企业小型服务器软硬件维护指南

企业小型服务器软硬件维护文档

制作人：唐锦嵩
服务器样式：

1 引言

1.1 文档目的

本文档旨在指导企业小型服务器的硬件和软件维护工作，适用于所有服务器设备和操作系统。

1.2 服务器硬件和软件维护

列出服务器设备清单和操作系统版本，包括型号、配置和序列号等信息。

2 服务器硬件维护

2.1 设备清单

设备	型号/规格	数量	京东指导价		总价
处理器	Intel Xeon 8358	2		29999	59998
散热器	4189	2			约1400
主板	超微X12DPI-N6	1		5799	5799
内存	三星 64G DDR4-R-ECC 3200	16		1459	23344
存储	8T P4510 U2	5		3399	16995
存储	希捷 2.4T SAS	3		1819	5457
扩展卡	四口 U2 卡	1			约480
扩展卡	单口 U2 卡	1			约98
图形加速卡	RTX 6000 48G	1		55999	55999
RAID卡	LSI 9460-16l	1		8500	8500
U2线缆		5
电源	台达GPS 850W 带80PLUS	1		799	799
服务器机箱	4U 加长	1			约800
总价：约￥179800

2.2 设备规格

2.2.1 CPU

官方文档：https://www.intel.cn/content/www/cn/zh/products/sku/212282/intel-xeon-platinum-8358-processor-48m-cache-2-60-ghz/specifications.html
CPU最新驱动程序和软件：https://www.intel.cn/content/www/cn/zh/products/sku/212282/intel-xeon-platinum-8358-processor-48m-cache-2-60-ghz/downloads.html

产品集	第三代英特尔® 至强® 可扩展处理器
处理器编号	8335
热功耗（TDP）	250W
内核数/线程数	32/64
基本频率/最大睿频	2.60 GHz/ 3.40 GHz
最大内存大小	6 TB
内存类型	DDR4-3200 MHz
最大内存通道数	8
PCI Express 通道数的最大值	64

Tcase机箱温度是处理器集成散热片 (IHS) 的最高容许温度。	81°C
支持的插槽	FCLGA4189
封装大小	77.5mm x 56.5mm

2.2.2 主板

官方介绍：https://www.supermicro.com/zh_cn/products/motherboard/x12dpi-n6

品牌	超微
型号	MBD-X12DPi-N6
BIOS类型	AMI UEFI
支持双路 LGA-4189 (Socket P+)，CPU TDP 支持高达 270W TDP	"双路"指的是主板或服务器支持同时安装两个处理器的能力。 每个处理器的热设计功耗（TDP）不超过270W。

扩展插槽
PCIe 4 个 PCIe 4.0 x16， 2 个 PCIe 4.0 x8	这表示系统中有4个PCIe 4.0 x16插槽可用于插入支持PCIe 4.0标准的扩展卡。每个插槽的物理大小为x16，表示每个插槽能提供16个PCIe通道的带宽。
M.2 M.2 接口：1 个 PCIe 4.0 x4 外形规格：2280/22110 按键：M 键	M.2是一种小型扩展插槽接口，用于连接固态硬盘（SSD）和无线网卡等设备。根据您提供的信息，系统具有以下M.2接口配置： M.2接口：系统中有1个M.2接口可用，支持PCIe 4.0 x4标准。这意味着M.2插槽可以提供4个PCIe通道的带宽。 外形规格：M.2插槽的外形规格为2280/22110。这表示M.2插槽支持的长度范围为22毫米和80毫米之间，或者22毫米和110毫米之间，适用于不同长度的M.2设备。 按键：M.2插槽使用M键插孔。按键用于确定M.2插槽的连接方式和协议支持，M键表示支持使用PCIe和SATA接口的设备。 M.2接口的灵活性和小尺寸使其成为现代计算机系统中常用的接口之一。您可以使用M.2插槽连接适配器卡、固态硬盘(SSD)、无线网卡、蓝牙模块等各种M.2设备。

2.2.3 储存

intel 英特尔 P4510 数据中心企业级SSD 固态硬盘U.2接口NVMe协议 P4510 8TB U.2
顺序读取（最高）/顺序写入（最高）	2850 MB/s /1100 MB/s
电源	活动10W/闲置5W
保修	5年

参考文档：https://zhuanlan.zhihu.com/p/371337577

希捷（Seagate） 银河企业级 2.5英寸 SAS接口 1万转 HDD CMR 服务器 机械硬盘 2.4TB【ST2400MM0129】
顺序读取（最高）/顺序写入（最高）
电源	活动W/闲置W
保修	年

