客户新买了两台服务器，配置不低：E5 的 U，64G 内存，系统盘是两块 Intel 的 SSD 做的 RAID1。装好系统、跑上业务，看着一切正常。但用了没两天，客户就反馈：机器时不时卡一下，大概几秒钟，然后自己又好，一天能来好几次。

卡的时候不是某个程序卡，是整个系统都卡，鼠标都飘。客户以为是新机器有问题，脾气已经上来了，说你们这机器还不如我们旧的。

我先上去看了负载，卡的时候 load 也不高，CPU 也没满。又看内存，够。看 dmesg，干干净净，没有报错。这就怪了——系统层面啥都看不出来，但客户就是卡。

后来我琢磨，客户说"鼠标都飘"，这不像 CPU 或内存问题，像磁盘 IO 卡死。可我看了 iostat，卡的时候 util 也没到 100% 啊。

正没头绪的时候，客户又补了一句：卡的时候，他们发现服务器上的那个 SSD 的灯会灭一下。这线索太关键了——SSD 灯灭，说明盘掉了。

我赶紧去查 RAID 卡日志，果然：两块 SSD 组 RAID1，其中一块盘频繁"掉盘"——就是盘从阵列里掉出去，过几秒又自己回来。每次掉盘，RAID 卡都要做重新识别、重建，整个阵列 IO 就卡住几秒。系统层面看不到啥异常，因为掉盘的是物理盘，不是文件系统。

为什么新盘会掉？查了盘的信息，发现这块 SSD 的固件版本比较老，而这块盘在客户那批服务器上有个已知的兼容性问题——跟 RAID 卡的链路节能策略冲突，盘进入省电模式后醒不过来，就被卡当成掉盘了。

解决办法倒不复杂：把 RAID 卡上的硬盘链路节能（power saving）关掉，再把 SSD 固件刷到新版本。两件事做完，观察了一周，再没卡过，盘也没再掉。

这事给我的教训是：系统"时不时卡一下"这种问题，别光盯着 CPU、内存、IO 这些常规指标。硬件层面的偶发问题——掉盘、链路重训、温度降频——往往在系统日志里不留痕迹，只在硬件自己的日志里能看到。下次遇到玄学卡顿，先去翻 RAID 卡日志和硬盘 SMART，比在系统里瞎转强多了。