第十八篇｜故障定位套路——不开机→告警灯→POST→平台内→硬件替换的闭环

• 栏目：服务器硬件体系化

• 作者：闲叔不闲

• 关键词：BMC、IPMI/Redfish、SEL、POST 代码、KVM/SOL、MCE/EDAC、SMART/NVMe、最小化启动、FRU/RMA、回归测试

---

摘要

故障处理不是“靠感觉”，而是从外到内、由简到繁的系统化流程：不开机 → 告警灯/蜂鸣 → POST → 架构内 → 硬件替换。本篇给出 决策流 + 检查清单 + 命令速查 + 典型现象对照表，帮助你把一次事故走成可复盘的闭环。

---

目录

• 0. 入场三件事：安全/隔离/取证

• 1. 不开机（上电失败/反复重启）

• 2. 告警灯/蜂鸣（就地指示）

• 3. 卡在 POST（代码/自检/引导）

• 4. 进系统后异常（日志/性能/偶发重启）

• 5. 硬件替换与闭环（FRU→RMA→回归）

• 6. 典型现象→快速判断对照表

• 7. 命令与工具速查（Linux/Windows/BMC）

• 8. 常见坑与对策（14 条）

• 9. 闲叔小结

---

0. 入场三件事：安全/隔离/取证

• 人身与电气安全：断电/防静电/两人运行；机柜供电 A/B 路确认。

• 业务隔离：确认是否可下线或切换；标记设备，防止他人误操作。

• 取证留痕：拍照（告警灯/线缆/板卡位置）、导出SEL/传感器、记录时间与环境（温湿度/功率）。

---

1. 不开机（上电失败/反复重启）

步骤：

1. 带外可达？ping bmc → 可达则用 IPMI/Redfish查电源/传感器；不可达检查PDU/电源线/PSU 指示灯。

2. PSU 与配电：确认 1+1/N+1冗余在；两只 PSU 不要插同一 PDU；看PSU LED/告警。

3. 前面板/主板跳线：电源开关/入侵开关是否异常；检查Power Restore Policy。

4. 最小化启动：拔掉所有 PCIe/盘，只留CPU+1 条/槽内存（按指南位）+板载显卡/管理口。