Ceph PG unfound/lost 问题排查与解决

背景

Ceph 集群出现 HEALTH_ERR，提示有 PG 对象丢失（unfound），并且 repair 无法自动修复。

现象

• ceph health detail 显示：

  HEALTH_ERR 4/213107278 objects unfound (0.000%); Possible data damage: 1 pg recovery_unfound; Degraded data redundancy: 36/2130898991 objects degraded (0.000%), 1 pg degraded
  OBJECT_UNFOUND 4/213107278 objects unfound (0.000%)
      pg 2.f06 has 4 unfound objects
  PG_DAMAGED Possible data damage: 1 pg recovery_unfound
      pg 2.f06 is active+recovery_unfound+degraded+repair, acting [520,454,563,300,70,59,243,166,422,333], 4 unfound
  PG_DEGRADED Degraded data redundancy: 36/2130898991 objects degraded (0.000%), 1 pg degraded
      pg 2.f06 is active+recovery_unfound+degraded+repair, acting [520,454,563,300,70,59,243,166,422,333], 4 unfound
  

• repair 日志显示：

  repair 4 missing, 0 inconsistent objects
  repair 36 errors, 36 fixed
  

排查过程

1. 确认 OSD 状态

   • 所有相关 OSD 均为 up，无进程或硬件异常。

2. 分析 repair/scrub 日志

   • repair 已修复 36 个错误，但有 4 个对象在所有副本上都找不到（unfound）。

3. 尝试 mark_unfound_lost revert

   • 报错：mode must be 'delete' for ec pool，说明 EC 池只能用 delete。

4. 最终执行

   ceph pg 2.f06 mark_unfound_lost delete
   

   • 系统提示：pg has 4 objects unfound and apparently lost marking

5. 健康恢复

   • 片刻后，ceph health detail 显示 HEALTH_OK，PG 状态恢复正常。

经验总结

• unfound objects 表示对象在所有副本上都丢失，无法自动修复。
• EC 池只能用 delete 方式丢弃丢失对象，不能 revert。
• repair 只能修复可用副本间的数据不一致，无法凭空恢复丢失对象。
• 标记 lost 后，集群健康恢复，但对应对象永久丢失，需业务评估影响。

参考命令

# 查看健康和详细信息
ceph health detail
ceph status

# 标记 unfound/lost 对象（EC池只能delete）
ceph pg <pgid> mark_unfound_lost delete

# 检查PG状态
ceph pg <pgid> query

结语

遇到 Ceph PG unfound/lost 问题，需冷静排查，确认无法恢复后果断 mark lost，保障集群整体健康。建议定期备份重要数据，防止极端情况下的不可恢复丢失。