H3C UniServer R4930 G3服务器

故障处理手册

资料版本：6W101-20230104

非经本公司书面许可，任何单位和个人不得擅自摘抄、复制本文档内容的部分或全部，并不得以任何形式传播。

除新华三技术有限公司的商标外，本手册中出现的其它公司的商标、产品标识及商品名称，由各自权利人拥有。

本文档中的信息可能变动，恕不另行通知。

1.3.2 防止静电释放的接地方法.. 1-2

4.2.2 RAID卡配置工具.. 4-1

5.2.1 Windows系统.. 5-2

5.2.2 Linux系统.. 5-2

5.3 BMC日志.. 5-3

5.3.1 BMC 常规信息.. 5-3

5.3.2 BMC SEL日志.. 5-3

5.3.3 BMC 黑匣子日志.. 5-7

6.3.2 BMC告警信息诊断流程.. 6-3

6.3.3 开机故障诊断流程.. 6-4

6.3.4 POST故障诊断流程.. 6-5

6.3.5 操作系统引导故障诊断流程.. 6-6

6.3.6 RAID卡故障诊断流程.. 6-7

6.3.7 物理硬盘故障诊断流程.. 6-8

6.3.8 虚拟硬盘故障诊断流程.. 6-9

6.3.9 内存故障诊断流程.. 6-10

6.3.10 网卡故障诊断流程.. 6-11

6.4 根据BMC告警信息诊断.. 6-12

6.4.1 Chassis 告警说明.. 6-13

6.6.2 Health指示灯.. 6-39

6.7.6 显卡/GPU问题.. 6-51

7.2.1 RAID卡固件升级.. 7-11

7.2.2 网卡固件升级.. 7-13

8 常用操作.. 8-1

8.1 获取产品序列号.. 8-1

8.2 登入BMC WEB界面.. 8-1

8.3 使用Xshell登入服务器.. 8-2

8.4 ipmitool常用命令.. 8-2

8.4.1 Lan指令.. 8-3

8.4.2 Chassis指令.. 8-3

8.5.3 import foreign VD. 8-4

8.5.4 RAID rebuild（重建）.. 8-4

8.5.5 查看某块磁盘信息.. 8-5

8.5.6 关闭蜂鸣器.. 8-5

8.5.7 设置某块物理磁盘状态.. 8-5

8.5.8 定位RAID上某块物理磁盘.. 8-5

8.5.9 日志收集指令.. 8-6

9 巡检指导.. 9-1

9.1 机房环境及线缆布局巡检.. 9-1

9.2.3 BMC检查系统状态.. 9-2

9.2.4 巡检总结及建议.. 9-2

10 更多资源.. 10-1

10.1 产品信息、安装与配置资源.. 10-1

10.3 告警日志信息查询资源.. 10-1

图5.1 BMC WEB获取SEL日志界面.... 5-5

图5.2 ipmitool指令界面.... 5-7

图5.3服务器黑匣子日志收集界面.... 5-7

图6.1通用故障诊断流程图.... 6-2

图6.2 BMC告警信息诊断流程图.... 6-4

图6.3开机故障诊断流程图.... 6-5

图6.4 POST阶段故障诊断流程图.... 6-6

图6.5操作系统引导故障诊断流程图.... 6-7

图6.6 RAID卡故障诊断流程图.... 6-8

图6.7物理硬盘故障诊断流程图.... 6-9

图6.8虚拟硬盘故障诊断流程图.... 6-10

图6.9内存故障诊断流程图.... 6-11

图6.10网卡故障诊断流程图.... 6-12

图6.11前面板示意图.... 6-38

图6.12右箱耳示意图.... 6-38

图6.13硬盘指示灯示意图.... 6-39

表5‑2 linux系统下日志收集指令.... 5-3

表5‑3不同事件日志类型.... 5-4

表5‑4 SEL日志中不同ID信息.... 5-5

表5‑5日志下载相关步骤含义.... 5-6

表5‑6黑匣子日志文件包含义.... 5-8

表6‑1故障处理流程说明.... 6-2

表6‑2检查点范围.... 6-33

表6‑3标准检查点：SEC阶段.... 6-33

表6‑4标准检查点：PEI阶段.... 6-34

表6‑5标准检查点：DXE阶段.... 6-35

表6‑6标准检查点：ACPI/ASL检查点阶段.... 6-37

表6‑7电源开关指示灯说明.... 6-38

表6‑8 Health电源指示灯说明.... 6-39

表6‑9 UID指示灯说明.... 6-39

表6‑10 SAS/SATA硬盘状态指示灯显示说明.... 6-40

表6‑11 U.2硬盘状态指示灯显示说明.... 6-40

表9‑1 巡检内容.... 9-2

表9‑2 巡检信息汇总表（客户）.... 9-2

表9‑3 巡检信息汇总表（巡检人）.... 9-3

表9‑4 巡检总结及意见（巡检人）.... 9-3

表9‑5 巡检反馈与意见（客户）.... 9-3

1 安全声明

1.1 安全信息

对服务器进行操作之前，请仔细了解以下安全信息，以免造成数据丢失等严重后果。

1.1.1 运行安全

服务器运行安全注意事项如下：

（1）专业的服务器工程师才能运行该服务器。

（2）请将服务器放在干净、平稳的工作台或地面上进行维护。

（3）运行服务器前，请确保所有线缆均连接正确。

（4）为避免组件表面过热造成人身伤害，请确保设备和内部系统组件冷却后再操作。

（5）当服务器与其他设备上下叠加安装在机柜中时，请确保两个设备之间留出垂直方向2mm以上的空隙。

1.1.2 人身安全

服务器运行过程中人身安全注意事项如下：

（1）为避免人身伤害或服务器损坏，请务必使用随产品包装附带的电源线缆。

（2）安装人员在安装过程中，如果发现可能导致人身受到伤害或设备受到损坏时，应当立即终止操作，向项目负责人进行报告，并采取行之有效的保护措施。

（3）禁止在雷雨天气进行操作，包括但不限于搬运设备、安装机柜、安装电源线等。

（4）搬运设备时，不能超过当地法律或法规所允许单人搬运的最大重量。要充分考虑安装人员当时的身体状况，务必不能超越安装人员所能承受的重量。

1.2 注意事项

为避免设备损坏，操作服务器时，还需注意以下事项：

（1）服务器必须安装在标准19英寸机柜中。

（2）机柜的支撑脚要完全触地，且机柜的全部重量应由支撑脚承担。

（3）当有多个机柜时，请将机柜连接在一起。

（4）请做好机柜安装的部署工作，将最重的设备安装在机柜底部。安装顺序为从机柜底部到顶部，即优先安装最重的设备。

（5）将服务器安装到机柜或从机柜中拉出时（尤其当服务器脱离滑道时），要求四个人协同工作，以平稳抬起服务器。当安装位置高于胸部时，则可能需第五个人帮助调整服务器的方位。

（6）每次只能从机柜中拉出一台设备，否则会导致机柜不稳固。

（7）将服务器从机柜中拉出或推入前，请确保机柜稳固。

（8）为确保充分散热，请在未使用的机柜位置安装假面板。

1.3 静电防护

1.3.1 防止静电释放

人体或其它导体释放的静电可能会损坏主板和对静电敏感的部件，由静电造成的损坏会缩短主板和部件的使用寿命。为避免静电损害，请注意以下事项：

（1）在运输和存储设备时，请将部件装入防静电包装中。

（2）将静电敏感部件送达不受静电影响的工作区前，请将它们放在防静电包装中保管。

（3）先将部件放置在防静电工作台上，然后再将其从防静电包装中取出。

（4）在没有防静电措施的情况下，请勿触摸组件上的插针、线缆和电路元器件等敏感元件。

1.3.2 防止静电释放的接地方法

在取放或安装部件时，用户可采取以下一种或多种接地方法以防止静电释放：

（1）佩戴防静电腕带，并将腕带的另一端良好接地。请将腕带紧贴皮肤，且确保其能够灵活伸缩。

（2）在工作区内，请穿上防静电服和防静电鞋，并佩戴防静电手套。

（3）请使用导电的现场维修工具。

（4）请使用防静电的可折叠工具垫和便携式现场维修工具包。

2 适用产品

（1）本手册主要适用于如下工程师：

现场技术支持与维护人员

负责服务器配置和维护的管理人员

（2）本手册适用于如下服务器：

H3C UniServer R4930 G3

3 故障处理流程

故障处理是指利用合理的方法，逐步找出故障原因并解决。其指导思想是将由故障可能的原因所构成的一个大集合缩减（或隔离）成若干个小的子集，使问题的复杂度迅速下降，最终找到问题的根本原因，并采取合适的措施进行排除。详细的故障处理流程如图3.1示。

图3.1故障处理流程图

对故障处理流程作详细说明，具体如表3‑1。

表3‑1故障处理流程说明

步骤	说明
故障处理前准备工作	准备故障诊断和处理所需的软硬件工具和相关手册。详细信息请参见第4章：故障诊断前的准备工作。
故障信息收集	收集故障现场信息，如现象描述、设备型号、操作系统及具体操作等。针对具体问题请联系技术支持，判断收集哪些类型的现场信息。收集有助于故障诊断定位的相关日志信息。详细信息请参见第5章：收集信息。
判断故障是否与产品相关	判断故障是否与产品相关。如果是与产品相关的故障问题，请深入定位故障原因。如果是与产品无关的故障问题，即上层业务软件或操作系统产生的故障，建议优先联系业务软件或操作系统供应商处理。
故障定位与诊断	基于收集到的故障信息，采用合适的故障定位方法找到故障根因。详细信息请参见第6章：诊断和故障定位。
故障处理	根据故障根因，确定并实施故障排除措施。具体故障问题的处理建议仍参见第6章：诊断和故障定位。
联系售后工程师	如果在故障处理过程中遇到难以确定或解决的问题，通过指导文档依旧无法解决，请联系技术工程师协助处理。
故障处理相关资源	故障处理过程中可能需要诊断工具或版本升级，可根据具体需求获取如下相关资源：版本升级相关信息请参见第7章：版本升级；故障处理过程中可能用到的软件和配置工具请参见第4章：故障诊断前准备工作；故障诊断过程中可能用到的相关资源请参见11故障诊断相关资源。

4 故障诊断前准备工作

在开始故障诊断前，请做好相关准备工作。

4.1 熟悉产品信息

Ø 熟悉服务器产品知识；阅读产品配套资料，比如产品用户指南。

Ø 熟悉服务器上的安全标识。

Ø 熟悉服务器硬件架构。

Ø 熟悉服务器前后面板指示灯。

Ø 熟悉服务器上运行的系统。

Ø 熟悉服务器正常运行的物理环境要求。

Ø 熟悉硬件的常用操作，如上下电、部件更换。

Ø 熟悉软件的常用操作，如日志收集、固件升级。

Ø 熟悉维护服务器的流程。

Ø 熟悉服务器的操作系统兼容性、部件兼容性。

4.2 准备软件工具

4.2.1 远程维护工具

所需的远程维护工具如表4‑1所示。

表4‑1远程维护工具

工具名称	工具简介
Xshell	第三方远程访问工具，用于远程登录操作系统及查看串口信息等。
Ipmitool	Ipmitool提供一个简单的命令行界面，可独立于操作系统管理系统硬件组件，对系统运行情况进行管理和监视。

4.2.2 RAID卡配置工具

所需的RAID卡配置工具如表4‑2所示。

表4‑2 RAID卡工具

工具名称

支持的存储卡

工具简介

storcli64

存储控制器型号：

9361-8i、9560-8i、9560-16i

LSI存储控制卡操作系统下的命令行管理工具。包括存储卡配置信息获取、RAID盘的创建与删除、日志收集等

4.3 准备硬件工具

服务器日常维护所使用的硬件工具，如表4‑3所示。

表4‑3 硬件工具

工具名称	工具作用
螺丝刀	拆卸服务器机箱、挡片等部位的螺丝
万用表	检查主板电路等
防静电手套&衣服	防止损坏服务器
串口线	访问串口，定位问题
显示器	故障排查时，实时显示服务器运行界面
示波器	测量电压和时序

