服務(wù)器故障排除方法

1、服務(wù)器故障排除方法本文主要是針對(duì)一些服務(wù)器出現(xiàn)的簡單的故障進(jìn)行排查處理，主要分三部分，第一部分講的是服務(wù)器故障排除的基本原則性問題，第二部分講述了一些服務(wù)器硬件故障排除的實(shí)例，第三部分講述了一些服務(wù)器軟件故障排除的實(shí)例 第一部分 服務(wù)器故障排除的基本原則性問題 1、 服務(wù)器開機(jī)無顯示應(yīng)怎么辦 1. 檢查供電環(huán)境，零-火；零-地電壓？2. 檢查電源指示燈，如果亮，正常嗎？3. 按下電源開關(guān)時(shí)，鍵盤上指示燈亮嗎？風(fēng)扇全部轉(zhuǎn)動(dòng)嗎？4. 是否更換過顯示器，更換另一臺(tái)顯示器。5. 去掉增加內(nèi)存。6. 去掉增加的CPU7. 去掉增加的第三方I/O卡8. 檢查內(nèi)存和CPU 插的是否牢靠9. Clear CM

2、OS10. 更換主要備件，如系統(tǒng)板，內(nèi)存和CPU 2、 服務(wù)器故障排錯(cuò)的基本原則是什么 1. 盡量恢復(fù)系統(tǒng)缺省配置 推薦精選a:硬件配置：去除第三方廠商備件和非標(biāo)配備件；b:資源配置：清除CMOS，恢復(fù)資源初始配置；c: BIOS，F(xiàn)/W，驅(qū)動(dòng)程序：升級(jí)最新的BIOS，F(xiàn)/W和相關(guān)驅(qū)動(dòng)程序；d: TPL：擴(kuò)展的第三方的I/O卡屬于該機(jī)型的硬件兼容列表（TPL）嗎？ 2. 從基本到復(fù)雜 a:系統(tǒng)上從個(gè)體到網(wǎng)絡(luò)：首先將存在故障的服務(wù)器獨(dú)立運(yùn)行，待測(cè)試正常后再接入網(wǎng)絡(luò)運(yùn)行，觀察故障現(xiàn)象變化并處理。b:硬件上從最小系統(tǒng)到現(xiàn)實(shí)系統(tǒng)：指從可以運(yùn)行的硬件開始逐步到現(xiàn)實(shí)系統(tǒng)為止。c: 軟件上從基本系統(tǒng)到現(xiàn)實(shí)系

3、統(tǒng)：指從基本操作系統(tǒng)開始逐步到現(xiàn)實(shí)系統(tǒng)為止。 3. 交換對(duì)比 a:在最大可能相同的條件下，交換操作簡單效果明顯的部件；b: 交換NOS載體，既交換軟件環(huán)境；c:交換硬件，既交換硬件環(huán)境；d:交換整機(jī)，既交換整體環(huán)境； 3、 服務(wù)器故障排除需要收集哪些信息？服務(wù)器信息：1. 機(jī)器型號(hào)2. 機(jī)器序列號(hào)(S/N: 如：NC00075534)推薦精選3. Bios 版本4. 是否增加其它設(shè)備，如網(wǎng)卡，SCSI 卡，內(nèi)存，CPU5. 硬盤如何配置，是否做陣列, 陣列級(jí)別6. 安裝什么操作系統(tǒng)及版本（Winnt 4, Netware, Sco, others） 故障信息1. 在POST時(shí),屏幕顯示的異常信

4、息2. 服務(wù)器本身指示燈的狀態(tài)?3. 報(bào)警聲和BEEP CODES4. NOS的事件記錄文件?5. Events Log 文件確定故障類型和故障現(xiàn)象：1. 開機(jī)無顯示；2. 上電自檢階段故障；3. 安裝階段故障和現(xiàn)象；4. 操作系統(tǒng)加載失??；5. 系統(tǒng)運(yùn)行階段故障； 第二部分服務(wù)器硬件故障處理幾例 硬件故障是指服務(wù)器硬件出現(xiàn)異常而導(dǎo)致的各類錯(cuò)誤。由于服務(wù)器構(gòu)成比較復(fù)雜，因此在檢查的時(shí)候必須認(rèn)真、仔細(xì)。下面以一臺(tái)萬全4500為例說明。（例子，在實(shí)際問題中如果遇到相似現(xiàn)象，也需要具體問題具體分析，不要盲目套用）；推薦精選有一臺(tái)萬全4500，配有256M內(nèi)存，使用一個(gè)PIII XEON 500帶2M

