PC服務(wù)器故障預(yù)測(cè)分析及維護(hù)處理

文/來(lái)風(fēng)剛 李濟(jì)偉 董耀眾 宋瑞華 李偉良

（1.國(guó)家電網(wǎng)有限公司信息通信分公司 北京市 100053）

（2.國(guó)電南瑞科技股份有限公司信息系統(tǒng)集成分公司 江蘇省南京市 211102）

在信息化時(shí)代的今天，計(jì)算機(jī)技術(shù)的發(fā)展有目共睹，而PC 服務(wù)器作為與計(jì)算機(jī)息息相關(guān)的一項(xiàng)技術(shù)，其因自身價(jià)位較低且性能較高的優(yōu)點(diǎn)被廣泛應(yīng)用于各行各業(yè)的工作中，如國(guó)網(wǎng)數(shù)據(jù)中心等，現(xiàn)今也在實(shí)施現(xiàn)代化的管理，PC 服務(wù)器正為這項(xiàng)工作提供了強(qiáng)有力的技術(shù)保障[1]。

1 關(guān)于服務(wù)器的概述

技術(shù)上的服務(wù)器主要的概念就是管理資源，而后給用戶提供一系列服務(wù)。作為計(jì)算機(jī)軟件，其包含數(shù)據(jù)庫(kù)服務(wù)器、應(yīng)用程序服務(wù)器以及文件服務(wù)器等，令此類(lèi)軟件正常運(yùn)行的各種計(jì)算機(jī)以及計(jì)算機(jī)系統(tǒng)被叫做服務(wù)器。和一般的PC 比較，這類(lèi)服務(wù)器的性能、穩(wěn)定性以及安全性等都有較高的要求，且在網(wǎng)絡(luò)、內(nèi)存、硬盤(pán)系統(tǒng)、PU 以及芯片組等方面也和普通計(jì)算機(jī)存在差異[2]。其是網(wǎng)絡(luò)節(jié)點(diǎn)服務(wù)器，所以可以處理或存儲(chǔ)網(wǎng)絡(luò)里80%的數(shù)據(jù)和信息，還一直被叫做“PC 網(wǎng)絡(luò)靈魂”。受到操作系統(tǒng)的控制，服務(wù)器可以將和它所連接的打印機(jī)、de、硬盤(pán)、磁帶或其他的通訊設(shè)備作為共享給網(wǎng)絡(luò)客戶的站點(diǎn)，同時(shí)還可給用戶提供信息發(fā)表、數(shù)據(jù)管理以及集中計(jì)算等各項(xiàng)服務(wù)。服務(wù)器的高性能一般體現(xiàn)在長(zhǎng)時(shí)間的運(yùn)行能力、強(qiáng)大的外部數(shù)據(jù)傳播能力以及高速運(yùn)算的能力。

2 PC服務(wù)器的故障預(yù)測(cè)分析

2.1 常見(jiàn)的故障

在所有的故障中，比較常見(jiàn)就是服務(wù)器的軟件故障，這種情況大概占整體故障的70%，而其余的30%則是硬件故障。其中，軟件故障主要有人為造成、治理軟件例存在BUG、服務(wù)器的驅(qū)動(dòng)程序問(wèn)題、應(yīng)用程序沖突或BIS 版本太低等[3]；而硬件故障則主要包括：操作系統(tǒng)加載問(wèn)題、上電自檢的故障、系統(tǒng)運(yùn)行的故障、安裝階段的故障以及開(kāi)機(jī)問(wèn)題等。服務(wù)器的構(gòu)成相對(duì)來(lái)說(shuō)比較復(fù)雜，所以在排查是應(yīng)保持謹(jǐn)慎。

2.2 服務(wù)器故障的預(yù)測(cè)分析

服務(wù)器的主要組件無(wú)外乎CPU、內(nèi)存、硬盤(pán)、主板、I/O 板卡、RAID 卡、電源、風(fēng)扇等，我們可以從這些組件來(lái)探討如何預(yù)測(cè)服務(wù)器不久可能出現(xiàn)的問(wèn)題，從而提前做出相應(yīng)準(zhǔn)備，做好相應(yīng)應(yīng)急措施，減少服務(wù)器出問(wèn)題時(shí)定位和恢復(fù)服務(wù)器的時(shí)間，減少服務(wù)器出故障出現(xiàn)的負(fù)面影響，提高我們的平均修復(fù)時(shí)間（MTTR）。