5 收集信息

服务器发生故障，需要收集日志信息进行故障诊断。请在故障发生后的第一时间进行数据收集，保证数据原始性。主要包括基本信息、操作系统日志、BMC日志等。

5.1 基本信息

在客户请求故障处理前，应收集基本信息。基本信息收集项如表5‑1所示。其中：必填通用信息，同时选填RAID卡信息与网卡信息。

表5‑1基本信息收集表

分类	项目	信息	填写说明
通用信息	客户名称		填写客户名称
	机型名称		填写机型信息
	产品序列号		即产品SN号
	OS版本		根据具体问题，判断是否需确认OS版本
	BMC版本		确认BMC版本
	BIOS版本		确认BIOS版本
	问题名称		一句话描述问题，xx机型xx问题
	问题详述		描述问题的详细故障现象；出现问题时，机器运行的业务
	故障前动作		如修改RAID配置、修改网络配置等
	故障后操作、结果		如更换RAID卡后，故障未解决等；更换网卡后，故障未解决等
	发生时间		故障初次报修时间和历次报修记录
	故障概率		问题的故障概率：同批次21台机器出现1台，填写1/21；故障频次：如某台此故障出现3次，每次间隔1天
RAID 卡信息	RAID卡类型		RAID卡控制器型号
	RAID级别		多少块硬盘组了什么级别的RAID
	RAID卡固件版本		RAID卡FW 版本
	RAID卡驱动版本		RAID卡驱动信息
	RAID卡日志收集		RAID卡日志
	背板型号		SAS直通背板/Expander背板
	硬盘配置		硬盘型号、数量、安装位置
	硬盘固件版本		硬盘FW版本
	硬盘日志收集		硬盘日志
网卡信息	网卡类型		板载网卡/外插网卡/OCP
	固件版本		网卡FW 版本
	驱动版本		网卡驱动信息
	网卡日志收集		网卡日志

5.2 操作系统日志

服务器运行过程中的所有事件（包括报错），在操作日志系统中均有记录。因此，收集操作系统日志，有助于研发人员进行Debug。本节收集操作系统日志，将以Windows系统日志和Linux系统日志为例。

5.2.1 Windows系统

在Windows系统下，针对是否有蓝屏现象，需分情况讨论。

（1）无蓝屏现象时，请执行以下操作：

①在操作系统下单击【计算机/管理】菜单项，打开服务器管理器；

②单击【工具/事件查看器】菜单项，打开事件查看器；

③单击【Windows日志/系统/将所有事件另存为】菜单项，导出并保存日志文件。

（2）有蓝屏现象时，请执行以下操作：

①截屏或拍照保存蓝屏错误代码信息；

②重启后收集“C:\WINDOWS\Minidump\”路径下的全部文件。

5.2.2 Linux系统

在Linux系统下直接收集日志。

主要涉及：/var/log目录下的日志。具体日志文件名称、文件对应信息与文件收集指令见表5‑2。

表5‑2 linux系统下日志收集指令

文件名称	收集指令	指令含义
/var/log/secure	cp /var/log/secure*	安全日志
/var/log/mcelog	cp /var/log/mcelog*	定位MCE错误需要的日志信息
/var/log/message	cp /var/log/message*	常规系统日志文件
/var/log/cron	cp /var/log/cron*	定制任务日志文件
/var/log/boot.log	cp /var/log/boot.log	本次启动日志，log格式
/var/log/boot.msg	cp /var/log/boot.msg	本次启动日志，msg格式
/var/log/boot.omsg	cp /var/log/boot.omsg	启动日志（本次启动的前一次过程日志）

综上，5.2.1节和5.2.2节为Windows、Linux系统下系统的日志收集方法。而其余系统的日志收集方法，请咨询技术支持。

5.3 BMC日志

BMC（Baseboard Management Controller，全称基板管理控制器），是独立于系统之外的小型操作系统，负责服务器的硬件状态管理、操作系统管理、健康状态管理、功耗管理等核心功能。

BMC日志包括：①BMC常规信息；②BMC SEL日志（System Event Log，全称系统事件日志）；③BMC黑匣子日志。

5.3.1 BMC 常规信息

BMC常规信息包括：BMC版本、BIOS版本、时间、SDR、CPLD版本信息等。

5.3.2 BMC SEL日志

BMC SEL日志（System Event Log），全称系统事件日志，下文系统事件日志均以SEL日志表示。

SEL日志记录主要设备的状态变化，传感器的历史变化以及规范定义的标准事件。SEL日志的功能特性如下：

最多支持3639个条目。

支持循环模式，且循环模式为默认模式。当SEL已满时，最旧的日志将被丢弃，新产生的日志被保留。

SEL记录方式设置为循环存储模式时，SEL记录存满后会自动滑动记录新的日志和丢弃最早记录的日志；

SEL记录方式设置为线性存储模式时，SEL记录存满后则无法再继续记录日志。

支持通过BMC WEB或IPMI CMD导出。

支持通过SNMPTrap、Syslog通知事件到远程客户端。

SEL日志记录遵循IPMI规范，当IPMI标准事件被触发后，SEL日志就会被记录。SEL日志按照日志输出内容，可细分为：阈值型、通用型和传感器特定型。不同事件类型如表5‑3所示。

表5‑3不同事件日志类型

类型	描述	事件举例
阈值型	传感器会设定一定的阈值，根据传感器当前读值与阈值比较，触发日志告警。例如：温度、电压，风扇转速等传感器。	传感器：所有阈值类传感器事件：根据当前传感器读数与阈值比较，会有以下6种事件： Upper NonRecoverable Threshold Upper Critical Threshold Upper NonCritical Threshold Lower None Recoverable Threshold Lower Critical Threshold Lower None Critical Threshold
通用型	表示一些和部件类型无关的通用状态型传感器日志告警。例如在位、拔插、可预测性故障。	传感器：风扇状态、ME状态等事件：根据当前传感器状态码，有以下4种事件： State Deasserted State Asserted Predictive Failure deasserted Predictive Failure asserted
传感器特定型	特定类型传感器的离散量，指示离散状态信息特定于传感器类型。例如：CPU状态、内存状态、硬盘状态，PCIE卡状态等传感器。	传感器：CPU状态事件：根据当前传感器状态码，有以下13种事件： IERR Thermal Trip FRB1/BIST failure FRB1/Hang in POST failure FRB3/Processor Start up/Initialization failure Configuration Error SMBIOS ‘Uncorrectable CPU-complex Error’ Processor presence detected Processor disabled Terminator Automatically Throttled Machine Check Exception Correctable Machine CheckError

以上是关于BMC SEL日志的基本说明。而SEL日志的收集，可通过BMC WEB页面或Ipmitool工具实现。

（1）通过BMC WEB获取SEL日志

通过BMC IP登录BMC WEB UI。导航至“日志->日志查询”，此页面显示所有基于传感器的日志，用户可以配置事件类型、事件发生时间段参数，对系统事件日志进行过滤。如图5.1所示。

图5.1 BMC WEB获取SEL日志界面

SEL日志中不同ID对应的信息如表5‑4所示。

表5‑4 SEL日志中不同ID信息

ID	SEL中的事件ID
传感器	传感器名称，可通过ipmitool sdr elist查看该设备上所有传感器名称
事件级别	事件的紧急程度：轻微、严重、紧急
时间	事件生成时间
状态	当前状态
描述	事件详细信息

日志下载过程中，相关步骤如表5‑5所示。

表5‑5日志下载相关步骤含义

参数	描述
查询	选择事件类型、传感器和起止日期进行过滤搜索
动作	用过滤器选项（事件类型、传感器名称、起止时间），查看设备中记录的特定事件
重置	清空筛选条件
下载日志	下载事件日志到本地
清空日志	该选项将删除所有现有传感器日志记录并新增条‘sel被清除’的日志

（2）通过ipmitool获取SEL日志

系统下使用命令：“ipmitool sel list”，可列出当前设备上所有传感器的历史事件记录。显示的日志信息包含ID，日期，时间，传感器名称，描述和状态。如图5.2所示。

图5.2 ipmitool指令界面

附：SEL日志含义分析实例

②温度过高日志告警实例：21 | 07/07/2021 | 06:27:08 | Temperature #0x18 | Upper Non-critical going high

③PCIE 故障实例：22 | 07/07/2021 | 08:25:10 | Critical Interrupt #0xe4| Bus Correctable error

5.3.3 BMC 黑匣子日志

BMC黑匣子日志包括：BMC记录截屏信息、BMC报错日志和监控信息、BMC配置信息和状态信息、BMC网络及线程信息。

（2）通过BMC WEB收集

通过BMC IP登录BMC WEB UI。导航至“故障诊断->服务器黑匣子”，此页面下载服务器异常前的BMC调试信息，以供分析使用。如图5.3所示。

图5.3服务器黑匣子日志收集界面

具体文件包含义如表5‑6所示。

表5‑6黑匣子日志文件包含义

文件包	描述
capturescreen.tar	收集BMC记录截屏信息
bmcloginfo.tar	收集BMC报错日志和监控信息
bmcstatusinfo.tar	收集BMC配置信息和状态信息
bmcsysteminfo.tar	收集BMC网络及线程信息

5.4 RAID卡日志

Ø 工具名称

storcli

Ø 工具简介

服务器出现与RAID卡相关的故障时，需搜集RAID卡的日志与状态信息，以供后台分析。storcli工具针对RAID卡进行日志收集，在不同操作系统下有不同版本，可直接在系统下使用。

同时，针对系统死机、崩溃，无法在系统下搜集RAID卡日志的情况，storcli工具同样提供UEFI版本。此时，可将storcli工具拷贝至USB设备中，然后在BIOS下进入UEFI环境进行日志收集。

Ø 使用方法

控制器详细信息：storcli/c0 show all

背板详细信息：storcli /c0/eall show all

硬盘详细信息：storcli /c0/eall/sall show all

查看RAID组列的详细信息：storcli /c0/vall show all

查看RAID卡FirmwareTermLog：storcli /c0 show termlog

查看RAID卡alilog：storcli /c0 show alilog

查看链路的Phyerrorcounter（适用于LSI的RAID控制器）：storcli /cx/pall show all

查看背板端的Phyerrorcounter（只适用于使用LSI Expander芯片的背板，我司全系产品所使用的Expander背板均采用LSI Expander芯片）：storcli /cx/eall show phyerrorcounters

查看硬盘端的Phyerrorcounter（适用于SAS接口硬盘，SATA接口硬盘提示不支持此操作）：storcli /cx/eall/sall show phyerrorcounters

综上，将以上日志搜集命令导出到文件保存，对RAID卡相关问题的分析具有重要的意义。许多问题可以通过日志追踪操作过程以及问题原因。在处理客户故障时，如果怀疑问题与RAID卡有关，建议在条件允许的情况下优先搜集日志信息。

6 诊断和故障定位

6.1 诊断原则

诊断须知：

所有操作必须获得客户出具的书面授权；

所有操作必须在数据已备份或迁移，确保数据无丢失风险的情况下执行。

在进行故障诊断时，请遵循以下原则：

先诊断外部，后诊断内部

诊断故障时，先排查外部环境因素，如电源中断、对接设备故障等；然后再诊断设备内部因素，如硬件安装是否到位、操作系统运行是否正常。

先诊断整体，后诊断局部

诊断故障时，先根据服务器的健康状态指示灯或登录BMC Web界面，了解服务器的整体健康状态，再结合故障现象和相关日志进一步定位具体的故障点。对于硬件无法识别、带宽降速等问题，先整体梳理硬件拓扑，列出所有可能的故障点，再确定方案，逐一排查。

先诊断主要问题，后诊断次要问题

诊断故障时，优先定位客户关注且影响严重的问题；再诊断影响较小的问题。

先诊断高级别告警，后诊断低级别告警

分析告警时，首先分析高级别告警，如紧急或严重告警；然后再分析低级别告警，如轻微告警。

6.2 诊断通用思路

（1）提前做好故障处理前的准备工作，包括：

服务器工作环境确认。确保服务器供电充足，且物理环境满足设备稳定运行要求，包括空间和通风、温度、湿度、洁净度、高度和接地等。物理环境的具体要求，请参见产品用户指南。

