一台跑了多年的机器，某天起写入速度掉到原来的零头。
硬盘全绿，阵列不报错，系统日志干净。换网线、查交换机、重装驱动、重启——都不是。最后查到 RAID 卡上那块缓存电池没电了。
这是数据中心里最典型的一类「没坏但不能用」的故障。它不触发任何告警，因为从控制器的角度看，一切都在按设计工作。
为什么电池没电，写入就慢十倍
RAID 控制器上有一块缓存。开启回写（write-back）模式时，数据写进缓存控制器就返回「完成」，后台再慢慢落盘——这是写性能的主要来源。
风险在于：缓存是易失的。如果这时候断电，缓存里还没落盘的数据就没了。
所以回写模式依赖一块电池（或超级电容）兜底：断电时靠它维持供电，等待恢复或者把缓存转存到闪存。
电池一失效，控制器不敢再用回写，自动降级成直写（write-through）——每一次写入都要等硬盘真正落盘才返回。机械盘的落盘延迟是毫秒级，缓存是微秒级，差一个数量级，性能表现就是掉十倍。
控制器这么做是对的。它在保护你的数据。但它不会大声告诉你。
怎么确认是这个问题
在控制器管理工具里看两项：
- 当前缓存策略：是 Write Back 还是 Write Through
- 电池 / 电容状态：容量、健康度、上次学习周期时间
如果策略显示 Write Through 且备注里有 BBU failed、Battery not present、Learn cycle in progress 之类的字样，就对上了。
不同厂商的叫法不一样：BBU（Battery Backup Unit）、FBWC（Flash-Backed Write Cache）、CacheVault、超级电容包——指的都是同一类东西。
电池在做学习周期，不是坏了
现象：某段时间性能明显变差，过几小时又自己恢复，而且是周期性出现的。
原因：RAID 电池会定期做一次完整的充放电循环，用来校准实际容量。这段时间里缓存策略会临时降级成直写，跑完自动恢复。
怎么判断：看控制器日志里有没有 Learn Cycle 记录，时间点能对上就不是故障。
怎么处理：学习周期的时间可以设定，把它挪到业务低峰时段就行。多数平台默认是每 30 天或 90 天一次。
什么时候才是真坏：学习周期跑完之后容量仍然不达标，或者反复报 BBU 故障——那才该换。
把正常行为当故障换件，也是一种浪费。这一条值得在换件之前确认一遍。
换了新电池，缓存还是不开
现象：新电池装上去了，控制器仍然维持直写模式。
这不一定是备件的问题。三个常见原因：
- 新电池需要一次完整的充电和学习周期之后才会启用回写，不是插上就好。 视型号不同，这个过程从几小时到十几小时不等。
- 部分平台需要在控制器里手动把缓存策略改回回写。 有些管理工具在电池失效时会把策略锁定，修好之后不会自动解锁。
- 电池型号不匹配，控制器识别不了。
做法：换完等一个完整充电周期，再确认策略设置。不要在充电完成之前就下结论说备件有问题——这种误判会把一次成功的更换变成一次退货流程。
这块电池真正的意义，是断电那一刻
平时看不出它有什么用，直到机房跳闸。
回写缓存里那部分还没落盘的数据，全靠它撑着等待恢复供电或转存。电池失效的情况下断电，缓存里的数据就没了。
对文件系统来说，这可能意味着元数据不一致；对数据库来说，这可能意味着一批已经返回「提交成功」的事务实际上没有落盘。后者比丢一块盘严重得多，因为它是静默的——系统起来了，数据少了一截，你不知道少在哪。
所以这是一个耗材，有寿命，必须按周期检查和更换。锂电池型的一般 2–3 年，超级电容型的寿命长一些但也不是永久。
过保之后的麻烦
这类耗材在过保之后，原厂通常不单独供应——它不是一个「维修件」，是捆绑在整机服务合同里的东西。
结果是：一个成本很低的电容包找不到，一台功能完好的机器长期在直写模式下跑，性能只有设计值的零头，最后被当成「机器老了」整机换掉。
一块电池的钱，和一台整机的钱，差着两个数量级。
七小服的料号库收录各主流平台的 BBU / FBWC / 超级电容包，包括 IBM、HP、Dell、华为等，可以在备件料号速查里按料号搜。入库做 48 小时以上加压测试，出库逐件复测。
一份检查清单
给还在跑的过保设备做一次排查，按这个顺序：
- 列出所有带 RAID 卡的机器
- 逐台看当前缓存策略——不是看有没有告警，是看策略本身
- 处于直写的，看电池状态和日志里的学习周期记录
- 区分「学习周期中」和「已失效」
- 已失效的，确认料号，备件到位后更换
- 换完等一个完整充电周期，再确认策略回到回写
- 把学习周期的时间窗口统一挪到业务低峰
这套检查不需要停机，一台机器几分钟。在过保设备比较多的机房里，这通常是投入产出比最高的一次巡检。
本文描述的是这类设备的常见故障模式，不是某一台机器的具体案例。