5、高速緩存的處理器。開機(jī)后沒有任何顯示，但系統(tǒng)日志上提示了一條CPU電壓為0伏的信息，系統(tǒng)指示燈三燈不停在閃爍（指示燈三燈閃爍是服務(wù)器的另一種報(bào)警方式，我會(huì)在文后說明）。這種錯(cuò)誤一般是處理器電壓調(diào)節(jié)模塊（VRM）出錯(cuò)或CPU出錯(cuò)或CPU與CPU板塊接觸不良，但也可能是CPU板塊出錯(cuò)，這時(shí)情況就比較復(fù)雜了，必須經(jīng)過認(rèn)真慎重的思考。因?yàn)镃PU板塊在整個(gè)服務(wù)器中，占有舉足輕重的地位，如果它出錯(cuò)服務(wù)器是會(huì)報(bào)致命錯(cuò)誤的，并且在系統(tǒng)日志中會(huì)提示致命錯(cuò)誤，但報(bào)CPU電壓錯(cuò)的情況也有5%左右。我們立刻把CPU調(diào)換在另一CPU插槽中，開機(jī)后依然是剛才的那種故障。所以在初步判斷中，可以排除是CPU板塊壞。這時(shí)，取出

6、CPU仔細(xì)擦拭金手指，以及CPU板塊中與CPU接觸的地方后，開機(jī)依然無顯示。相對(duì)處理器壞的情況來說處理器電壓模塊（VRM）出現(xiàn)故障的情況比較大。于是立即在另一臺(tái)萬全4500中取下一個(gè)處理器電壓模塊，安裝在此服務(wù)器中。開機(jī)后，服務(wù)器依然沒有任何顯示，系統(tǒng)日志上依然提示CPU電壓為0伏的信息，系統(tǒng)指示燈三燈依然不停在閃爍。這時(shí)的情況就比較明顯了。于是立即從另一臺(tái)萬全4500中取下一個(gè)CPU安裝后，開機(jī)正常?？偨Y(jié)：在服務(wù)器的維修中，線索都會(huì)顯得撲朔迷離，一般來說不可能一次就可以準(zhǔn)確地判斷出問題的所在。這樣就要求相關(guān)人員要有信心及耐心。出現(xiàn)錯(cuò)誤一般的流程是通過系統(tǒng)日志上的信息來解決，如果沒有解決問題再

7、找出其它因素，然后再看日志信息。總之，服務(wù)器出錯(cuò)后，必須一步一步解決，沒有捷徑可言。 又如：有一臺(tái)萬全4200開機(jī)不顯示，發(fā)現(xiàn)開機(jī)時(shí)系統(tǒng)日志沒有任何信息，且系統(tǒng)指示燈不亮。初步判斷是電源方面出現(xiàn)了錯(cuò)誤。經(jīng)過仔細(xì)檢查，發(fā)現(xiàn)服務(wù)器的電源是正常的，因此最大的可能就是服務(wù)器的電源管理板出現(xiàn)故障。更換電源管理板后，開機(jī)顯示正常。但這時(shí)，新的問題來了：自檢時(shí)，用CTRL+M不能檢測(cè)到硬盤。推薦精選硬盤在別的服務(wù)器上是正常的，因此立即清除此服務(wù)器的CMOS，但依然不正常。立刻上網(wǎng)找到此服務(wù)器的最新BIOS，升級(jí)BIOS后也不能解決問題。又檢查硬盤籠子和服務(wù)器里的數(shù)據(jù)線及電源線后依然出錯(cuò)。這時(shí)，一般情況會(huì)懷疑

8、是服務(wù)器的I/O板（輸入輸出板塊）有問題。但就在這個(gè)時(shí)候，我發(fā)現(xiàn)在I/O板上有一個(gè)非聯(lián)想的舊式網(wǎng)卡，立即去除此網(wǎng)卡后服務(wù)器就一切正常。硬件故障并不單單指硬件有問題，它也指硬件之間不兼容。因?yàn)榉?wù)器的正常運(yùn)作需要各部件之間的大力協(xié)調(diào)。建議大家在采購各元件時(shí)，都采用同一品牌原裝的，并且要采用能發(fā)揮服務(wù)器性能的元件（上例中的舊式網(wǎng)卡即使正常也會(huì)嚴(yán)重影響服務(wù)器性能），這樣才不會(huì)發(fā)生莫明其妙的故障。還有一種情況：用戶需要把他的萬全3200升級(jí)到雙網(wǎng)卡，我建議他購買原裝網(wǎng)卡，但當(dāng)他看到萬全4500的網(wǎng)卡是采用的INTEL 82559芯片后，斷然決定不使用原裝網(wǎng)卡而采用另一品牌也采用INTEL 82559的