移除服务器上的第三方外接设备，包括光驱、U盘、移动硬盘等。

参考4.2准备软件工具和4.3准备硬件工具准备好故障诊断所需的工具和软件。

（2）参考5收集故障相关信息收集故障相关的日志信息，并记录故障发生的时间、频率、报错截屏等信息。

6.3 故障诊断流程

6.3.1 通用故障诊断流程

当故障现象或故障原因不明确时，建议按通用诊断流程图进行诊断，详见图6.1。

图6.1通用故障诊断流程图

如上图，在整个故障处理过程中，主要涉及：开机故障诊断流程、POST故障诊断流程、OS安装指南、RAID卡/硬盘/虚拟盘故障诊断流程、操作系统引导故障诊断流程、内存故障诊断流程、网卡故障诊断流程等。

对通用故障诊断流程作详细说明，具体如表6‑1。

表6‑1故障处理流程说明

步骤	说明
收集BMC日志	在进行故障诊断前，优先收集BMC日志作为补充材料，以便后续充分地进行故障分析，见图6.2
判断是否正常开机	通过开机故障诊断流程判断，见图6.3
判断是否正常进入POST阶段	通过POST阶段故障诊断流程判断，见图6.4
判断OS是否正常引导	通过OS引导故障诊断流程判断，见图6.5
判断是否正常出现启动引导项	通过RAID卡/硬盘/VD故障诊断流程判断，见图6.6、图6.7、图6.8
判断OS下内存是否正常	通过内存故障诊断流程判断，见图6.9
判断OS下网络是否正常	通过网卡故障诊断流程判断，见图6.10
判断问题是否均已经解决	若问题还未解决，需联系售后工程师

6.3.2 BMC告警信息诊断流程

同时，在故障处理之初，可通过查阅BMC告警信息，来确认是否是部件故障，具体见6.4节。后续可通过更换故障件的方式，解决问题。详见图6.2。

图6.2 BMC告警信息诊断流程图

如上图所示，在故障处理之初，可通过BMC事件日志、Health指示灯来判定：BMC是否出现告警。

根据BMC事件日志，需进一步确认：是否可以获取故障信息，从而判定到底由何部件引起故障。后续可通过及时更换部件，确认问题是否解决。

若BMC告警信息无法确认故障原因，还可通过health指示灯进行辅助判断。

6.3.3 开机故障诊断流程

若依据BMC告警信息无法解决问题，可进一步参考开机故障诊断流程。详见图6.3。

图6.3开机故障诊断流程图

如上图所示，若通过BMC告警信息无法排除故障，可进一步参考开机故障诊断流程。

在上电后，优先判断系统电源指示灯的情况：若此时灯灭，可尝试重新插拔电源线、更换电源，从而查看问题是否解决；若此时绿色常亮或闪烁，说明服务器正常开机；若此时亮黄灯，需进一步确认Health指示灯情况，必要时需联系售后工程师。

6.3.4 POST故障诊断流程

若服务器开机hang在POST阶段，可进一步参考POST故障流程。详见图6.4。

图6.4 POST阶段故障诊断流程图

如上图所示，若服务器在POST阶段hang机，可通过对比POST阶段代码说明，推断引起故障的具体原因，并尝试通过更换对应部件解决问题。若通过对比POST阶段代码无法查明具体原因，需进一步联系售后工程师。

6.3.5 操作系统引导故障诊断流程

若怀疑故障与操作系统引导有关，可进一步参考操作系统引导故障诊断流程。详见图6.5。

图6.5操作系统引导故障诊断流程图

如上图所示，若服务器顺利通过POST阶段，但在OS启动与引导阶段出问题，需做如下确认：系统盘是否无松动，紧密连接；BIOS中系统引导顺序是否正确。若问题仍存在，可考虑重新安装操作系统解决。若问题仍旧存在，可进一步联系售后工程师。

6.3.6 RAID卡故障诊断流程

若怀疑是故障与RAID卡有关，可进一步参考RAID卡故障诊断流程。详见图6.6。

图6.6 RAID卡故障诊断流程图

如上图所示，若发现RAID卡报错或出现异常，可通过重新插拔、更换的方式尝试解决。RAID卡报错可能与RAID组建、硬盘降级、掉线等因素相关，具体可参照下文：物理硬盘故障诊断流程、虚拟硬盘故障诊断流程。

若有需要，可进一步联系售后工程师。

6.3.7 物理硬盘故障诊断流程

若怀疑故障与物理硬盘有关，可进一步参考物理硬盘故障流程。详见图6.7。

图6.7物理硬盘故障诊断流程图

如上图所示，若发现物理硬盘报错或出现异常，可通过重新插拔、更换硬盘的方式尝试解决。同时，可结合收集到的硬盘日志、OS日志、BMC日志，判定业务运行过程中的问题。

若有需要，可进一步联系售后工程师。

6.3.8 虚拟硬盘故障诊断流程

若怀疑故障与虚拟硬盘有关，可进一步参考虚拟硬盘故障流程。详见图6.8。

图6.8虚拟硬盘故障诊断流程图

如上图所示，若发现虚拟硬盘出现异常，需确认虚拟硬盘状态为Offline还是Degraded，是否可通过手动恢复到Online状态。同时，若发现硬盘出现故障，需对故障硬盘进行替换，再重新创建虚拟盘，观察虚拟盘是否为Optimal状态。

若有需要，可进一步联系售后工程师。

6.3.9 内存故障诊断流程

图6.9内存故障诊断流程图

如上图所示，若发现内存报错或出现异常，可通过重新插拔、更换内存或主板等部件的方式解决。

若有需要，可进一步联系售后工程师。

6.3.10 网卡故障诊断流程

若怀疑是网卡出现问题，可进一步参考网卡故障流程。详见图6.10。

图6.10网卡故障诊断流程图

如上图所示，若发现网卡报错或出现异常，可通过重新插拔、更换网卡的方式解决。

在进行故障处理与分析时，需优先确认BIOS或OS下是否能识别到网卡。若可以识别，再判断到底是何原因引起：是否修改了网络或网卡配置；是否升级了系统内核、网卡固件或驱动；是否更改了服务器硬件配置等。

若有需要，可进一步联系售后工程师。

6.4 根据BMC告警信息诊断

用户可通过BMC告警信息，进行详细地诊断与故障定位。其中，告警信息涉及：Chassis告警说明、CPU告警说明、内存告警说明、硬盘告警说明、电源告警说明、风扇告警说明等。

下文是BMC记录的各类服务器告警类型，并从告警含义、系统影响、可能原因以及故障建议等方面进行说明，以便技术支持工程师和维护工程师查阅，同时形成详细而完备的文档供用户使用参考。

6.4.1 Chassis 告警说明

（1）进风口温度过高严重告警 (Inlet Temp)
告警解释	l 告警描述：Upper Critical l 当进风口温度传感器检测到进风口温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：Inlet Temp
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 进风口温度过高会影响设备各器件的性能，出现运行不稳定的情况 l 如果进风口温度没有下降，该告警会一直存在，将导致系统温度进一步升高，产生更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞
处理步骤	① 将服务器运行环境温度控制在其正常工作温度范围内，数分钟后查看告警是否消失 ② 检查服务器进风口是否堵塞，若堵塞则清理进风口 ③ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（2）进风口温度过高紧急告警 (Inlet Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当进风口温度传感器检测到进风口温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：Inlet Temp
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 进风口温度过高会影响设备各器件的性能，出现运行不稳定的情况 l 如果进风口温度没有下降，该告警会一直存在，将导致系统温度进一步升高，产生更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞
处理步骤	① 将服务器运行环境温度控制在其正常工作温度范围内，数分钟后查看告警是否消失 ② 检查服务器进风口是否堵塞，若堵塞则清理进风口 ③ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（3）出风口温度过高严重告警 (Outlet Temp)
告警解释	l 告警描述： Upper Critical l 当出风口温度传感器检测到进风口温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：Outlet Temp
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 出风口温度过高会影响设备各器件的性能，出现运行不稳定的情况 l 如果出风口温度没有下降，该告警会一直存在，将导致系统温度进一步升高，产生更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞
处理步骤	① 将服务器运行环境温度控制在其正常工作温度范围内，数分钟后查看告警是否消失 ② 检查服务器出风口是否堵塞，若堵塞则清理出风口 ③ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（4）出风口温度过高紧急告警 (Outlet Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当出风口温度传感器检测到进风口温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：Outlet Temp
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 当出风口温度高于紧急告警阈值时，设备运行在超高温环境下，会严重降低设备各器件性能，影响设备寿命，增加能耗，影响业务，甚至发生宕机
可能原因	l 环境温度过高 l 出风口堵塞
处理步骤	① 将服务器运行环境温度控制在其正常工作温度范围内，数分钟后查看告警是否消失 ② 检查服务器出风口是否堵塞，若堵塞则清理出风口 ③ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

6.4.2 CPU告警说明

（1）CPU 温度过高严重告警 (CPUN Temp)
告警解释	l 告警描述： Upper Critical l 当传感器检测到 CPU 温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：CPUN Temp (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l CPU 温度过高，会导致 CPU 运行不稳定，如果告警一直存在，设备会自动关机或重启，导致业务中断，数据丢失
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 散热器接触不良 l CPU 业务量过大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查CPU使用率是否过大，若业务量过大则关闭非紧急业务降低 CPU 负载 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 关机，打开机箱检查散热器是否正常，若有接触不良等情况，则重新安装散热器后开机，数分钟后查看告警是否消失 ⑧ 联系厂商技术支持工程师处理

（2）CPU 温度过高紧急告警 (CPUN Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当传感器检测到 CPU 温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：CPUN Temp (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l CPU 产生温度过高紧急告警时，系统将会启动自我保护，强制主板下电，业务终止，未保存数据将会丢失
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 散热器接触不良 l CPU 业务量过大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查 CPU 使用率是否过大，若业务量过大则关闭非紧急业务降低 CPU 负载 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 关机，打开机箱检查散热器是否正常，若有接触不良等情况，则重新安装散热器后开机，数分钟后查看告警是否消失 ⑧ 联系厂商技术支持工程师处理

（3）CPU 核心温度过高紧急告警 (CPUN Status)
告警解释	l 告警描述： Thermal Trip l 当 CPU 核心温度过高时，CPU 主动上报超温信号，产生此告警 l 产生此告警的传感器名称为：CPUN Status (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l CPU 核心超温时，系统会启动自我保护，强制主板下电，业务终止，未保存数据丢失
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 散热器接触不良 l CPU 业务量过大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查 CPU 使用率是否过大，若业务量过大则关闭非紧急业务降低 CPU 负载 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 关机，打开机箱检查散热器是否正常，若有接触不良等情况，则重新安装散热器后开机，数分钟后查看告警是否消失 ⑧ 联系厂商技术支持工程师处理

（4）CPU 占用率过高严重 / 紧急告警 (CPU Cups)
告警解释	l 告警描述：Upper Critical / Upper Non-Recoverable l CPU 占用率超过设定的严重和紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：CPU Cups
告警属性	l 告警级别：严重 / 紧急 l 可自动清除：是
对系统的影响	l CPU占用率过高可能导致系统无法调度某些进程，影响系统性能
可能原因	l 正在运行的进程过多 l 某个进程占用过多的 CPU 资源 l 服务器被攻击或感染病毒 l CPU 占用率告警阈值设置太低
处理步骤	① 进入 OS 查看是否存在当前不需要运行但占用大量 CPU 资源的任务，结束这种任务，检查告警是否消失 ② 查看 CPU 占用率告警阈值设置是否合理，若太低，重新设置阈值，检查告警是否消失 ③ 联系厂商技术支持工程师处理

