Nota: este es un caso ilustrativo que combina situaciones típicas que atendemos en storage empresarial. Los detalles no corresponden a un cliente específico ni a fechas reales, por confidencialidad — el objetivo es mostrar cómo abordamos técnicamente este tipo de falla.
¿Qué pasa cuando un RAID 5 pierde dos discos a la vez? En teoría, no debería sobrevivir: RAID 5 solo tolera la falla de un disco. Así es como abordamos la reconstrucción de un arreglo en ese escenario, para una empresa cuyo sistema de gestión de despachos quedó completamente inaccesible.
El escenario: dos discos, el mismo fin de semana
Un viernes en la noche, uno de los discos de un RAID 5 de 4 discos empezó a fallar; el sistema siguió operando en modo degradado, como está diseñado para hacerlo. La madrugada del sábado, un segundo disco cayó durante una tormenta eléctrica. El arreglo quedó completamente caído, justo cuando el sistema de rutas, inventario y facturación de la empresa quedó inaccesible.
Por qué esto no se resuelve con software
RAID 5 reparte un bloque de paridad entre todos los discos del arreglo. Esa paridad permite calcular exactamente lo que había en un disco ausente: es una operación matemática, y funciona.
Cuando faltan dos, esa operación deja de tener solución. No es que sea difícil ni que haga falta mejor software: es que la información necesaria para el cálculo ya no está en ningún lado. Por eso la reconstrucción de un RAID 5 con dos discos caídos no empieza en la computadora, sino en la mesa del laboratorio. La pregunta deja de ser cómo reconstruir el arreglo y pasa a ser cómo conseguir que uno de esos dos discos vuelva a leer.
Antes de tocar un disco: el levantamiento de información
Lo primero no es abrir nada, es entender qué ocurrió. Y buena parte de esa respuesta suele estar escrita en algún registro del propio sistema. Siempre que sea posible, extraemos los logs de la controladora RAID o del NAS. Esa información, cuando existe, responde preguntas que de otro modo habría que deducir a ciegas:
- En qué orden cayó cada disco y con cuánta diferencia de tiempo. Es el dato que define en cuál concentrar el trabajo de recuperación.
- Si el arreglo estuvo operando en modo degradado y por cuánto tiempo, es decir, qué tan desactualizado quedó el primer disco que salió.
- Si alguien ya intentó una reconstrucción después de la segunda falla. Ese dato cambia por completo el pronóstico del caso, y conviene saberlo antes de empezar, no a mitad del proceso.
- Los contadores de error de cada unidad, que anticipan cuál va a ser difícil de leer.
Este levantamiento se hace en coordinación con el área de infraestructura o sistemas del cliente, que es quien tiene acceso a la consola de administración, conoce el historial del equipo y sabe qué se intentó antes de llamarnos. No es un trámite: es la diferencia entre trabajar con información y trabajar por descarte.
Cuando los registros no están disponibles —porque la controladora murió, porque se reconfiguró el arreglo o porque el equipo se apagó sin dejar rastro— el mismo análisis hay que reconstruirlo después, examinando la estructura de los datos en las clonaciones. Se puede, pero cuesta más tiempo y da menos certezas.
No todos los discos caídos valen lo mismo
En casi todos estos casos los dos discos no cayeron al mismo tiempo. Uno falló primero y el arreglo siguió operando en modo degradado, a veces durante días, sin que nadie lo notara. El segundo cayó después, y ahí se detuvo todo.
Eso significa que el primer disco que falló contiene datos viejos: desde que salió del arreglo, el sistema siguió escribiendo sin él. El segundo, en cambio, estuvo activo hasta el último minuto.
Por eso el trabajo no se reparte por igual. Con los registros del sistema en mano determinamos en qué orden cayeron, y concentramos el esfuerzo de recuperación en el segundo, que es el que tiene la información actual. Si no hay registros, ese orden se deduce después comparando las estructuras de datos de cada clonación. Recuperar el disco equivocado puede devolver un arreglo que monta perfectamente pero con datos de hace una semana, que para una operación de despachos es casi tan inútil como no tener nada.
Qué significa recuperar el acceso a un disco
Depende de por qué murió. Son tres familias de falla, con tres intervenciones distintas.