9、網(wǎng)卡。過了幾天，他打電話給我說，他的新網(wǎng)卡不能使用網(wǎng)絡(luò)冗余及數(shù)據(jù)校驗(yàn)，并懷疑服務(wù)器有問題。維修工程師帶了一個(gè)INTEL 82559網(wǎng)卡到用戶那里，仔細(xì)檢查了服務(wù)器的環(huán)境完全正常后，把INTEL 82559網(wǎng)卡安裝到機(jī)器上后一切正常。這個(gè)例子更加說明了，要發(fā)揮服務(wù)器的最大性能及功能，必須使用原品牌原裝的配件。非原品牌非原裝的配件，不能支持服務(wù)器的某些功能，嚴(yán)重的會(huì)影響到服務(wù)器的正常使用。要避免硬件故障發(fā)生頻率，服務(wù)器管理人員必須注意服務(wù)器的使用環(huán)境完全正常。比較重要的服務(wù)器必須在恒溫、恒濕的環(huán)境；電壓也要符合，不僅要采用UPS，還必須接地線，必須是左零線、右火線，零地電壓在13伏。在開、關(guān)服務(wù)器

10、上必須符合正常的流程。工作人員必須嚴(yán)格執(zhí)行操作流程。一般情況來說，服務(wù)器維修人員對(duì)于硬件故障只要有豐富的經(jīng)驗(yàn)都能很快找出故障所在，如果不能解決就必須迅速與服務(wù)器的售后服務(wù)中心8008108888聯(lián)系。第三部分服務(wù)器常見軟故障解決思路與實(shí)例推薦精選服務(wù)器軟件故障是在服務(wù)器故障中占有比例最高的部份，約占70%，解決的過程必須更加深思熟慮。導(dǎo)致服務(wù)器出現(xiàn)軟件故障的原因有很多，最常見的是服務(wù)器BIOS版本太低、服務(wù)器的管理軟件或服務(wù)器的驅(qū)動(dòng)程序有BUG、應(yīng)用程序有沖突及人為造成的軟件故障。下面分別舉例說明各類軟件故障的維修方法。有一臺(tái)萬全3500服務(wù)器，配置為雙PIII 500帶521K高速緩存的CP

11、U、512M內(nèi)存。開機(jī)后，系統(tǒng)日志報(bào)電壓調(diào)節(jié)模塊異常（VRM）的錯(cuò)誤，報(bào)錯(cuò)的信息是：“Voltage Regulator Module (VRM) over/under-voltage 2.88V/0V”。從表面來看，極有可能是服務(wù)器的電壓調(diào)節(jié)模塊或其它硬件出現(xiàn)故障，極容易導(dǎo)致維護(hù)人員認(rèn)為是硬件故障。維護(hù)人員立刻使用其它萬全3500的硬件來測(cè)試，發(fā)現(xiàn)即使使用新的配件，此服務(wù)器依然報(bào)VRM錯(cuò)。就在一籌莫展的時(shí)候，維修工程師帶來了最新的CPU管理板（CPU Management Control）的固件（FIRMWARE），于是升級(jí)了CPU管理板塊的FIRMWARE后，服務(wù)器恢復(fù)立即正常。FIRMW

12、ARE升級(jí)方法是， 1） 用軟盤啟動(dòng)計(jì)算機(jī)，然后插入firmware軟盤并運(yùn)行上面的相關(guān)文件cabrillo； 2） 系統(tǒng)刷新BMC（主板控制器）和HSC（熱插拔背板控制器）； 3） 然后系統(tǒng)詢問執(zhí)行第幾個(gè)選項(xiàng)（通常為2）； 4） 然后系統(tǒng)詢問服務(wù)器的電源配置（通常為2）； 5） 如果回答有兩個(gè)電源，系統(tǒng)詢問服務(wù)器是否有輔助風(fēng)扇即在第三個(gè)電源（冗余電源）的位置上 是否有風(fēng)扇（通常為N）； 6） 然后系統(tǒng)詢問是否重寫B(tài)MC kernel use area；（通常為N）然后系統(tǒng)詢問是否輸入一個(gè)asset tag； （通常為N） 7） 最后系統(tǒng)詢問在刷新后是否要重新啟動(dòng)系統(tǒng)；（通常為Y）。這種升級(jí)方