（5）CPU 内部错误紧急告警 (CPUN Status)
告警解释	l 告警描述： IERR l 当 CPU 出现内部错误时，产生此告警 l 产生此告警的传感器名称为：CPUN Status
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l CPU 内部错误会使操作系统无法正常运行，业务无法正常进行，造成重启或死机
可能原因	l CPU、内存、主板等硬件故障 l OS 不兼容、逻辑状态异常等软件故障
处理步骤	① 确认服务器是否正确安装当前设备支持的 OS ，安装支持的 OS ，检查告警是否消失 ② 将产生告警的 CPU 与正常 CPU 互换位置，确认故障部件，更换故障的 CPU，检查告警是否消失 ③ 更换主板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（6）CPU 自检错误严重告警 (CPUN Status)
告警解释	l 告警描述： FRB1/BIST failure l 当 CPU 发生自检错误时，产生此告警 l 产生此告警的传感器名称为：CPUN Status (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l CPU 自检错误会导致系统无法正常启动，或启动后业务无法正常运行
可能原因	l CPU 故障 l 主板故障
处理步骤	① 将服务器安全下电并重新插拔电源线后上电启动，检查告警是否消失 ② 更换 CPU ，检查告警是否消失 ③ 更换主板，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（7）CPU 配置错误严重告警 (CPUN Status)
告警解释	l 告警描述： Configuration Error DMI l 当 CPU 出现硬件可恢复错误、非致命错误、致命错误时，产生此告警 l 产生此告警的传感器名称为：CPUN Status (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l CPU 配置错误会导致系统无法正常运行
可能原因	l CPU 故障 l CPU 所属内存故障 l CPU 所属 PCIe 设备故障
处理步骤	① 将服务器安全重启，检查告警是否消失 ② 更换CPU ，检查告警是否消失 ③ 联系厂商技术支持工程师处理

6.4.3 内存告警说明

（1）内存温度过高严重告警 (CPUN DIMM Temp)
告警解释	l 告警描述： Upper Critical l 当检测到内存温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：CPUN DIMM Temp (N 表示服务器 CPU 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 内存温度过高会对系统性能产生较大影响，导致系统运行不稳定，无法正常工作等；持续存在此告警将触发更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 散热器接触不良 l CPU 业务量过大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查系统业务量是否过大，若业务量过大则关闭非紧急业务降低系统压力 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（2）内存温度过高紧急告警 (CPUN DIMM Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当检测到内存温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：CPUN DIMM Temp (N 表示服务器 CPU 编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 内存温度过高会对系统性能产生较大影响，导致系统运行不稳定，无法正常工作，重启宕机等
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 系统业务量过大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查系统业务量是否过大，若业务量过大则关闭非紧急业务降低系统压力 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（3）内存不可纠正错误紧急告警 (CPUN ChannelNum DimmNum Status)
告警解释	l 告警描述： Uncorrectable ECC / other uncorrectable memory error l 当内存发生不可纠正错误时，产生此告警 l 产生此告警的传感器名称为：CPUN CD Status (N 表示服务器 CPU 编号，C 表示内存 Channel号，D 表示内存 Dimm 号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 内存发生不可纠正错误时，可能会导致业务中断、系统停止响应或重启
可能原因	l 内存故障
处理步骤	① 重新拔插产生告警的内存，检查告警是否消失 ② 将产生告警的内存与正常内存互换位置，检查告警是否随内存迁移 ③ 更换内存，检查告警是否消失 ④ 更换主板，检查告警是否消失 ⑤ 联系厂商技术支持工程师处理

（4）内存可纠正错误严重告警 (CPUN ChannelNum DimmNum Status)
告警解释	l 告警描述： Correctable ECC / other correctable memory error logging limit reached l 当内存发生可纠正错误且可纠正错误日志记录已满时，产生此告警 l 产生此告警的传感器名称为：CPUN CD Status (N 表示服务器 CPU 编号，C 表示内存 Channel号，D 表示内存 Dimm 号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 发生该告警时，内存错误可纠正，通常服务器可以继续正常使用
可能原因	l 内存发生可纠正错误
处理步骤	① 请选择合适的时间和环境更换内存，检查告警是否消失 ② 联系厂商技术支持工程师处理

6.4.4 硬盘告警说明

（1）硬盘温度过高严重告警 (HDDN Temp)
告警解释	l 告警描述： Upper Critical l 当检测到硬盘温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：HDDN Temp (N 表示 HDD 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 硬盘温度过高将导致系统读写数据能力降低，进而导致系统性能下降，甚至瘫痪，此告警持续存在将触发更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（2）硬盘温度过高紧急告警 (HDDN Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当检测到硬盘温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：HDDN Temp (N 表示 HDD 编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 硬盘温度过高会导致系统读写数据能力下降，进而导致系统性能下降，甚至瘫痪
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（3）硬盘故障严重告警 (HDDN Status)
告警解释	l 告警描述： Hot Plug l 当硬盘被拔出或故障，Raid 阵列故障或异常时，产生此告警 l 产生此告警的传感器名称为：HDDN Status (N 表示 HDD 编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 当硬盘异常或故障时，会使数据读写异常，导致系统可靠性降低，运行异常
可能原因	l 硬盘被人为拔出 l 硬盘故障
处理步骤	① 检查告警的硬盘是否被拔出，安装硬盘，检查告警是否消失 ② 重新拔插产生告警的硬盘，检查告警是否消失 ③ 更换告警相关的硬盘，检查告警是否消失 ④ 联系厂商技术支持工程师处理

（4）硬盘生命期临界严重告警 (HDDN Status)
告警解释	l 告警描述： Reach the life threshold l 当硬盘使用时长到达期限时，产生此告警 l 产生此告警的传感器名称为：HDDN Status (N 表示 HDD 编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 硬盘生命时长到达期限会导致数据异常的概率大大提高，使系统可靠性下降，运行异常
可能原因	l 硬盘生命期达到临界
处理步骤	① 做好数据的冗余备份后更换硬盘 ② 联系厂商技术支持工程师处理

（5）AIC 固态硬盘温度过高严重告警 (AICN Temp)
告警解释	l 告警描述： Upper Critical l 当检测到硬盘温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：AICN Temp (N 表示 AIC 硬盘编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 硬盘温度过高将导致系统读写数据能力降低，进而导致系统性能下降，甚至瘫痪，此告警持续存在将触发更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（6）AIC 固态硬盘温度过高紧急告警 (AICN Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当检测到硬盘温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：AICN Temp (N 表示 AIC 硬盘编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 硬盘温度过高将导致系统读写数据能力降低，进而导致系统性能下降，甚至瘫痪
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（7）M.2 固态硬盘温度过高严重告警 (M2N Temp)
告警解释	l 告警描述： Upper Critical l 当检测到硬盘温度高于严重告警阈值时，产生此告警 l 产生此告警的传感器名称为：M2N Temp (N 表示 M2 硬盘编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 硬盘温度过高将导致系统读写数据能力降低，进而导致系统性能下降，甚至瘫痪，此告警持续存在将触发更高级别的告警
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

（8）M.2 固态硬盘温度过高紧急告警 (M2N Temp)
告警解释	l 告警描述： Upper Non-Recoverable l 当检测到硬盘温度高于紧急告警阈值时，产生此告警 l 产生此告警的传感器名称为：AICN Temp (N 表示 M2 硬盘编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 硬盘温度过高会导致系统读写数据能力下降，进而导致系统性能下降，甚至瘫痪
可能原因	l 环境温度过高 l 进风口堵塞 l 出风口堵塞 l 风扇模块故障 l 数据读写量大
处理步骤	① 将服务器运行温度控制在其正常工作范围内，数分钟后查看告警是否消失 ② 检查服务器进风口和出风口是否存在堵塞，若存在堵塞则清理 ③ 检查服务器内部是否正确安装导风罩，安装导风罩，检查告警是否消失 ④ 检查服务器之间的空槽位或间隔是否已加假面板或挡板，为服务器之间的空槽位或间隔安装假面板或挡板，检查告警是否消失 ⑤ 检查是否存在频繁读写大量数据的非紧急业务，若存在则暂时关闭该业务 ⑥ 检查风扇模块是否存在告警，若存在告警则插拔或更换告警的风扇模块 ⑦ 联系厂商技术支持工程师处理

6.4.5 电源告警信息

（1）电源故障严重告警 (PSUN Status)
告警解释	l 告警描述： Power Supply Failure detected l 当检测到服务器电源模块故障时，产生此警告 l 产生此告警的传感器名称为：PSUN Status (N 表示服务器电源模块编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 电源故障时，会降低电源寿命，影响系统供电；或是单板下电，影响系统业务
可能原因	l 电源模块故障
处理步骤	① 重新插拔产生告警的电源，检查告警是否消失 ② 更换电源模块，查看告警是否消失 ③ 联系厂商技术支持工程师处理

（2）电源故障紧急告警 (PSUN Status)
告警解释	l 告警描述： Power Supply input lost (AC/DC) l 当检测到电源模块在位，但供电中断时，产生此告警 l 产生此告警的传感器名称为：PSUN Status (N 表示服务器电源模块编号)
告警属性	l 告警级别：紧急 l 可自动清除：是
对系统的影响	l 电源模块异常，影响设备供电
可能原因	l 电源线未连接 l 电源模块故障
处理步骤	① 重新拔插告警的电源模块的线缆，检查告警是否消失 ② 更换电源线缆，检查告警是否消失 ③ 更换电源模块，查看告警是否消失 ④ 联系厂商技术支持工程师处理

6.4.6 风扇告警信息

（1）风扇热插拔严重告警 (In / Out FanN Present)
告警解释	l 告警描述： Hot Plug l 风扇发生热插拔时，产生此告警 l 产生此告警的传感器名称为：In / Out FanN Present (N表示服务器风扇编号)
告警属性	l 告警级别：严重 l 可自动清除：是
对系统的影响	l 影响系统散热功能，降低设备性能
可能原因	l 风扇被热插拔 l 风扇与主板或硬盘背板接触不良
处理步骤	① 检查风扇是否被插拔过 ② 更换风扇模块，检查告警是否消失 ③ 联系厂商技术支持工程师处理

6.5 根据故障码诊断

用户可通过开机BIOS自检界面的POST代码，快速、准确地诊断发生故障的组件及其故障信息，同时结合BMC系统中的事件日志，以便获取该组件的详细故障信息。从而帮助用户快速排除故障，使服务器各组件和系统保持良好的运行状况。下表反应了不同代码所代表的不同故障描述与反馈。

表6‑2检查点范围

状态代码范围	描述
0x01–0x0B	执行SEC
0x0C–0x0F	Sec错误
0x10–0x2F	PEI执行截止于内存检测
0x30–0x4F	内存检测后执行PEI
0x50–0x5F	PEI错误
0x60–0x8F	DXE执行BDS
0x90–0xCF	执行BDS
0xD0–0xDF	DXE错误
0xE0–0xE8	S3重启(PEI)
0xE9–0xEF	S3重启的错误(PEI)
0xF0–0xF8	恢复(PEI)
0xF9–0xFF	恢复的错误(PEI)

表6‑3标准检查点：SEC阶段

状态代码	描述
0x00	注意使用
过程代码	描述
0x01	启动，复位检测（软/硬）
0x02	加载微码前进行AP初始化
0x03	加载微码前进行北桥初始化
0x04	加载微码前进行南桥初始化
0x05	加载微码前进行OEM初始化
0x06	加载微码
0x07	加载微码后进行AP初始化
0x08	加载微码后进行北桥初始化
0x09	加载微码后进行南桥初始化
0x0A	加载微码后进行OEM初始化
0x0B	高速缓存初始化
SEC错误的代码	描述
0x0C–0x0D	用于保留可能出现的AMISEC错误的代码
0x0E	没有发现微码
0x0F	没有发现微码