2.2.1 PC 服務(wù)器構(gòu)成主要部件

（1）中央處理器（CPU）：CPU 是服務(wù)器的計(jì)算單元，其功能主要是解釋計(jì)算機(jī)指令以及處理計(jì)算機(jī)軟件中的數(shù)據(jù)。我們平時(shí)有什么方法來(lái)知道它的狀態(tài)及運(yùn)行情況，在不同的操作系統(tǒng)上，我們可能通過(guò)命令或圖形操作知道CPU 的信息，如：Linux：/proc/cpuinfo，Windows 我的電腦-屬性及Windows 任務(wù)管理器，通過(guò)腳本或者工具檢測(cè)其狀態(tài)，如：Super Pi forlinux，CPU GrabEx–Windows 測(cè)試工具，以便對(duì)有其穩(wěn)定性、性能、隱形問(wèn)題進(jìn)行分析和預(yù)測(cè)，根據(jù)問(wèn)題和頻繁程度預(yù)測(cè)CPU 情況，做出相關(guān)應(yīng)對(duì)措施。

（2）內(nèi)存：內(nèi)存就是隨機(jī)存取存儲(chǔ)器(RAM)，在計(jì)算期間被用作高速暫存記憶區(qū)，物理上是我們平常看到的內(nèi)存條，它的檢測(cè)方法有很多，很多服務(wù)器本身在bios 里面就有memory test，或者自帶的檢測(cè)光盤(pán)，通過(guò)這些檢測(cè)手段，在檢測(cè)完畢后可以看到檢測(cè)的結(jié)果和問(wèn)題，如果存在某一根內(nèi)存有較多的ECC 報(bào)錯(cuò)，我們可以預(yù)測(cè)它出問(wèn)題的概率很大，如果只是幾次ECC 報(bào)錯(cuò)，那么我們可以繼續(xù)觀察，它認(rèn)為是沒(méi)有問(wèn)題。在系統(tǒng)上我們也能使用工具memtester、Windows memory diagnostic 測(cè)試，測(cè)試完畢后可以分析內(nèi)存存在的問(wèn)題，預(yù)測(cè)內(nèi)存出問(wèn)題的可能性。

（3）硬盤(pán)：硬盤(pán)（harddisk）是服務(wù)器中的存儲(chǔ)器。計(jì)算機(jī)需要正常運(yùn)行所需數(shù)據(jù)及軟件都存儲(chǔ)在硬盤(pán)上，現(xiàn)在有一項(xiàng)技術(shù)--S.M.A.R.T.， 全 稱 為“Self-Monitoring Analysisand Reporting Technology”，即“自我監(jiān)測(cè)、分析及報(bào)告技術(shù)”。通過(guò)硬盤(pán)內(nèi)的檢測(cè)指令對(duì)硬盤(pán)如磁頭、盤(pán)片、馬達(dá)、電路的運(yùn)行情況進(jìn)行監(jiān)測(cè)、記錄并與廠商所設(shè)定的預(yù)設(shè)安全值進(jìn)行比較，若監(jiān)測(cè)情況超出預(yù)設(shè)安全值，它就通過(guò)主機(jī)的監(jiān)控硬件或軟件自動(dòng)向運(yùn)維人員發(fā)出警告，這樣我們就可以對(duì)硬盤(pán)進(jìn)程預(yù)測(cè)，提前做出準(zhǔn)備。

（4）主板：主板是負(fù)責(zé)連接服務(wù)器各組件的橋梁,其工作的穩(wěn)定性直接影響著服務(wù)器能否正常。由于它所集成的組件和元器件復(fù)雜,因此發(fā)生故障的原因也比較多，要預(yù)測(cè)服務(wù)器上主板的問(wèn)題，一般沒(méi)有很好的方法，主要是查看日志，比如：BMC日志，溫度、電壓，系統(tǒng)日志等，能做個(gè)基本的預(yù)測(cè)。

