适用场景
- 产品：HCI 旗舰版。
- 组件：通用存储。
- 版本：5.4.0 及之后版本。
- 涉及对象：仍可被系统识别、且与数据盘正常关联的缓存盘。
- 触发条件：缓存盘接近现场运维更换阈值，需要在其仍可正常识别时更换为新盘。
本文不适用于高性能存储缓存盘更换、旧缓存盘已经离线或无法识别、缓存与数据盘关联异常，以及存在进行中数据恢复任务的场景。
问题现象
- 运维检查发现缓存盘需要预防性更换，但缓存盘及其关联数据盘当前仍正常。
- 需要在不直接拔除旧盘的情况下，使用快速换盘流程将缓存关系迁移至新盘。
判断方法
- 在管理界面记录旧缓存盘所在节点、设备路径、序列号、缓存分区和所有关联数据盘，并在目标节点复核设备路径和序列号。
- 执行以下命令，确认当前环境提供快速换盘功能：
/opt/zstone/bin/zstnctl version
/opt/zstone/bin/zstnctl disk replace-cache --help- 确认旧缓存盘仍可识别，且缓存分区与数据盘的关联正常。
- 确认新盘健康，已在管理界面创建缓存分区，且新盘缓存分区数量不少于旧盘。
- 确认当前没有进行中的数据恢复任务。本次变更一次仅处理一个节点，完成恢复后再处理下一块盘。
设备路径可能变化，不能仅凭 /dev/sda、机箱位置或盘符确定操作对象。
原因说明
快速换盘依赖旧缓存盘仍可使用，以及缓存分区与数据盘的关联正常。操作时间受缓存 dirty 数据量和介质性能影响；若旧盘已离线、关联异常或集群正在恢复，继续执行可能扩大故障影响。
解决方案
1. 执行前准备
- 在维护窗口执行。建议联系官方技术支持进行评估。
- 记录新旧缓存盘的设备路径、序列号、分区数量和关联数据盘，并确认备份和现场恢复安排。
- 根据 dirty 数据量和集群恢复时间安排维护窗口。来源材料给出的经验值为约 100 GB dirty 数据对应约 40 分钟，实际时间以现场状态为准。
- 在管理界面确认当前没有进行中的数据恢复任务。
2. 暂停自动数据恢复并设置维护模式
- 在管理界面关闭“集群数据恢复”开关，并记录操作前状态。该操作用于避免换盘期间自动恢复与本次变更并行，不代表可以跳过对进行中恢复任务的检查。
- 将旧缓存盘关联的全部数据盘设置为维护模式，并逐一确认维护范围不包含无关数据盘。
3. 准备新缓存盘
- 在管理界面为新盘创建缓存分区。
- 确认新旧缓存盘均位于本次操作的目标节点，且新盘缓存分区数量不少于旧盘。
- 对于 NVMe 旧缓存盘，可按现场方案更换为新 NVMe 或 SATA SSD；对于 SATA SSD 旧缓存盘，常规流程使用 SATA SSD 替换。介质转换需求请先联系官方技术支持确认。
4. 执行快速换盘
在新旧缓存盘所在节点执行以下命令。执行前请依据目标版本交付说明或官方技术支持确认 --vip 的具体填写值：
/opt/zstone/bin/zstnctl disk replace-cache \
--current-path '<旧缓存盘设备路径>' \
--new-path '<新缓存盘设备路径>' \
--vip '<当前环境确认的管理地址>'--current-path：当前仍在使用的旧缓存盘设备路径。--new-path：已准备缓存分区的新缓存盘设备路径。--vip：当前环境确认可用于本次操作的管理地址。
等待命令执行完成并检查输出。不要在其他节点或同一节点并发发起换盘任务；出现错误、进度异常或资源关联不符时，停止后续操作并联系官方技术支持。
5. 恢复集群服务
- 确认新缓存盘与预期数据盘的关联符合换盘目标后，取消本次相关数据盘的维护模式。
- 在管理界面重新开启“集群数据恢复”。
- 等待数据恢复完成、相关数据盘及缓存状态正常后，再进行下一块盘的操作。
验证方法
- 换盘任务：命令执行完成，无未处理错误。
- 缓存关联：新缓存盘及分区与预期数据盘关联正确，旧盘不再承载本次缓存关系。
- 数据盘状态：本次相关数据盘已退出维护模式并恢复正常运行。
- 集群设置：“集群数据恢复”已重新开启，恢复任务完成。
- 集群状态：在具备管理配置的节点执行
ceph -s、ceph osd tree，确认集群状态正常。 - 业务访问：原有业务读写正常，延迟和错误无持续异常。
风险与回滚
- 换盘期间关闭自动数据恢复且相关数据盘处于维护模式，应控制维护范围和维护窗口，避免同时引入其他节点维护。
- 新旧盘路径填反、缓存分区未准备或遗漏关联数据盘，均可能导致缓存关系异常；不能在旧盘已离线的情况下套用本流程。
- 发生异常时，保留新旧盘、缓存分区、命令输出和相关日志；不要反向交换新旧路径再次执行命令，也不要格式化任一磁盘。
- 素材未提供通用回滚命令。异常后的维护模式、恢复开关和资源关联恢复方式，应由官方技术支持结合失败阶段确认。