表6‑4标准检查点：PEI阶段

进程代码	描述
0x10	PCI核启动
0x11	开启预内存初始化
0x12	预内存CPU初始化（CPU模块具体话）
0x13	预内存CPU初始化（CPU模块具体话）
0x14	预内存CPU初始化（CPU模块具体话）
0x15	开启预内存北桥初始化
0x16	预内存北桥初始化（北桥模块具体化）
0x17	预内存北桥初始化（北桥模块具体化）
0x18	预内存北桥初始化（北桥模块具体化）
0x19	开启预内存北南桥初始化（南桥模块具体化）
0x1A	开启预内存北南桥初始化（南桥模块具体化）
0x1B	开启预内存北南桥初始化（南桥模块具体化）
0x1C	开启预内存北南桥初始化（南桥模块具体化）
0x1D–0x2A	OEM的预内存初始化代码
0x2B	内存初始化，读取串行存在检测（SPD）数据
0x2C	内存初始化，内存存在检测
0x2D	内存初始化，内存进程时序信息
0x2E	内存初始化，配置内存
0x2F	内存初始化（其他）
0x30	保留ASL
0x31	安装内存
0x32	开启CPU的内存配置后的初始化
0x33	高速缓存初始化
0x34	应用程序初始化
0x35	启动捆绑处理器（BSP）的选择
0x36	系统管理模式初始化（SMM）
0x37	开启内存配置后的北桥初始化
0x38	内存配置后北桥配置（具体的北桥模块）
0x39	内存配置后北桥配置（具体的北桥模块）
0x3A	内存配置后北桥配置（具体的北桥模块）
0x3B	开启内存配置后的南桥初始化
0x3C	内存配置后南桥配置（具体的南桥模块）
0x3D	内存配置后南桥配置（具体的南桥模块）
0x3E	内存配置后南桥配置（具体的南桥模块）
0x3F–0x4E	内存配置后OEM初始化代码
0x4F	开启DXEPIL
PCI错误的代码	描述
0x50	内存初始化错误。Memoryinitializationerror.内存类型无效或不兼容的内存速度
0x51	内存初始化错误。读取SPD故障
0x52	内存初始化错误。Memoryinitializationerror.无效的内存大小活内存模块不匹配
0x53	内存初始化错误，没有检测到可用内存
0x54	未指定内存初始化错误
0x55	未安装内存
0x56	无效的CPU类型或速度
0x57	CPU不匹配
0x58	CPU自测故障或可能的CPU高速缓存错误
0x59	未发现CPU微码或者微码更新故障
0x5A	内部CPU错误
0x5B	复位PPI不可用
0x5C–0x5F	保留未来的AMI错误代码
S3重启进程代码	描述
0xE0	开启S3重启(S3重启PPI由DXEIPL控制)
0xE1	执行S3开机脚本
0xE2	视频转贴
0xE3	调用OSS3唤醒向量
0xE4–0xE7	保留未来AMI进程代码
S3重启错误代码	描述
0xE8	S3重启故障
0xE9	未发现S3重启PPI
0xEA	S3重启开机脚本错误
0xEB	S3OS唤醒错误
0xEC–0xEF	保留未来的AMI错误代码
恢复进程代码	描述
0xF0	由固件引起的恢复（自动恢复）
0xF1	有用户引起的恢复（强制恢复）
0xF2	开启恢复进程
0xF3	发现恢复固件映像
0xF4	加载恢复固件映像
0xF5–0xF7	保留未来的AMI进程代码
恢复错误的代码	描述
0xF8	恢复PPI无效
0xF9	未发现恢复保护
0xFA	无效的回复保护
0xFB–0xFF	保留未来的AMI错误代码

表6‑5标准检查点：DXE阶段

状态代码	描述
0x60	开启DXE内核
0x61	NVRAM初始化
0x62	初始化南桥运行时的服务
0x63	开启CPUDXE初始化
0x64	CPUDXE初始化（具体的CPU模块）
0x65	CPUDXE初始化（具体的CPU模块）
0x66	CPUDXE初始化（具体的CPU模块）
0x67	CPUDXE初始化（具体的CPU模块）
0x68	PCI主桥初始化
0x69	开启北桥DXE初始化
0x6A	开启北桥DXESMM初始化
0x6B	北桥DXE初始化（具体的北桥模块）
0x6C	北桥DXE初始化（具体的北桥模块）
0x6D	北桥DXE初始化（具体的北桥模块）
0x6E	北桥DXE初始化（具体的北桥模块）
0x6F	北桥DXE初始化（具体的北桥模块）
0x70	开启南桥DXE初始化
0x71	开启南桥DXESMM初始化
0x72	南桥设备初始化
0x73	南桥初始化（具体的南桥模块）
0x74	南桥初始化（具体的南桥模块）
0x75	南桥初始化（具体的南桥模块）
0x76	南桥初始化（具体的南桥模块）
0x77	南桥初始化（具体的南桥模块）
0x78	ACPI模块初始化
0x79	CSM初始化
0x7A–0x7F	保留未来的AMIDXE代码
0x80–0x8F	OEMDXE初始化代码
0x90	开启启动设备选择阶段(BDS)
0x91	开启驱动连接
0x92	开启PCI总线初始化
0x93	PCI总线热插拔控制器初始化
0x94	PCI总线枚举
0x95	PCI总线请求资源
0x96	PCI总线配置资源
0x97	控制台输出设备连接
0x98	控制台输入设备连接
0x99	超IO初始化
0x9A	开启USB初始化
0x9B	USB复位
0x9C	USB检测
0x9D	启动USB
0x9E-0x9F	保留未来的AMI代码
0xA0	开启IDE初始化
0xA1	IDE复位
0xA2	IDE检测
0xA3	启动IDE
0xA4	开启SCSI初始化
0xA5	SCSI复位
0xA6	SCSI检测
0xA7	启动SCSI
0xA8	设置验证密码
0xA9	开始安装
0xAA	保留ASL
0xAB	设置输入等待
0xAC	保留ASL
0xAD	启动就绪事件
0xAE	旧式启动事件
0xAF	退出启动服务事件
0xB0	开始运行时设置的虚拟地址映射
0xB1	结束运行时设置的虚拟地址映射
0xB2	旧式选项ROM初始化
0xB3	系统复位
0xB4	USB热插拔
0xB5	PCI总线热插拔
0xB6	清空NVRAM
0xB7	配置复位（复位NVRAM设置）
0xB8–0xBF	保留AMI代码
0xC0–0xCF	OEMBDS初始化代码
DXE错误的代码	描述
0xD0	CPU初始化错误
0xD1	北桥初始化错误
0xD2	南桥初始化错误
0xD3	一些构架协议无效
0xD4	PCI资源分配错误，超过资源
0xD5	没有空间提供给就是选项ROM
0xD6	未发现控制台输出设备
0xD7	为发现控制台输入设备
0xD8	密码无效
0xD9	错误加载引导选项（载入图像返回错误）
0xDA	启动选项故障（开始图像传回错误）
0xDB	闪存更新故障
0xDC	协议复位失效

表6‑6标准检查点：ACPI/ASL检查点阶段

状态代码	描述
0x01	系统进入S1睡眠状态
0x02	系统进入S2睡眠状态
0x03	系统进入S3睡眠状态
0x04	系统进入S4睡眠状态
0x05	系统进入S5睡眠状态
0x10	系统从S1睡眠状态中唤醒
0x20	系统从S2睡眠状态中唤醒
0x30	系统从S3睡眠状态中唤醒
0x40	系统从S4睡眠状态中唤醒
0xAC	系统已经转变成ACPI模式。中断控制器存在APIC模式
0xAA	系统已经转变成为ACPI模式，中断控制器存在于APIC模式

6.6 根据指示灯诊断

在进行指示灯诊断前，需了解不同指示灯不同状态的具体说明。本章主要介绍电源开关指示灯、Health指示灯、UID指示灯以及硬盘指示灯。

其中，电源开关指示灯、Health指示灯、UID指示灯一般位于前置面板上，由BMC控制。常见的前置面板类型及面板上的相关按钮，如图6.11。

图6.11前面板示意图

前置板上右箱耳的详细说明，如图6.12。

图6.12右箱耳示意图

6.6.1 电源开关指示灯

电源开关指示灯的相关说明如表6‑7。

表6‑7电源开关指示灯说明

按键	符号	状态	功能说明
电源按键		绿色常亮	系统处于S0状态
		绿色闪烁	系统处于S1状态（最佳）
		黄色常亮	系统处于S4，S5状态
		不亮	系统处于G3状态

6.6.2 Health指示灯

Health指示灯的相关说明如表6‑8。

表6‑8 Health电源指示灯说明

指示灯	符号		状态	功能说明
Health		红色常亮		检测到关键系统故障（处理器、内存、电压调节器、热事件、风扇故障等）
		红色闪烁（1Hz）		系统降级；未出现关键故障
		不亮		系统正常

6.6.3 UID指示灯

UID指示灯的相关说明如表6‑9。

表6‑9 UID指示灯说明

按键

符号

功能说明

ID按键

短按ID按键或HDM下点击UID虚拟按钮：开/关IDLED，用于服务器定位与识别；

长按ID按键：ResetBMC；

6.6.4 硬盘背板指示灯

每个硬盘配有两个LED指示灯，分别为Active指示灯和Status指示灯，如图6.13所示。

图6.13硬盘指示灯示意图

Active指示灯为绿色单色LED指示灯，Locate/ERR指示灯为蓝色与黄色双色LED指示灯，通过观察这两个指示灯的状态变化，可以获取硬盘工作的状态。如表6‑10所示。

表6‑10 SAS/SATA硬盘状态指示灯显示说明

Active	Locate/ERR	功能说明
灭	灭	不在位或故障
绿色常亮	灭	工作正常无数据读写
绿色闪烁	灭	工作正常有数据读写
绿色常亮	蓝色常亮	被定位
绿色闪烁	黄色闪烁1Hz	所在RAID组在进行重构
绿色常亮	黄色闪烁4Hz	即将故障
绿色常亮	黄色常亮	硬盘故障

U.2硬盘状态指示灯如表6‑11所示。

表6‑11 U.2硬盘状态指示灯显示说明

Active	Locate/ERR	功能说明
灭	灭	不在位
绿色常亮	灭	工作正常无数据读写
绿色闪烁	灭	工作正常有数据读写
灭	黄色闪烁	可进行热插拔
绿色常亮	黄色常亮	硬盘故障

6.7 根据故障现象诊断

6.7.1 RAID卡问题

（1）服务器搭配LSI SAS HBA卡（卡下连接装有OS的系统盘），反复对服务器上下电操作，小概率出现无法正常进入系统的情况。

产生原因

控制器下未指定系统启动盘，导致重启后BIOS无法在控制器下找到系统盘，从而无法正常引导操作系统。

解决方案

① 进入SAS卡Option ROM界面，在SAS Topology下展开硬盘列表，按Alt+B将OS所在硬盘设置为Boot（键入Alt+B）项，如下图：

② 在Advanced Adapter Properties->Advanced Device Properties目录下，设置可启动设备数量，如下图：

注：若SAS卡连接了系统盘，建议将Maximum INT 13 Devices for this Adapter设置为1；若SAS卡只连接数据盘，无OS启动盘，建议将Maximum INT 13 Devices for this Adapter设置为0。

设置成功后，在POST界面以及BIOS启动列表中，将只显示对应数量的硬盘，不再显示全部硬盘。

（2）硬盘上电状态下，拔出RAID1组列下的两块硬盘，插入另一机器RAID卡下时，在BMC Web页面显示的状态不一致。

产生原因

该现象因硬盘上电状态下拔盘导致。先拔出来的盘，硬盘DDF(disk data format)中RAID组列的状态仍记录为optimal，而后拔出来的盘，因RAID组列降级，DDF中的RAID组列状态将更新为degraded。进而导致两块盘插入新卡下后，storlib读取到的两块盘为两种状态。出现该现象时，BMC的存储系统或RAID卡可以正常地将两块硬盘import为一个RAID组列。

解决方案

此配置若要拔盘，请在下电的情况下拔。

（3）RAID卡在开机自检阶段hang92。

产生原因

出现RAID卡自检时卡住，大概率由于RAID卡的Option ROM在执行中出现了挂死现象。

解决方案

① 如出现问题前升级过RAID卡固件，则检查RAID卡与BIOS版本是否配套，如无法确认，请联系技术支持。若有硬盘扩展板，则重点关注硬盘扩展板与RAID卡固件是否配套。

② 登录BMC Web页面，查看event log中是否有超级电容或硬盘故障等相关告警，如存在告警，则更换相关部件。

③ 在BMC Web页面的资产信息中，查看物理盘信息是否准确。若存在物理盘信息对应不上的情况，需排查线缆、背板及相关硬盘是否存在故障。

④ 确认逻辑盘状态是否正常。若不正常，则先查看是否有RAID成员盘异常，有则更换异常硬盘。若无 RAID 成员盘异常，则查看是否逻辑盘处于 Offline 状态，恢复为 Online 后再重新启动确认故障是否解决。