（5）I/O 板卡、RAID 卡、電源、風(fēng)扇：這類(lèi)板卡、電源及風(fēng)扇檢測(cè)相對(duì)比較容易，如：網(wǎng)卡在系統(tǒng)上就可以使用命令或者軟件做到，Ethtool 和Windows perfmon 看看其丟包率，HBA 卡通過(guò)交換機(jī)看到相應(yīng)端口的光衰情況，命令fcping 也能做出相關(guān)檢測(cè)，raid 卡使用megacli、storcli 查看raid 的報(bào)錯(cuò)情況和頻率做出判斷，風(fēng)扇和電源在BMC 上可以查看其轉(zhuǎn)速和電壓情況與廠家給出的正常范圍做出比較，如果經(jīng)常臨近閥值時(shí)，我們可以預(yù)測(cè)此部件可能不久會(huì)出問(wèn)題，我們可以提前做好更換的準(zhǔn)備。

2.2.2 常見(jiàn)故障可以分為兩大類(lèi)

（1）死機(jī)故障：以國(guó)網(wǎng)數(shù)據(jù)中心為例，其對(duì)PC 服務(wù)器的穩(wěn)定性與安全性要求很高，一旦服務(wù)器出現(xiàn)數(shù)據(jù)丟失等情況，則可能影響正常工作，所以對(duì)PC 服務(wù)器的故障進(jìn)行預(yù)測(cè)和分析至關(guān)重要。就死機(jī)故障又可以分為三子類(lèi)：

1）硬件故障，所有故障中最常見(jiàn)的就是死機(jī)的問(wèn)題，有時(shí)系統(tǒng)無(wú)法正常啟動(dòng)，如開(kāi)機(jī)之后不顯示、在啟動(dòng)的過(guò)程中發(fā)生終止、瀏覽信息后出現(xiàn)死機(jī)或運(yùn)行中出現(xiàn)永久性和間歇性死機(jī)的情況。導(dǎo)致這些問(wèn)題的原因經(jīng)過(guò)分析發(fā)現(xiàn)：首先可能是器件的故障問(wèn)題，如AHE、主板、PU 或內(nèi)存條等出現(xiàn)問(wèn)題；然后就是部件的安裝問(wèn)題，安裝不到位、插接的松動(dòng)或連接缺乏準(zhǔn)確性等，或在安裝時(shí)，不恰當(dāng)?shù)牟僮鲗?dǎo)致部件變形，進(jìn)而引發(fā)死機(jī)[4]；同時(shí)，系統(tǒng)配置問(wèn)題也可能造成死機(jī)，主板跳線開(kāi)關(guān)、硬件設(shè)備、系統(tǒng)BIS 和系統(tǒng)配置存在很大關(guān)聯(lián)；還有一點(diǎn)就是軟件在安裝和配置時(shí)令內(nèi)部發(fā)生了沖突，進(jìn)而導(dǎo)致死機(jī)的情況發(fā)生，其中S 參數(shù)和系統(tǒng)被病毒破壞，就很可能引發(fā)死機(jī)；除此之外，使用和維護(hù)也很重要，一旦維護(hù)不當(dāng)，也很可能造成死機(jī)，如出現(xiàn)板卡和芯片引腳氧化的情況，會(huì)導(dǎo)致接觸不良，部件受潮或積灰等也易引發(fā)死機(jī)，服務(wù)器的板卡和外設(shè)接口出現(xiàn)松動(dòng)，當(dāng)發(fā)生閃電或雷擊等意外時(shí)，就會(huì)使電源、主機(jī)以及其他的設(shè)備被損壞，進(jìn)而導(dǎo)致死機(jī)；

