”式的技术早已在SCSI硬盘中广泛应用，现在由ATA硬盘来实现也并不困难。WD Raptor和Caivar RE/RE2所用的TLER（Time Limited Error Recovery，限时错误恢复）就是这样的技术。