⑤ 更换RAID卡，查看问题是否解决。

⑥ 若问题仍然存在，请联系技术支持。

（4）更换同型号RAID卡后，发现原RAID卡的硬盘数据无法被识别和使用。

产生原因

更换后的RAID卡的current personality不为 RAID模式，导致用户无法识别和使用含有 RAID数据的硬盘。

解决方案

① 将RAID卡的current personality改为 RAID模式，保存配置并重启服务器。

② 若问题仍然存在，请联系技术支持。

6.7.2 硬盘问题

（1）操作系统日志上报硬盘故障，如“I/O error”、“Hardware Error”、“Medium Error”等。

产生原因

硬盘损坏。

RAID卡与硬盘间的链路出现异常，导致硬盘无法正常读写。

解决方案

① storcli工具：storcli call//eall/sall show all确定硬盘SN号与slot号；storcli /cx/ex/sx start locate对故障盘进行点灯、定位。

② 收集raid卡日志、BMC日志、硬盘日志，进一步联系技术支持。

（2）操作系统无法识别硬盘。

产生原因

硬盘背板供电异常。

硬盘安装不到位。

硬盘故障。

硬盘在存储控制卡下未创建 RAID 或配置为直通盘。

存储控制卡驱动未安装或版本过低。

NVMe 硬盘驱动未安装。

解决方案

① 确保硬盘安装到位。

② 查询硬盘Present/Active指示灯，指示灯常亮/闪烁，说明硬盘背板供电正常；否则，请通过交叉验证的方法，查看硬盘背板、硬盘电源线缆是否存在异常。

③ 通过BIOS下的RAID卡控制界面，确认当前硬盘是否可以被RAID卡识别。如果不能识别，执行步骤④。如果可以识别，执行步骤⑤。

④ 确认硬盘是否已创建RAID或配置为JBOD盘，创建RAID或配置为JBOD盘后，操作系统才能识别到该硬盘。

⑤ 确认RAID卡的驱动版本，建议更新到最新驱动版本。

⑥ 若问题仍然存在，请联系技术支持。

（3）硬盘Fault/UID指示灯橙灯常亮或闪烁。

产生原因

硬盘处于热插入过程中。

硬盘完成预知性热拔出流程。

硬盘预告性故障报警。

硬盘故障。

解决方案

① 通过硬盘 Fault/UID 指示灯位置，确认故障硬盘所在槽位号。

② 确认硬盘类型，并按如下处理步骤进行排查，若仍存在异常，执行步骤③。

ü 若为SAS/SATA硬盘，请尝试重新插拔硬盘，确认是否可以恢复正常。

ü 若为NVMe硬盘，请根据硬盘 Fault/UID 指示灯判断处理方式。

s 硬盘 Fault/UID 指示灯橙色闪烁时无需处理。

s 硬盘 Fault/UID 指示灯橙色常亮，请尝试重新插拔硬盘，确认是否可以恢复正常。

③ 做好业务数据备份工作后更换对应槽位硬盘。

④ 若问题仍然存在，请联系技术支持。

（4）更换RAID组列中的硬盘后，虚拟盘重建失败。

产生原因

 更换的新硬盘异常。

解决方案

① 检查并确保新成员盘的容量大于等于故障成员盘。若新成员盘容量小于故障成员盘，会导致逻辑盘重建失败。

② 检查并确保RAID卡线缆连接正确、稳固无松动。

③ 确认新成员盘能否被RAID卡正常识别。

（5）BMC提示硬盘Drive Fault或Offline告警。

产生原因

BMC、BIOS版本过低。

硬盘离线。

硬盘本体故障。

硬盘线缆、RAID卡、硬盘背板以及硬盘扩展板未正确安装或已出现故障。

解决方案

① 确认OS或BIOS下硬盘是否可以识别。如果两者任意一个可以识别，请升级BMC、BIOS至最新版本。

② 升级硬盘固件至最新版本；若RAID卡连接了硬盘扩展板，请同步升级硬盘扩展板固件到官网最新版本。

③ 请通过交叉验证方法，依次排查存储控制卡、硬盘、硬盘背板、硬盘扩展板及其配套线缆的链路问题。若故障跟随某一部件出现，则更换该部件。

④ 若问题仍然存在，请联系技术支持。

（6）根据软硬件配置设定好NVMe配置后，NVMe盘位插SATA盘不能识别，SATA盘位插NVMe盘不能识别；如果后期更换主板，并且没有对应刷写命令，会出现原机器识别NVMe的盘位只能识别SATA。

产生原因

该机型NVME功能，除需要硬件线缆适配外，还需要通过更改 FRU中的‘Board Extra’ 字段进行对应实现。

解决方案

通过更改 FRU中的‘Board Extra’ 字段进行对应实现，命令为： ipmitool -I lanplus -H <BMC IP> -U admin -P Password@_ fru edit 0 field b 5 xxxxxxx

命令中的‘xxxxxxx’对应如下列表中的‘Board Extra’列：

序号	NVME实现数量	Board Extra	备注
1	0	0000000	/
2	个数≤4	1001111	/
3	4<个数≤8	1401111	Retimer卡插在RiserB上
4	4<个数≤8	1201111	Retimer卡插在RiserA上

备注:从 ‘生产/逆向/客户’ 流到用服的整机或备件，都是可以直接刷写‘Board Extra’ 字段,所以不需要调用NVME配置软件‘0502A9SB’（PDM已发布）；若无法刷写成功，预计需要反查对应主板的来料过程。

6.7.3 网卡问题

（1）新安装的网卡无法正常识别或工作。

产生原因

PCIe连接问题。

网卡不兼容已安装的光模块，或光模块/线缆安装不到位。

网卡、线缆、光模块或其他部件如Riser等发生故障。

服务器硬件配置问题，如槽位不匹配、CPU不在位等。

网卡的固件或驱动版本过低。

网卡与服务器不兼容。

网卡的固件或驱动版本与操作系统不兼容。

解决方案

① 通过兼容性列表查询，该网卡是否符合服务器兼容性要求。

② 在服务器启动过程中，进入BIOS Setup界面，查看网卡能否被正常识别。

（UEFI启动模式与Legacy启动模式有所不同：从UEFI启动，需再Advanced页面，查看是否有网卡配置项；从Legacy启动，需查看POST阶段，是否有对应网卡的打印信息。）

③ 将网卡的固件和驱动版本升级为满足兼容要求的最新版本。

④ 若网卡能被BIOS识别，则继续以下步骤排查故障原因：

ü 确保PCIe连接正常。

ü 检查金手指、插槽及接口的物理形态是否正常。

ü 检查网卡和光模块的兼容性。

ü 使用正常工作的光模块进行交叉验证。

ü 检查网卡的固件和驱动是否为满足要求的最新版本。

⑤ 若网卡不能被BIOS识别，则表明网卡或槽位发生硬件故障。需交叉验证，在定位故障部件后需进行进一步地更换。

⑥ 若问题仍存在，请联系技术支持。

（2）PXE启动打印错误信息，无法进入PXE环境。

产生原因

网卡不支持PXE Boot功能。

BIOS Setup中PXE功能或网口的PXE功能被禁用。

网卡Boot Protocol未设置为PXE方式，导致服务器无法从PXE启动。

解决方案

⑦ 查看官网上的网卡datasheet，确认该网卡是否支持PXE Boot。如果否，请更换一个支持PXE Boot的网卡。

⑧ 进入BIOS Setup检查PXE相关功能是否已启用。

⑨ 服务器启动过程中，网卡自检时，按Ctrl+s进入网卡参数配置界面，确认Boot Protocl是否为PXE。

（3）Mellanox网卡通过PXE启动装Windows 2012 R2系统时，启动失败，报“modnic_device_start_modnic failed to initialize device(Status=-5)”错误。

产生原因

由Mellanox网卡的驱动与Windows 2012 R2系统存在兼容性差异导致。

解决方案

下载ucrtbase.dll补丁文件，将文件放入C:\Windows\SysWOW64下，再重新安装驱动。

（4）网讯网卡在VMware ESXi系统下安装网卡驱动时，会报“Dependency Error”，导致安装失败。

产生原因

目前网迅全系列网卡都未经过VMware认证，且此厂商目前没有VMware认证计划。

解决方案

输入命令：esxcli software acceptance set --level=CommunitySupported，将系统接收软件的级别降低即可安装成功。

（5）搭配有Mellanox网卡的服务器安装完Windows 2012 R2系统后，在系统下安装网卡驱动会报：“error 2707.Target path not created. No path exits for entry System order in Directory table”的错误。

产生原因

由Mellanox网卡的驱动与Windows 2012 R2系统存在兼容性差异导致。

解决方案

下载ucrtbase.dll补丁文件，将文件放入C:\Windows\SysWOW64下，再重新安装驱动即可。

6.7.4 风扇问题

（1）风扇转速过高，噪声过大。

产生原因

当前散热策略选择不当。

风扇损坏。

工作温度过高，通风不畅。

服务器内部通风环境不良，有异物阻塞风道。

固件版本过低。

当前服务器loading过高，功耗过大。

解决方案

① 检查并确保机箱中没有异物、所有风扇接口完好无损，确保所有风扇均正确安装到位。

② 检查并确保服务器通风正常，出风口和入风口没有被异物阻塞。

③ 检查并确保服务器工作环境温度符合要求。

④ 登录BMC WEB检查当前散热策略。

⑤ 检查BMC WEB->系统信息->历史记录，查询当前服务器负载和功耗情况。

⑥ 升级固件（BIOS/BMC/CPLD）至最新版本。

（2）服务器正常运行时：某一个在位风扇以全速转或接近全速转的速率运行，其余风扇转速正常。

产生原因

风扇异常。

主板上对应的风扇接风口异常。

解决方案

① 检查该风扇接口，确保其完好无损坏。

② 使用正常工作的同型号风扇，进行交叉验证。

（3）服务器正常运行时，所有在位风扇接近全转速。

产生原因

风扇调速模式选择不当。

服务器运行功耗过高。

BMC、BIOS、主板CPLD固件版本过低。

风扇当前的安装规则，不符合系统要求的风扇安装准则。

风扇未安装到位。

风扇异常。

外部工作环境温度过高。

服务器通风环境不良。

机箱内存在异物。

解决方案

① 检查并确保机箱中没有异物、所有风扇接口完好无损。

② 重新安装所有风扇，确保所有风扇均正确安装到位。

③ 检查并确保服务器通风正常，出风口和入风口没有被异物阻塞。

④ 检查并确保服务器工作环境温度符合要求，详细信息请参见服务器用户指南。

⑤ 在BMC WEB界面，手动调节风扇的运行模式，将风扇以较低的速率运转。

⑥ 将BMC、BIOS、主板CPLD固件版本，均升级至最新版本。

⑦ 使用正常工作的同型号风扇，与原来所有风扇逐个进行交叉验证。

6.7.5 内存问题

内存安装准则

安装内存前

做好防静电措施：穿上防静电工作服；正确佩戴防静电腕带并良好接地；去除身体上携带的易导电物体（如首饰、手表）。

检查内存金手指和插槽，确保金手指是否脱落、插槽中没有异物。

取放内存时

务必仅拿住内存两侧的边缘，不要用多根手指紧握内存。

避免触摸内存两侧的颗粒、底部的金手指。

安装内存前

内存不支持热插拔。

确保相应的CPU已安装到位。

不同规格（类型、容量、Rank、数据宽度、频率）的 DRAM 不支持混插，不同规格的DCPMM不支持混插。即一台服务器上配置的所有DRAM产品编码必须相同，所有DCPMM产品编码必须相同。

DRAM和DCPMM尽量分布在不同的通道上，以提升内存访问带宽。

详细的内存安装准则，请参见产品用户指南。

（1）内存安装位置错误告警，服务器卡在POST界面。

产生原因

内存位置安装错误。

解决方案

根据BMC告警信息，确认出现问题的内存槽位。

参考服务器用户指南内存安装准则，重新安装内存。

若问题仍存在，请联系技术支持。

6.7.6 显卡/GPU问题

（1）Cambricon MLU100-C3/C4 GPU在安装驱动后，Linux无法启动。

产生原因

该GPU卡中带有PCIe Switch，安装驱动后PCIe资源分配错误造成Linux无法启动。

解决方案

先拔出该卡或移除该卡的供电线缆，正常开机后按如下方法修改Linux内核参数（以CentOS7.x为例）：

① Legacy模式请修改/boot/grub2/grub.cfg。

② UEFI模式请修改/boot/efi/EFI/centos/grub.cfg。

③ 在kernel后增加参数pci=realloc=on后保存。

④ 重启服务器，操作系统可以正常启动。

6.7.7 BIOS问题

（1）系统上电后，BIOS POST阶段挂死，无法进入启动项或无法进入BIOS Setup。

产生原因

CPU、内存、PCIe 卡、硬盘、USB 等硬件初始化故障引起的挂死。

BIOS 配置选项引起的挂死。

非稳态升级 BIOS 版本引起的挂死。

解决方案

① 登录BMC界面，查看事件日志，确认传感器是否提示存在设备故障。若有故障提示，请按对应的处理建议排除故障。

② 无传感器故障时，将服务器电源断开，进行AC下电操作。取下主板上纽扣电池，静置3分钟清除CMOS，CMOS清除完后再将纽扣电池装回原位置，重新进行AC上电操作。此时查看故障是否顺利解决。