Falla electrónica. La placa controladora se quemó, normalmente por un pico de tensión. Se reemplaza por una de un disco donante, pero no basta con intercambiarla: cada placa guarda los parámetros de calibración de su propio disco, únicos de fábrica. Hay que trasladar esa información a la placa nueva, o el disco no reconocerá sus propios platos.
Falla de firmware. El disco enciende y gira, pero no se presenta al sistema o se reporta con capacidad cero. El problema está en el área de servicio, una zona reservada del disco que no es accesible por vías normales. Se trabaja con equipamiento específico que habla directamente con el firmware del fabricante.
Falla mecánica. La más delicada, y la que obliga a abrir el disco.
El cambio de cabezales en clean room (cámara de flujo laminar con presión positiva)
Cuando los cabezales de lectura fallan, no hay atajo: hay que abrir el disco y sustituirlos. Y eso solo puede hacerse dentro de un clean room (cámara de flujo laminar con presión positiva).
La razón es de escala. Los cabezales de un disco duro no tocan la superficie: vuelan sobre ella a una distancia de unos pocos nanómetros, sostenidos por la propia corriente de aire que genera el plato al girar. Una partícula de polvo común es cientos de veces más grande que esa altura de vuelo. Si entra una sola mientras el disco está abierto, al arrancar de nuevo el cabezal la arrastra contra la superficie magnética y raya el plato. Un plato rayado no se recupera: la información que estaba ahí deja de existir físicamente.
La cámara resuelve eso con dos mecanismos complementarios. El flujo laminar hace circular aire filtrado en una sola dirección, constante y sin turbulencias, de modo que cualquier partícula es barrida hacia afuera en lugar de quedar suspendida sobre el disco abierto. La presión positiva mantiene el interior a mayor presión que el ambiente, así el aire siempre sale por cualquier abertura y nunca entra aire sin filtrar.
Conseguir el donante correcto tampoco es un trámite de compra. Un disco empresarial de hace diez o quince años ya no se fabrica, y en el mercado local rara vez aparece. Esa búsqueda —identificar qué unidad sirve y de dónde obtenerla— puede ser la parte más lenta de todo el proceso, y es invisible para el cliente, que solo ve que el caso está en laboratorio.
Dentro de la cámara, el procedimiento es:
- Ubicar un disco donante idóneo. No sirve cualquier unidad del mismo modelo: debe ser compatible en las características que permiten que sus cabezales lean los platos del disco averiado.
- Extraer el conjunto de cabezales del disco averiado con herramientas específicas que los mantienen separados entre sí. Si dos cabezales se tocan, se dañan mutuamente y quedan inservibles.
- Retirar los cabezales del donante y montarlos en el disco original, sin que en ningún momento rocen la superficie de los platos.
- Cerrar y probar. Si el disco vuelve a leer, entra de inmediato en clonación.
Ese último punto no es un detalle menor. Un disco con cabezales trasplantados tiene una vida útil corta e impredecible: puede leer durante horas o fallar en minutos. Por eso no se explora ni se revisa a ver qué hay: se clona completo desde el primer segundo, y todo el análisis posterior se hace sobre esa copia.
Recién ahora empieza la reconstrucción
Con al menos uno de los discos caídos leyendo otra vez, el proceso continúa:
- Clonación bit a bit de todos los discos, sanos y recuperados. A partir de aquí nadie vuelve a tocar los originales.
- Determinar los parámetros del arreglo: orden de los discos, tamaño de stripe, rotación de la paridad y offset de inicio. Cuando la controladora murió o se reconfiguró, esos parámetros no están documentados en ningún lado y hay que deducirlos analizando la estructura de los propios datos.
- Reconstrucción virtual del RAID sobre las clonaciones, sin escribir una sola vez sobre ellas.
- Extracción del sistema de archivos y validación contra los respaldos parciales que existan.
- Verificación de integridad de las tablas y archivos críticos antes de entregar.
La lección técnica detrás del caso
Con dos discos caídos, el error más caro es intentar forzar el arreglo desde la controladora para que vuelva a montar. Esa operación suele reescribir la paridad existente y destruye justamente la información que permitía reconstruir.
El orden correcto es el inverso, y no admite saltos: primero el laboratorio, después el software. Recuperar el acceso al disco caído, clonar, y solo entonces reconstruir.
Servicios relacionados con este artículo