13、法也適合刷新系統(tǒng)BIOS等，命令的參數(shù)不同以及更新FIRMWARE及BIOS文件名不同，參數(shù)請(qǐng)參考服務(wù)器的說明。任何一款服務(wù)器的FIRMWARE及BIOS都會(huì)有不同的BUG，因?yàn)锽UG在所難免，所以我們不能錯(cuò)誤地認(rèn)為服務(wù)器的BIOS程序就很完善，而應(yīng)該經(jīng)常更新服務(wù)器的FIRMWARE及BIOS，只是在升級(jí)之前應(yīng)該小心謹(jǐn)慎，錯(cuò)誤的升級(jí)方法將會(huì)導(dǎo)致嚴(yán)重的后果。目前流行的中高檔服務(wù)器都擁有強(qiáng)大的管理程序，為客戶提供了方便的管理途徑；服務(wù)器也擁有各種操作系統(tǒng)下的驅(qū)動(dòng)程序，方便了客戶在各種操作系統(tǒng)中的使用。但是，世上任何一款程序都會(huì)有一些BUG，這些BUG將影響用戶使用。但是服務(wù)器廠商總是會(huì)在第一時(shí)間內(nèi)

14、開發(fā)出新的程序，客戶只需要及時(shí)更新這些程序就可以避免這類故障。當(dāng)服務(wù)器的軟件故障為此類時(shí)，表現(xiàn)的現(xiàn)象也不盡相同。一般來說，管理程序BUG會(huì)導(dǎo)致系統(tǒng)速度變慢，CPU占用率變高，無法正常使用某些功能等；驅(qū)動(dòng)程序的BUG會(huì)導(dǎo)致死機(jī)、與某些軟件有沖突，磁盤工作不穩(wěn)定等。查看管理程序是否出錯(cuò)的最好的辦法就是在系統(tǒng)中首先禁止此類管理工具，再觀察服務(wù)器是否還是異常。由于管理工具是隨著系統(tǒng)啟動(dòng)而啟動(dòng)的，所以應(yīng)首先避免它的啟動(dòng)。以WINDOWS NT4為例，就首先在管理工具服務(wù)中禁用某些服務(wù)器軟件服務(wù)，再修改注冊(cè)表中的啟動(dòng)項(xiàng)即可。如果是驅(qū)動(dòng)程序有問題的話，就以安全模式進(jìn)入系統(tǒng)，看是否正常。但是需要注意的是，在安

15、全模式中，系統(tǒng)速度變慢是正常的（特別是磁盤I/O方面）。推薦精選服務(wù)器的維護(hù)人員就應(yīng)該經(jīng)常在服務(wù)器網(wǎng)站上下載最新的管理工具程序及驅(qū)動(dòng)程序。這樣會(huì)減少很大一部份軟件故障的發(fā)生。相比之下，軟件沖突造成的故障判斷比較困難，需要管理人員有比較豐富的經(jīng)驗(yàn)以及敏銳的觀察力。曾經(jīng)有一位用戶說，他有一臺(tái)萬全的服務(wù)器無法安裝SQL SERVER 2000，已經(jīng)重裝N次NT了，排除是系統(tǒng)故障。而這唯一的服務(wù)器又將作為非常重要數(shù)據(jù)庫服務(wù)器，因此非常著急。于是維修工程師去了他的公司查看。這臺(tái)服務(wù)器所在的機(jī)房是非常標(biāo)準(zhǔn)、完善的機(jī)房，檢查了這臺(tái)服務(wù)器的情況，發(fā)現(xiàn)并沒有硬件上的故障，于是排除了光驅(qū)讀盤力差的可能。但是，用戶刻的SQL SERVER 2000光盤引起了工程師的懷疑，工程師讓他拿出了正版的SQL SERVER安裝，結(jié)果還是不行。在安裝的過程中，沒有出現(xiàn)絲毫錯(cuò)誤，可就是在運(yùn)行的時(shí)候會(huì)自動(dòng)退出，沒有任何提示。但是，我在管理工具中的事件查看器的系統(tǒng)日志中卻發(fā)現(xiàn)了一條信息：windata.exe導(dǎo)致一個(gè)無效的數(shù)據(jù)溢出。Windata是用戶自己編寫的一個(gè)程序，而且是隨操作系統(tǒng)啟動(dòng)而啟動(dòng)的程序。我立即結(jié)束掉這個(gè)進(jìn)程后，再運(yùn)行SQL一切正常。對(duì)于此類軟件故障，操作員最好先查看有關(guān)的日志，看看系統(tǒng)中是否有可疑的進(jìn)程。目前的服務(wù)器無論是高端還是低端，對(duì)于SQL等標(biāo)準(zhǔn)程序的支持是相當(dāng)可靠的，所以排除的重點(diǎn)就是結(jié)束