③ 登录BMC界面，升级BIOS、BMC版本查看问题是否解决。

④ 确认服务器上是否存在 USB 设备，移除 USB 设备后重启确认故障是否解除。

⑤ 确认服务器上是否存在SATA/SAS硬盘，逐步移除硬盘设备后重启确认是否故障解除，通过排查确认故障硬盘后解除故障。

⑥ 若问题仍然存在，请联系技术支持。

6.7.8 BMC问题

（1）BMC WEB界面无法正常访问。

产生原因

BMC管理口的IP地址与笔记本的IP地址不在同一网段。

BMC管理口未连接网线或网络连接处于异常状态。

服务器进入了BIOS Setup界面。

解决方案

① 检查BMC管理口的IP地址与笔记本的IP地址是否在同一网段。

② 检查BMC管理口是否正确连接了网线。

③ 查看服务器是否进入了BIOS Setup界面。若是，则保存配置并退出，正常进入系统即可。

④ 若问题仍然存在，请联系技术支持。

6.7.9 屏幕显示问题

（1）服务器上电后，启动异常，且出现黑屏现象。

产生原因

服务器外部供电不足。

内存安装位置错误。

服务器故障。

显示器故障。

解决方案

① 检查本故障发生时服务器前面板指示灯（包括 Health 指示灯等）是否都不亮。

② 观察服务器 Health 指示灯是否存在异常。若 Health 指示灯显示系统出现问题，请通过BMC查看系统运行状态。

③ 请确保内存安装符合服务器的内存安装准则，安装准则请参见产品用户指南。错误的安装位置会导致服务器启动异常。

④ 采用交叉验证的方法，确认服务器或显示器是否故障。

（2）服务器在运行过程中，显示器突然黑屏。

产生原因

显示器电源线连接不良或供电不符合要求。

显示器与服务器之间的 VGA 线缆连接不良。

显示器亮度、对比度未正确设置。

显示器故障。

服务器故障。

解决方案

① 检查显示器的外部供电，确保供电正常，若显示器的指示灯亮则表明连接正确。

② 检查显示器和服务器之间的 VGA 线缆，确保连接正确可靠。

③ 调节显示器的亮度和对比度，确认故障是否仍然存在。是，则执行步骤④。

④ 将服务器下电，然后重新上电，确认故障是否存在。是，则执行步骤⑤。

⑤ 采用交叉验证的方法，确认服务器或显示器是否故障。

若故障现象跟随显示器出现，则更换显示器；若故障现象跟随服务器出现，请联系技术支持确认服务器问题。

6.7.10 指示灯问题

（1）服务器上前面板指示灯同时不亮， BMC无法连接。涉及指示灯类型如下：

Health 指示灯

系统电源指示灯

UID 指示灯

网口指示灯

硬盘指示灯

电源模块状态指示灯

产生原因

服务器外部供电异常。

电源线缆连接松动。

电源模块未正确安装到位。

服务器电源模块故障。

服务器主板故障。

解决方案

① 检查外部供电，确保外部供电正常；

② 检查所有的电源线缆，重新安装电源线缆，确保线缆稳固无松动；

③ 重新正确安装电源模块。若问题仍然存在，请执行步骤④；

④ 使用正常工作的同型号电源模块，进行交叉验证：

若问题解决，说明原电源模块故障，请更换；若问题仍然存在，则说明主板出现故障，请联系技术支持。

6.7.11 其它综合问题

（1）服务器正常运行过程中自动关机。

产生原因

服务器外部供电异常。

• 服务器被执行了关机操作。

• 服务器中部件温度过高。

• 服务器外部环境温度过高。

• 硬件故障。

• 软件异常。

解决方案

① 在BMC Web界面的事件日志中，查阅是否有供电异常的记录；同时，检查服务器的外部供电是否正常。

② 在BMC Web界面的事件日志中，查阅是否有关机键被按下的记录，即查阅是否是人为触发了关机操作。

③ 在BMC Web界面的事件日志中，查阅是否有温度过高的报警信息。

④ 检查并确保机房温度满足服务器的工作环境温度。机房温度过高可能会导致服务器自动关机，服务器的工作环境温度请参见产品用户指南。

⑤ 收集操作系统日志：分析Dmesg、Message 等日志是否有硬件异常告警信息，根据该信息排查对应硬件；分析是否有操作系统层或者业务层相关告警信息，如果存在相关告警信息请联系相关厂家。

（2）安装新部件后，服务器无法正常启动或者部件无法正常工作。

产生原因

服务器不兼容该部件。

该部件未安装到位。

该部件的固件或驱动版本过低。

该部件故障。

解决方案

① 确保服务器兼容该部件，兼容性可通过服务器兼容的部件查询工具查询。

② 确保部件和相关线缆均正确安装到位，线缆稳固无松动。且部件安装过程中，没有遗漏相关组件（比如线缆）。

③ 检查系统能否识别该部件，并确保部件的固件和驱动，均更新为最新版本。

④ 将新部件安装到其他正常的服务器上，通过交叉验证的方法，检查新部件是否故障。

⑤ 若问题仍然存在，请联系技术支持。

（3）USB设备连接至服务器的任意USB接口上，均无法被BIOS或者操作系统识别。

产生原因

USB设备故障。

BIOS下未开启服务器上的任意USB接口的功能，此时任何连接至这些接口上的USB设备将会被禁用。

主板上的USB接口故障。

解决方案

① 在 BIOS 中开启服务器上所有 USB 接口的功能。

② 将接入的该 USB 设备替换为正常工作 USB 设备，进行交叉验证。

若问题解决，说明该USB设备故障，请更换。若问题仍然存在，说明主板上的USB接口故障，请联系技术支持。

7 版本升级

7.1 机型固件

服务器固件升级主要包括：BIOS固件升级和BMC固件升级。

7.1.1 BIOS固件升级

（1）EFI Shell 刷写

①将BIOS FW文件夹拷贝到U盘，将U盘插到服务器；

②开机/重启服务器，启动到Shell下；

③FS*即为所插U盘盘符，输入”FS*：”进入到U盘目录；

④进入到FW文件及刷写脚本所在路径（注意FW文件需与刷写脚本在同一路径下），执行efiflash.nsh进行刷写；

⑤关机断AC，再次上电启动才能使新版BIOS生效，进入Setup界面， F3恢复默认值F4保存设置并退出。

（2）BMC Web刷写（推荐使用方法）

①远程登录BMC，用户名admin，密码Password@_；

②打开“系统维护”菜单下的“BIOS固件更新”选项；

③点击“选择文件”选取FW文件，如“ R4930-***.rom ”，点击“开始固件更新”；

④“固件更新提示”弹出，点击“确定”；

⑤上传成功后，点击“开始更新”来更新BIOS，更新过程中禁止断电（点击“取消”则取消更新BIOS）；

⑥“BIOS固件更新提示”弹出，点击“确定”；

⑦刷新成功后，弹出如下提示，点击“确定”；

⑧BMC Web刷新支持服务器开机状态下刷写；关机断AC，再次上电启动才能使新版BIOS生效，重启后，进入Setup界面， F3恢复默认值F4保存设置并退出。

（3）操作系统下刷新方法（Linux 64位）

①开机进入操作系统，将BIOS FW文件夹拷贝到系统下；打开命令行界面，进入到FW文件及刷写脚本所在路径（FW文件需与刷写脚本在同一路径下），执行linuxflash.sh进行刷写；

②关机断AC，再次上电启动才能使新版BIOS生效，进入Setup界面， F3恢复默认值F4保存设置并退出；

（4）检验方法如下：

①更新完BIOS后，机器在POST界面显示为H3C Logo：

②进入BIOS Setup界面，查看BIOS版本信息：

③ 登录BMC主界面查看，“仪表盘”页面下的“固件版本信息”：

7.1.2 BMC固件升级

（1）DOS盘刷新方法：

①将BMCFW刷新文件夹拷贝到USB启动盘；

②服务器开机从U盘启动，进入到FW文件及刷写脚本所在路径，运行upFW.bat文件进行刷写；

③提示刷新成功后，关机/断开AC，再次上电开机检查版本信息。

注意：刷写过程不能断电！

（2）BMC Web界面刷新方法：

①远程登录IPMI，用户：admin，密码：Password@_；

②打开“系统维护”菜单下的“BMC固件更新”选项；

③“保存所有配置”选项不勾选，点击“选择文件”选取FW文件，点击“开始固件更新”；

④“固件更新提示”弹出，点击“确定”；

⑤上传成功后，点击“开始更新“进行BMC更新，更新过程中禁止断电；

⑥刷新成功后，弹出如下提示，点击“确定”，2分钟后可重新登录管理界面，BMC Firmware刷新过程结束。

（3）Linux 64位(CentOS 7.4)下刷新方法：

①开机进入操作系统，将BMC FW文件以及对应刷写工具拷贝到系统下；打开命令行界面，进入到FW文件及刷写脚本所在路径（注意刷写脚本需与FW文件在同一路径下），先执行chmod 777 socflash_x64，修改权限；

②执行sh upFW.sh进行刷写；

③待刷写完毕后，关机/断开AC，再次上电开机检查版本信息；

（4）检验方法如下：

①BIOS查看。开机进入BIOS Setup界面，“Server Mgmt”中BMC Firmware Revision，如下图。

②登录BMC主界面查看。登录界面Logo和BMC主系统左上角logo为Sugon Logo。

③在系统摘要—固件版本信息中查看，进入后如下图：

④通过本地系统ipmitool或远程系统ipmitool查看。显示Firmware Revision版本，如下图：

7.2 部件固件

7.2.1 RAID卡固件升级

固件升级可以采用UEFI下刷写和Linux下刷写两部分，下文以9361-8i卡为例，进行详细说明。

（1）UEFI刷新

①进入LSI 9361-8i RAID卡的管理界面，查看FW Package Version，如果为目标固件，则不需要刷新。如果不是，则进入第二步刷新此Firmware；

②进入BIOS，选择从UEFI: Built-in EFI Shell启动项启动，如下图所示：

④ 在EFI Shell下输入命令‘fs0:’，进入Firmware所在U盘，如下图：

⑤ 进入Firmware所在路径，执行升级命令：storcli.efi /c0 download file=0132.rom noverchk，如下图：（图片仅供参考）

⑤等待刷新结束，刷新过程中注意不要掉电或关机，不要移除存放Firmware的U盘；

⑥刷新结束后重启。

（2）Linux下刷写

①进人Linux系统，安装阵列卡管理工具，进入/opt/MegaRAID/storcli/路径，执行升级命令：./storcli64 /c0 download file=0132.rom，，如下图：

