服务器日常巡检规范.docxVIP

服务器日常巡检规范

服务器日常巡检是保障系统稳定运行、预防故障发生的关键环节，需通过规范化、标准化的操作流程，全面覆盖硬件状态、系统运行、服务健康、安全防护及性能评估等核心维度，确保各环节可监控、可追溯、可优化。以下从具体操作内容、执行标准及注意事项三个层面展开说明。

一、硬件状态检查

硬件是服务器运行的物理基础，需每日对主机、存储及网络设备进行多维度检查，重点关注关键组件的运行状态与冗余能力。

1.主机硬件检查

-电源与散热：查看服务器电源模块指示灯（正常为绿色常亮），确认双路电源均处于供电状态（冗余电源需同时工作，单电源故障时应触发报警）；检测风扇转速及运行声音（无明显异响，转速应随负载动态调整，可通过BMC管理界面或IPMI工具查看转速值，通常不超过额定转速的80%）；检查机箱内部温度（通过iDRAC、iLO等管理工具获取，常规服务器主板温度应≤55℃，CPU温度≤75℃，超阈值需排查散热故障）。

-硬件指示灯：观察前面板及背板状态灯（正常为绿色常亮或慢闪，红色常亮/快闪表示故障），重点关注CPU、内存、PCIe卡等关键部件对应的指示灯；通过服务器管理软件（如DellOpenManage、HPEInsight）读取硬件健康日志，确认无“Critical”或“Warning”级报错（如内存ECC错误计数应≤10次/天，超阈值需更换内存）。

-冗余模块：验证RAID卡、HBA卡等关键组件的冗余状态（双RAID卡需均处于Active状态，主备切换功能需定期测试，确保故障时可自动切换）；检查BMC/带外管理模块状态（IP地址可达，远程管理功能正常，日志无异常断开记录）。

2.存储设备检查

-RAID状态：通过RAID卡管理工具（如MegaCLI、srvadmin-storage）查看RAID级别、成员盘状态及重建进度（正常状态为“Optimal”，成员盘状态为“Online”；若出现“Degraded”需确认是否有“Offline”或“Failed”磁盘，重建进度需≤24小时完成，超时需排查磁盘或RAID卡故障）。

-磁盘健康：使用smartctl工具读取硬盘SMART信息，重点关注“Reallocated_Sector_Ct”（重分配扇区数，正常≤0）、“Uncorrectable_Error_Count”（不可校正错误数，正常≤0）、“Power_On_Hours”（通电时间，机械盘建议≤20000小时，超过需评估更换）；观察磁盘指示灯（正常为绿色慢闪，红色常亮表示故障）。

-存储性能：通过iostat工具监测存储I/O延迟（读写延迟应≤10ms，队列长度≤2），使用fio工具定期测试随机读写速率（需符合磁盘标称性能的90%以上，如SSD随机读应≥200000IOPS，低于阈值需检查链路或磁盘故障）。

3.网络设备检查

-接口状态：查看网口指示灯（绿灯常亮表示链路连通，黄灯闪烁表示数据传输），通过ethtool命令确认接口速率与双工模式（需与交换机端匹配，如10G网口应协商为10G全双工，不一致需检查网线或光模块）；检查接口错误计数（“rx_errors”“tx_errors”应≤0/天，超阈值需排查线路干扰或网卡故障）。

-流量负载：使用iftop或nload工具监控实时流量（峰值需≤带宽的70%，如10G网口峰值应≤7Gbps，超负载需优化流量分布或扩容带宽）；分析流量趋势（HTTP/HTTPS流量占比是否正常，突发异常流量需排查DDoS攻击）。

-链路冗余：验证Bonding或LACP配置（主备模式下备用链路应处于“Standby”状态，负载均衡模式下流量需均匀分布；断开主链路后，备用链路应在≤50ms内接管，否则需检查配置或交换机联动）。

二、系统运行状态检查

操作系统是资源调度与服务承载的核心平台，需重点关注进程管理、资源使用及日志异常，确保系统处于健康运行状态。

1.基础信息核查

-系统版本：确认操作系统版本及内核版本（如CentOS7.9、内核3.10.0-1160.el7），记录是否为官方支持版本（非支持版本需纳入升级计划）；检查系统启动时间（关键业务服务器建议≥30天无重启，频繁重启需排查硬件或内核问题）。

-进程管理：使用ps-ef或top命令查看进程状态（无“Z”状态僵尸进程，关键进程如sshd、crond、rsyslog应始终运行，进程数需≤系统最大进程数的50%，超阈值需排查内存泄漏或进程泄漏）；通过pgrep或systemctl确认服务进程数（如Nginxworker进程数应与CPU核心数匹配，异常新增进程需识别是否为恶意程序）。

2.资源使用监控

-CPU负载：通过up