服務器該如何進行巡檢

服務器巡檢應遵循以下步驟，確保係統安全穩定運行：

一、基礎巡檢規範

1. 定期檢查

   • 執行例行維護，定期備份係統數據（含配置文件和業務數據），數據修改前需備份並記錄變更內容。
   • 重大操作（如數據遷移）需預先評估可行性，執行前備份數據並製定應急恢複方案。

2. 權限與安全

   • 嚴格管理管理員密碼，定期更新，控製用戶權限至最小必要範圍。
   • 通過BMC/IPMI等帶外管理接口獲取硬件狀態，需提前獲取客戶授權的BMC IP、賬戶及密碼。

二、硬件健康檢查

1. RAID卡狀態監測

   • 檢查RAID卡日誌（如AHS/Survey日誌），關注Patrol Read（巡讀）和Consistency Check（一致性檢查）狀態：
     • PR：檢測物理盤介質錯誤，默認每168小時運行一次，可通過storcli調整速率或關閉。
     • CC：校驗冗餘RAID數據一致性，默認周期7天，高負載場景建議在業務空閑期執行或調整速率。
   • 使用storcli /cx display patrolread和storcli /cx display cc查看當前狀態。

2. 硬盤與陣列健康

   • 通過工具（如鯤鵬健康巡檢工具）檢查硬盤狀態，重點關注PSU、壞塊、Medium Error等異常。
   • 若發現熱備盤故障或I/O延遲異常，需更換故障盤或臨時關閉PR/CC（通過storcli命令）。

三、自動化巡檢工具

1. 鯤鵬健康巡檢工具

   • 操作流程：
     1. 添加設備IP及BMC信息，支持批量導入。
     2. 選擇檢查項：健康檢查、版本風險、資產信息收集。
     3. 設置並發數量（避免過高影響業務），生成報告後查看“統計總覽”和詳細異常項。
     4. 根據告警代碼參考《BMC告警處理手冊》處理問題。

2. Redfish批量巡檢

   • 使用Python腳本通過Redfish API批量獲取服務器健康狀態，生成日誌並分析關鍵指標（如電源、溫度、固件版本）。

四、巡檢報告與記錄

1. 報告生成

   • 使用管理平台導出機箱清單（xlsx/PDF格式），記錄巡檢時間、操作員、客戶單位等信息。
   • 保存健康檢查報告（HTML格式），標注異常項及處理措施。

2. 問題處理

   • 發現故障時，詳細記錄原始信息（如日誌片段、錯誤代碼），及時聯係技術支持。
   • 示例：若RAID卡因PR導致I/O延遲，可臨時關閉PR（storcli /cx set patrolread=off）並更換故障硬盤。

五、注意事項

• 業務影響：巡檢避開業務高峰期，CC/PR等資源密集型操作建議在維護窗口執行。
• 合規性：未經客戶書麵授權，禁止修改配置或執行上下電操作。
• 工具更新：定期升級巡檢工具版本，適配新固件或硬件特性。

用fist巡檢