图片包含游戏机, 截图

描述已自动生成

②等待刷新结束，刷新过程中注意不要掉电或关机，不要移除存放Firmware的U盘；

③刷新结束后重启。

（3）检验方法

①检查RAID卡的FW Package Version为24.21.0-0132，Revision为4.680.00-8527。刷新后如下图：

（4）注意事项

①刷新过程中注意不要断电或关机；

②刷新过程中注意不要移除存放Firmware的U盘。

7.2.2 网卡固件升级

集团主流的网卡厂商为Intel与Mellanox。本节分别对两张网卡的固件升级过程作说明。

7.2.2.1 Intel系列网卡

本节以Intel X520双口万兆网卡为例，刷新Boot Agent和Firmware。其他Intel芯片网卡可参考此节。

下载Bootutil+Eeupdate_Linux_x64.tar.gz压缩包，拷贝到Linux系统下：

更新系统pci.ids文件：

（下载链接：http://pciids.sourceforge.net/）

（1）输入：cp /tmp/pci.ids/usr/share/hwdata/：在弹出的提示是否覆盖系统原有pci.ids文件时输入y，回车。

（2）输入：lspci | grep –I X520：使用lspci查看Intel X520网卡硬件是否被识别到。

升级网卡BootAgent：

（1）安装BootAgent刷新工具，步骤如下：

① 指令：tar xvf Bootutil+Eeupdate_Linux_x64.tar.gz

② 指令：cd /tmp/Bootutil+Eeupdate_Linux_x64/DRIVER

③ 指令：./install

④ 指令：./bootuti

⑤ 进入OEM_Mfg文件夹下，执行bootutil命令，查看X520网卡前面的网卡序号X，如下图：

（2）刷新网卡BootAgent，步骤如下：

① 指令：./bootutil -nic=X -up=combo -file=BootIMG.FLB，在弹出询问是否生成restoreimage时，输入y即可；

② 升级完成后如下图所示：

升级网卡Firmware：

（1）安装Firmware刷新工具，步骤如下：

① 指令：tar xvf Bootutil+Eeupdate_Linux_x64.tar.gz

② 指令：cd /tmp/Bootutil+Eeupdate_Linux_x64/DRIVER

③ 指令：./install

④ 指令：./eeupdate64e

⑤ 指令：./eeupdate64e -nic=1-eepromver

⑥ 进入OEM_Mfg文件夹下，执行./eeupdate64e命令，查看X520网卡相关信息，如下图：

（2）刷新网卡Firmware，步骤如下：

① 指令：./eeupdate64e /nic=X /d=X520EEPR

（在升级网卡Firmware时，要先把X520EEPR文件拷贝到与eeupdate64e同一目录下）

② 升级完成后，重启服务器，如下图所示：

7.2.2.2 Mellanox系列网卡

本节以Mellanox CX4双口万兆网卡为例，刷新Boot Agent和Firmware。其他Mellanox芯片网卡可参考此节。

下载MFT工具包

（下载最新连接：https://www.mellanox.com/page/management_tools）

更新系统pci.ids文件：

（下载链接：http://pciids.sourceforge.net/）

（1）输入：cp /tmp/pci.ids/usr/share/hwdata/：在弹出的提示是否覆盖系统原有pci.ids文件时输入y，回车即可。

（2）输入：lspci | grep –I Mellanox：使用lspci查看Mellanox网卡硬件是否被识别到，如下图：

安装工具和驱动：

（1）步骤如下：

⑥ 指令：tar xvf mft-4.8.0-26-x86_64-rpm.tar.gz

⑦ 指令：cd mft-4.8.0-26-x86_64-rpm

⑧ 指令：./install

⑨ 等待5~10分钟驱动安装完成，效果如下图所示。

查看Firmware版本：

（1）步骤如下：

① 指令：mst start

② 指令：mlxfwmanager

③ 查看所有Mellanox网卡的FW和PXE版本。

下载Firmware：

（下载链接：https://www.mellanox.com/page/firmware_download）

在刷新FW以前，先把Mellanox网卡对应的FW文件放到mft-4.8.0-26-x86_64-rpm文件夹下。

刷新Firmware：

指令：mlxfwmanager –update：

在弹出Perform FW update? [y/N]时，输入y，回车即可。

8 常用操作

8.1 获取产品序列号

（1）在机箱盖上可直接获取，如下图红框处：

（2）BMC WEB资产信息界面可直击获取，点击“系统信息——fru信息——产品序号”即可查看；

（3）系统下用Ipmitool工具直接查看，指令：ipmitool fru。

8.2 登入BMC WEB界面

①使用网线（交叉网线或交叉线）连接本地PC和服务器的BMC管理网口。连接组网络如下图所示。

②在PC的浏览器中输入BMC管理口IP，如10.8.20.109。

③在跳转后的地址页内，输入BMC账号及密码，如下图。

④成功登入到BMCWEB界面。

8.3 使用Xshell登入服务器

①远程登入服务器IP，指令：ssh服务器IP（以10.8.20.111为例）；

②输入当前服务器的账户名；

③输入当前服务器的密码；

④登入服务器，成功登入界面如下图所示。

8.4 ipmitool常用命令

IPMI 是智能型平台管理接口（Intelligent Platform Management Interface）的缩写，是管理基于 Intel 结构的企业系统中所使用的外围设备采用的一种工业标准。用户可以利用 IPMI 监视服务器的物理健康特征，如温度、电压、风扇工作状态、电源状态等。IPMI 针对大量监控、控制和自动回复服务器的作业，提供了智能型的管理方式。

ipmitool工具详情操作指令参见《ipmitool用户手册》，本节对常用指令作简单介绍。若有需要，请联系售后工程师。

8.4.1 Lan指令

（1）ipmitool lan print<channel>

查看服务器指定通道的当前配置信息，尤其是BMC地址信息。若不输入通道数，会显示默认的首通道信息。

（2）ipmitool lan alert print<channel>

打印服务器本通道告警信息。

8.4.2 Chassis指令

（1）ipmitool chassis status

查看服务器当前机箱状态。

（2）ipmitool chassis selftest

服务器开始进行机箱自检，并返回检测结果。

8.4.3 Fru指令

（1）ipmitool fru print

服务器返回所有的FRU 信息。

8.5 storcli工具

RAID卡（如3108、3316）管理通用工具，最新版本加入了对HBA卡（如3008）的支持，64位系统命令的绝对路径为：/opt/MegaRAID/storcli/storcli64；32位系统命令的绝对路径为：/opt/MegaRAID/storcli/storcli。

storcli工具详情操作指令参见《H3C服务器存储控制卡用户指南》，本节对常用指令作简单介绍。若有需要，请联系售后工程师。

8.5.1 查看RAID信息

（1）storcli /c0 show all

查看第一块RAID卡版本、功能、状态、以及raid卡下的物理磁、逻辑盘信息。c0代表第一块raid卡，如果有多块则命令以此类推。

（2）storcli /c0 show freespace

查看第一块RAID卡剩下的磁盘空间。

（3）storcli /c0/cv show all

显示超级电容信息。

8.5.2 创建RAID

（1）storcli /c0 add vd type=raid5 size=all names=tmp1 drives=252:2-4

由第3、4、5块物理磁盘来构建RAID5，分配所有空间的逻辑磁盘命名tmp1。

（2）storcli /c0 add vd each type=raid0 drives=252:0,1,2,3

单独为每一块物理磁盘创建raid0。

（3）storcli /c0/v0 del force

强制删除逻辑磁盘，v0代表第一个逻辑磁盘，如果有多块则命令以此类推。

（4）storcli /c0/v0 set wrcache=wt/wb/awb

设置写策略。

wt：write through；wb：write back；awb：always write back

（5）storcli /c0/v0 set rd cache=ra/nora

设置读策略。

ra：read ahead；nora：no read ahead

8.5.3 import foreign VD

（1）storcli /c0/fall show

查看所有的foreign信息。

（2）storcli /c0/fall import

导入所有的foreign。

8.5.4 RAID rebuild（重建）

（1）storcli /c0 show rebuildrate

查看第一块RAID卡rebuildrate速度。

（2）storcli /c0/e252/sall show rebuild

查看磁盘重建进度。

（3）storcli /c0/ex/sx start rebuild

开始重建。

（4）storcli /c0/ex/sx stop rebuild

停止重建。

（5）storcli /c0 set autorebuild=off

关闭自动重建。

8.5.5 查看某块磁盘信息

（1）storcli /c0/eall/sall show all

查看第一块RAID卡上物理磁盘详细信息。

（2）storcli /c0/eall/s1 show all

查看第一块RAID卡上第二块物理磁盘详细信息。

8.5.6 关闭蜂鸣器

（1）storcli /c0 set alarm=silence

暂时关闭报警器鸣叫。

（2）storcli /c0 set alarm=off

始终关闭报警器鸣叫。

8.5.7 设置某块物理磁盘状态

（1）storcli /c0/e252/sx set good force

如：/opt/MegaRAID/storcli/storcli64 /c0/e252/s3 set good force，表示：改变插入的物理磁盘的状态为good

（2）storcli /c0/e252/sx set jbod

如：/opt/MegaRAID/storcli/storcli64 /c0/e252/s3 set jbod，表示：改变插入的物理磁盘的状态为jbod

（3）storcli /c0/e252/sx set offline/online

如：/opt/MegaRAID/storcli/storcli64 /c0/e252/s3 set offline，表示：改变RAID组成员盘的状态为offline

8.5.8 定位RAID上某块物理磁盘

（1）storcli /c0/e252/s0 start locate

说明：定位第一块RAID上第一块物理磁盘，物理磁盘的绿色的定位灯会闪烁。e代表Enclosure，s代表Slot或PD。

8.5.9 日志收集指令

（1）storcli /c0 show termlog，storcli /c0 show alilog，storcli /c0 show events

在线查看日志。

（2）storcli /c0 show termlog | grep"rebuild"

在线查看日志抽取关键字。

（3）storcli /c0 show events/termlog/alilog > storcli.events/storcli.termlog/ storcli.alilog

将日志存储为文件。

注释：用于debug的RAID卡日志主要有以下两个：alilog与fwtermlog。其中：

fw termlog为仅次于串口输出的操作记录，能够记录控制器工作过程中的详细信息，主要用于反馈给官方进行debug；

Alilog也是记录控制器的各项操作，但是详细程度不及fwtermlog，但是内容比较直观，适合现场工程师等受众进行简单查看与分析。

9 巡检指导

9.1 机房环境及线缆布局巡检

9.1.1 机房环境巡检

机房环境主要包括机房内部的空调和供电设备等。

9.1.2 线缆布局巡检

对线缆的巡检，建议肉眼查看即可。如果需要重新拔插，必须征得客户的同意。巡检线缆布局前为防止损坏线缆，需注意以下事项：

检查电源线。

保证线缆远离热源，线缆避免紧绷，保持适度松弛。

插拔线缆时，不要用力过大。

尽可能通过连接端口插拔线缆。

任何情况下，禁止扭曲或者拉扯线缆。

合理布线，保证需要拆卸或者更换的部件不会接触线缆，确保所有电源线正确连接。

9.2 服务器巡检

9.2.1 巡检注意事项

服务器巡检，需要征得客户同意并且对机器只能做查看操作。未经客户书面授权同意，严禁对服务器做任何修改配置、上下电操作、部件插拔和线缆改动。

服务器巡检前，需要提前获取巡检机器的BMC地址、IP地址、root或Administrator账户密码。巡检完成后，需要通知客户及时更新root或Administrator账户密码。

9.2.2 指示灯巡检

服务器前后面板分别提供UID按钮/指示灯、健康状态指示灯、网口指示灯、电源指示灯等。通过观察指示灯状态可初步诊断当前服务器状态。具体指示灯状态及处理方法请参见6.6根据指示灯诊断。

9.2.3 BMC检查系统状态

具体参见：《BMC告警说明用户文档》。

综上，具体的巡检内容如表9‑1：

表9‑1 巡检内容

现场健康状态检查	服务器面板告警灯状态；主机风扇运转检查，观察并用手感觉进风和出风是否正常主机运转噪音检查，仔细听系统运转声音；服务器硬盘工作状态，硬盘指示灯指示是否正常，一般绿色为正常；服务器网卡工作状态，有数据传输，则网卡指示灯呈现规律性闪烁；服务器电源连接检查，电源连接线是否有松动、接触不良等情况；检查是否存在其他影响设备状态的相关因素；发现设备故障后的软硬件维修服务（如无法现场解决故障，则拨打服务热线进行报修）
服务器硬件日志分析	通过Mgmt口登录BMC平台查看非直观可视的服务器健康状态和告警日志信息收集服务器硬件日志信息（主板/黑盒/Raid卡日志/HBA卡/网卡/磁盘SMART信息等），交由厂商分析，检查是否存在未报警的故障隐患
固件校验	校验服务器设备的固件版本提供最新的版本建议，以及重要问题修复说明
故障回顾	分析本季度维修记录
本月巡检问题汇总	汇总本次巡检中发现的问题