2.2.4 扩展卡

PCI-E （X4/X8/X16）转（U2/U3）扩展卡（单口/双口四口）

2.2.5 电源

2.2.5.1 80 PLUS Efficiency

电源能效认证计划，旨在评估和推广电源的能效。根据80 PLUS认证标准，电源需要满足一定的能效要求，并通过测试和认证才能获得相应的等级。

80 PLUS标准	电源在20%、50%和100%负载下的效率要求为80%以上。
80 PLUS Bronze	电源在20%、50%和100%负载下的效率要求为82%、85%和82%以上。
80 PLUS Silver	电源在20%、50%和100%负载下的效率要求为85%、88%和85%以上。
80 PLUS Gold	电源在20%、50%和100%负载下的效率要求为87%、90%和87%以上。
80 PLUS Platinum	电源在20%、50%和100%负载下的效率要求为90%、92%和89%以上。
80 PLUS Titanium	电源在20%、50%和100%负载下的效率要求为90%、94%和90%以上。

2.2.6 RAID卡

官方文档：http://www.unicaca.com/products/detail/311.html

2.2.7 GPU

显卡型号	显存类型	CUDA核心	显存大小
RTX6000 Ada	GDDR6	18176	48

2.3 温度和湿度控制（木桶效应）

2.3.1 主板

主板操作环境
工作温度范围	10°C - 35°C（50°F - 95°F）
非工作温度范围	-40°C - 70°C（-40°F - 158°F）
工作相对湿度范围	8% - 90%（非冷凝）
非工作相对湿度范围	5% - 95%（非冷凝）

2.3.2 储存

intel 英特尔 P4510 数据中心企业级SSD 固态硬盘U.2接口NVMe协议 P4510 8TB U.2
工作温度	0°C - 70°C

希捷（Seagate） 银河企业级 2.5英寸 SAS接口 1万转 HDD CMR 服务器 机械硬盘 2.4TB【ST2400MM0129】
工作温度	5°C - 55°C
保存温度	-40°C - 70°C

2.3.3 RAID卡

LSI MegaRAID 9460-16i
工作温度	0°C - 55°C
保存温度	-40°C - 70°C

2.4 电源管理

2.4.1 概括

1. 选择高效的电源：使用高效的电源装置，例如符合能源星级或80 PLUS认证标准的电源。这些电源具有更高的能效，可以降低能源消耗和热量产生。
2. 合理规划电源供应：根据设备的功耗和需求，合理规划电源供应的容量。不要过度配备过大的电源，以避免低负载下的能效损失。
3. 使用电源管理功能：操作系统和硬件通常提供电源管理功能，例如节能模式、睡眠模式和待机模式。合理利用这些功能可以降低电力消耗。
4. 定期检查电源运行状态：定期检查电源的运行状态，确保正常工作和供电稳定。注意观察电源指示灯和异常噪声，及时处理任何异常情况。
5. 建立断电保护措施：采取措施防止电源突然断电造成数据丢失或设备损坏。例如使用UPS（不间断电源）或自动备份电源，确保系统能够平稳关机或切换到备用电源。
   

2.4.2 电源过小的危害

不稳定或系统崩溃	电源无法提供足够的电力支持，导致系统不稳定或频繁崩溃。这是因为系统无法从电源中获取足够的电能供应，导致电压下降或电流不稳定。
过热	电源过小可能会导致过度负载，使电源过热。过热可能损坏电源本身，并有可能对其他系统组件产生负面影响。
性能下降	电源无法提供足够的功率，可能导致系统性能下降。某些硬件设备可能无法正常工作，或者在负载较高时性能受限。
不足的扩展能力	如果电源功率不足，可能无法支持未来的硬件升级或新增设备的需求。这会限制系统的可扩展性和灵活性。
不稳定的电源输出	当电源负载过大时，电源输出的电压和电流可能变得不稳定。这可能导致设备故障或数据丢失的风险。

2.4.3 服务器设备最大TDP和已安装电源对比

设备	型号/规格	数量	单TDP		总TDP
处理器	Intel Xeon 8358	2		250w	500w
散热器	4189	2		270w·350w	540w~700w
主板	超微X12DPI-N6	1
内存	三星 64G DDR4-R-ECC 3200	16
存储	8T P4510 U2	5		10w	50w
存储	希捷 2.4T SAS	3
图形加速卡	RTX 6000 48G	1		300w	300w
RAID卡	LSI 9460-16l	1		13.5w	13.5w

电源	台达GPS 850W 带80PLUS	1	850	850

2.4.3.1 对比结论

电源太小了，日常可能够用，但不支持高压环境，对服务器损坏有潜在隐患。

2.5 硬件故障处理（保修）

2.6 定期巡检（动态调整）

时间	责任人	巡检内容
每月第一个周一	IT管理员	检查服务器硬件健康状态，包括电源、风扇、硬盘、内存等。
每季度第一个月	网络管理员	检查网络设备，包括交换机、路由器、防火墙的运行状态和配置。
每半年第一个月	数据库管理员	检查数据库服务器性能，包括查询性能、存储空间和备份情况。
每年第一个月	安全管理员	进行安全审计和漏洞扫描，确保系统的安全性和漏洞修复。
每年第一个月	存储管理员	检查存储设备的容量和性能，进行备份系统测试和数据恢复演练。

