服务器硬件故障
(1)硬件故障对业务产生影响还是很少的。
硬件故障认识
(1)经常性的宕机
(2)系统下操作非常的卡顿(一般是cpu有问题)
(3)数据错误或丢失
常见的故障类型
cpu
cpu\内存、硬盘、raid卡、电源
cpu故障:会发生系统重启、系统宕机
cat /proc/cpuinfo :查看cpu状态
cpupower frequency -info:开启cpu大电量模式
内存
CE:可修复,无感知
UCE:不可修复,无感知
无感知的宕机或重启。
ipmitool sel list :查看内存状态日志
硬盘
raid0卡:没有冗余
raid1:2个100G只看到100G,有备份
raid卡是有电源的,若电源没电了,raid卡的缓存数据会丢失。直接写硬盘,速度慢。
百度的raid卡是,机器电池没电了,强行开启缓存。
没有raid卡,盘坏了,检测不到硬盘故障。
只要不断电,程序宕机,raid会马上写入到磁盘中。
电源
电源一般是双电路,具有冗余。
风扇:给cpu降温,cpu的温度一般是70到80度。
故障信息
smart信息:一般厂商不会对外开放。
smart信息开发的成本非常大。
贝叶斯、马尔科夫是在获取不到smart信息的情况下根据机器以往的情况对机器做一个预判。
总结
1、业务侧要做好冗余
2、故障判断准确