2）性能故障，此類(lèi)問(wèn)題一般比較隱蔽，它出現(xiàn)死機(jī)的情況一般都是有規(guī)律的，在固定的日期或者時(shí)間出現(xiàn)，一般日志不容易發(fā)現(xiàn)，等你檢查了很多東西后發(fā)現(xiàn)還是沒(méi)有什么頭緒。服務(wù)器重啟后也許就好了，也許過(guò)一段時(shí)間又出現(xiàn)這種情況，運(yùn)維人員才把注意力放到服務(wù)器性能上，我們的慣性思維認(rèn)為服務(wù)器一般是滿足應(yīng)用需要的，只有在日積月累中服務(wù)器的性能才會(huì)慢慢的不能匹配業(yè)務(wù)需要，種類(lèi)問(wèn)題才會(huì)發(fā)生，分析性能問(wèn)題是需要安裝軟件的，在Linux 中我們使用nmon，Windows 有自己自帶的Performance Monitor，在分析中我們可以看到某些性能達(dá)到極限值，最后導(dǎo)致服務(wù)器死機(jī)；

3）程序故障，程序出故障導(dǎo)致服務(wù)器死機(jī)我們?cè)谄綍r(shí)也能見(jiàn)到，特別是新上線的軟件程序，它的兼容性、穩(wěn)定性都有待提高和改進(jìn)，程序?qū)Σ煌到y(tǒng)版本的支持，和其他程序是否有沖突，程序是否存在漏洞及程序的邏輯錯(cuò)誤等都會(huì)導(dǎo)致程序出問(wèn)題，從而最終導(dǎo)致服務(wù)器死機(jī)。

（2）無(wú)法訪問(wèn)網(wǎng)絡(luò)或IP 地址沖突的故障：PC 服務(wù)器在運(yùn)行的過(guò)程中，還會(huì)發(fā)生無(wú)法訪問(wèn)網(wǎng)絡(luò)等問(wèn)題，這也會(huì)給工作單位帶來(lái)諸多困擾，所以要及時(shí)分析原因。

導(dǎo)致這種情況最主要的因素有兩個(gè)：

1）計(jì)算機(jī)硬件的問(wèn)題，如網(wǎng)絡(luò)連線和網(wǎng)卡安裝等導(dǎo)致；

2）網(wǎng)絡(luò)屬性的設(shè)置問(wèn)題。

除此之外，在利用計(jì)算機(jī)進(jìn)行登錄時(shí)，有時(shí)還會(huì)發(fā)生IP 地址沖突等現(xiàn)象，導(dǎo)致這種情況的原因就是使用計(jì)算機(jī)的過(guò)程中，局域網(wǎng)IP 地址被認(rèn)為改動(dòng)，導(dǎo)致IP 地址發(fā)生資源重復(fù)的現(xiàn)象，這種故障在很多領(lǐng)域都會(huì)發(fā)生。PC 服務(wù)器在運(yùn)行過(guò)程中，遇到的故障有很多，這些故障很可能導(dǎo)致工作的無(wú)法進(jìn)行，如國(guó)網(wǎng)數(shù)據(jù)中心使用PC 服務(wù)器時(shí)，如發(fā)生故障，則可能使工作受到影響，進(jìn)而引發(fā)嚴(yán)重后果，所以一定要進(jìn)行處理。