定期巡检计划应根据实际需求和系统环境进行调整。确保按计划进行巡检，并记录巡检的日期、巡检内容和任何发现的问题或异常。定期巡检有助于发现和解决潜在问题，确保系统的稳定性和安全性。

3 服务器软件维护

3.1 操作系统更新

制定操作系统更新的策略和步骤，包括定期安装安全补丁和软件升级。
记录更新的日期、版本号和更新内容。

3.2 安全设置

配置防火墙规则，限制网络访问。
管理用户权限，分配合适的访问和操作权限。
设定密码策略，包括密码复杂度和定期更换要求。

3.3 权限管理

定义不同用户角色的权限，包括系统管理员、普通用户和访客等。
分配适当的访问权限和操作权限，记录权限变更和授权信息。

3.4 日志管理

配置日志记录级别和内容，确保关键日志信息被记录。
定期备份日志文件，并建立日志审查流程。

3.5 数据备份和恢复

制定数据备份的策略和计划，包括全量备份和增量备份。
定期测试数据备份的可恢复性，并记录测试结果。
提供数据恢复的步骤和流程，包括灾难恢复计划和数据恢复点目标。

3.6 软件故障处理

记录常见的软件故障和故障排除步骤，包括日志分析、重启服务和修复程序等。

4 维护计划和记录

4.1 维护计划

制定定期维护计划，包括巡检、备份、软件更新等维护任务的安排和频率。
记录计划执行的日期、执行人员和执行结果。

维护任务	频率	负责人员	执行日期
服务器巡检	每月一次	IT管理员	2023-08-01
数据备份	每周三次	数据管理员	2023-08-02
操作系统更新	每季度一次	IT管理员	2023-09-01
日志备份	每月一次	IT管理员	2023-08-15
硬件故障处理	按需	技术支持	2023-07-20

4.2 维护记录

记录每次维护的日期、维护内容、维护人员和结果等详细信息。
记录发现的问题、故障和解决方案，以便后续参考。

日期	维护内容	维护人员	结果
2023-08-01	服务器巡检	IT管理员	完成
2023-08-02	数据备份	数据管理员	完成
2023-08-15	日志备份	IT管理员	完成
2023-09-01	操作系统更新	IT管理员	未完成
2023-09-05	硬件故障处理	技术支持	处理中

5 应急响应计划

5.1 灾难恢复计划

定义灾难恢复的步骤和流程，包括数据恢复、系统重建和服务恢复等。
记录灾难恢复的联系人和紧急联系方式。

步骤编号	步骤描述	负责人员	联系方式
1	停止正常运行的服务和应用程序	IT管理员	123-456-7890
2	启动备份服务器或替代服务器	IT管理员	123-456-7890
3	恢复最新的数据备份到备份服务器	数据管理员	123-456-7890
4	配置网络和安全设置，确保备份服务器正常运行	网络管理员	123-456-7890
5	启动关键服务和应用程序	IT管理员	123-456-7890
6	进行系统测试，确保备份服务器正常工作	测试团队	123-456-7890
7	通知相关人员和用户系统已恢复正常运行	IT管理员	123-456-7890
8	定期检查备份服务器和数据完整性，更新备份计划和恢复策略	数据管理员	123-456-7890

5.2 事故处理

规定服务器故障和安全事件的应急响应流程，包括通知流程和责任分工。
提供联系人和联系方式，以便及时处理紧急情况。

1. 发现事故或故障：
   • 监控系统报警或用户报告
   • 快速确认并识别问题的性质和范围
2. 通知关键人员：
   • 确定通知流程和责任人员
   • 通知相关人员，包括技术团队、管理层和相关利益相关者
3. 评估事故严重性：
   • 分析事故对业务和系统的影响程度
   • 确定紧急程度和优先级
4. 启动事故响应团队：
   • 成立事故响应团队，包括技术专家和相关人员
   • 分配责任和指定沟通渠道
5. 采取应急措施：
   • 尽快采取必要的紧急措施以减轻事故影响
   • 防止进一步损害系统和数据
6. 故障诊断和排除：
   • 确定故障原因和范围
   • 进行必要的故障排除步骤，如日志分析、系统重启等
7. 恢复系统功能：
   • 修复故障或恢复受影响的系统功能
   • 进行测试以确保系统正常运行
8. 事故记录和分析：
   • 记录事故细节、采取的措施和恢复时间
   • 分析事故原因，提出改进措施以防止类似事故再次发生
9. 事故后续工作：
   • 通知利益相关者事故已解决并恢复正常运行
   • 进行事故回顾和评估，总结经验教训