3 PC服務(wù)器的維護(hù)處理措施

3.1 維護(hù)處理死機(jī)故障

導(dǎo)致PC 服務(wù)器死機(jī)故障的因素眾多。

（1）當(dāng)硬件出現(xiàn)故障，如出現(xiàn)電源無(wú)法開(kāi)機(jī)的情況時(shí)，需取下服務(wù)器里的所有電源模塊，同時(shí)還要檢查電源模塊和電源籠的接口，這種做法主要是對(duì)電源模塊和電源籠的接口松動(dòng)情況進(jìn)行確認(rèn)，觀察其是否可以經(jīng)過(guò)重裝達(dá)到加固的效果，但如果是固定卡被損壞，則需更換電源，進(jìn)而對(duì)電纜進(jìn)行控制；另外，如果出現(xiàn)其他電纜接口被損壞的情況，則需更換備件；當(dāng)開(kāi)機(jī)無(wú)法顯示，且系統(tǒng)日志里表明CPU 的電壓為OV 信息，而系統(tǒng)的指示燈也在不斷的閃爍，則表示為VRM 出現(xiàn)問(wèn)題或CPU 發(fā)生故障，此時(shí)應(yīng)該把CPU換到其他CPU 插槽中，但如果重啟之后還是出現(xiàn)此類(lèi)現(xiàn)象，則表示CPU 發(fā)生損壞，此時(shí)可將CPU 取出，而后仔細(xì)擦拭金手指；當(dāng)開(kāi)機(jī)之后未出現(xiàn)系統(tǒng)的信息提示時(shí)，則分析可能為電源因素，但如果檢查之后認(rèn)定電源沒(méi)有問(wèn)題，則可能為PC 服務(wù)器的電源管理板發(fā)生故障，對(duì)此，只要更換電源管理板即可解決；在自檢的過(guò)程中，按CTRL+M 鍵但沒(méi)有檢測(cè)出硬盤(pán)，且此時(shí)硬盤(pán)于其他服務(wù)器里可以正常使用，說(shuō)明應(yīng)該清除CMOS，如果還是沒(méi)有恢復(fù)正常，則需升級(jí)BIOS，此時(shí)依然沒(méi)有將問(wèn)題解決，則需全面檢查電源線、數(shù)據(jù)線以及硬盤(pán)籠子，如果還是無(wú)法解決，則需檢查服務(wù)器I/O 板，進(jìn)而對(duì)異常網(wǎng)卡予以清除[5]。另外，當(dāng)遇到系統(tǒng)死機(jī)、藍(lán)屏或反應(yīng)遲鈍等現(xiàn)象，表示服務(wù)器的軟件系統(tǒng)有問(wèn)題，此時(shí)應(yīng)該將重要文件備份之后重裝系統(tǒng)；

（2）出現(xiàn)性能故障的時(shí)候，需要借助分析軟件，綜合分析服務(wù)器的性能瓶頸，做到有的放矢，增加內(nèi)存、增加網(wǎng)絡(luò)帶寬、提高處理器處理能力、調(diào)整系統(tǒng)核心參數(shù)，通過(guò)一系列測(cè)試，將服務(wù)器的性能引起的死機(jī)問(wèn)題處理解決；

（3）出現(xiàn)應(yīng)用程序故障，我們一般是從系統(tǒng)或者應(yīng)用的日志中能查詢到相關(guān)報(bào)錯(cuò)，抓取程序日志、系統(tǒng)日志、服務(wù)器BMC 端口日志，綜合分析。

3.2 維護(hù)處理無(wú)法訪問(wèn)網(wǎng)絡(luò)或IP地址沖突的故障

遇到這種情況且無(wú)法進(jìn)行查看時(shí)，需考慮以下幾方面問(wèn)題。如果為硬件原因，則首先要仔細(xì)檢查，做好安裝和連接；如果是因網(wǎng)絡(luò)屬性的設(shè)置原因，則要進(jìn)行專(zhuān)門(mén)的設(shè)置操作，首先需檢查網(wǎng)絡(luò)標(biāo)示，具體的步驟為：打開(kāi)“我的電腦”中“屬性”選項(xiàng)，檢查計(jì)算機(jī)，而后對(duì)計(jì)算機(jī)名進(jìn)行修改，在對(duì)話框中檢查網(wǎng)絡(luò)的標(biāo)示，檢查“工作組”或“域”，然后就是檢查IP 地址的設(shè)置，準(zhǔn)確設(shè)置網(wǎng)絡(luò)地址，最后則是對(duì)網(wǎng)絡(luò)協(xié)議進(jìn)行設(shè)置。而當(dāng)IP 地址發(fā)生問(wèn)題時(shí)，則需重新規(guī)劃IP 地址，或?qū)P 地址進(jìn)行動(dòng)態(tài)的分配，這樣即可解決問(wèn)題。

4 結(jié)束語(yǔ)

總而言之，PC 服務(wù)器故障問(wèn)題可能會(huì)對(duì)整個(gè)工作區(qū)域造成影響，所以要做好預(yù)測(cè)分析和維護(hù)處理。只有保證PC 服務(wù)器正常、安全、有效地運(yùn)行，才能使工作順利進(jìn)行，推動(dòng)各單位的信息化發(fā)展。