基础设施运维知识概览
基础设施运维不只是管理服务器，还包括计算、存储、网络、供配电、制冷、消防、动环监控和物理安全。排障时应先判断问题属于哪一层，再收集证据，避免一开始就重启设备或更改配置。
一、基础设施分层
| 层级 | 典型对象 | 首要检查 |
|---|---|---|
| 物理环境 | 机柜、温湿度、漏水、消防 | 告警、环境趋势、巡检记录 |
| 供配电 | 市电、ATS、UPS、电池、PDU | 输入输出、负载率、旁路和电池状态 |
| 计算 | 服务器、带外管理、虚拟化 | 硬件健康、事件日志、资源容量 |
| 存储 | RAID、SAN、NAS、备份 | 阵列状态、时延、容量、备份可恢复性 |
| 网络 | 交换机、路由器、防火墙、AP | 链路、错误包、路由、配置变更 |
| 管理 | CMDB、监控、工单、配置备份 | 数据是否准确、告警是否闭环 |
二、通用排障顺序
- 确认影响范围：单设备、单机柜、单区域还是全局。
- 保护现场：记录时间、告警、指示灯、拓扑和最近变更。
- 先查依赖：供电、温度、网络和上游服务通常比单机故障影响更大。
- 读取日志：优先通过 iLO、iDRAC、阵列控制器、交换机和动环平台取证。
- 最小化变更：一次只改变一个变量，并准备回滚。
- 验证恢复：不仅确认告警消失，还要验证业务、冗余和监控均恢复。
- 形成记录：补充故障原因、处置过程、风险和预防措施。
三、HPE 服务器配置 iLO 的常用方式
方法一：开机配置界面
适合可以停机或重启的场景。进入 System Utilities/iLO Configuration 配置管理地址、网关、DNS 和账号安全策略。
方法二：通过隔离网络临时提供 DHCP
适合不知道 iLO 地址但 iLO 仍启用 DHCP 的场景。临时 DHCP 必须在与生产网络隔离的直连链路或专用管理交换机中使用，完成后立即停止服务，避免产生非法 DHCP 服务器。
方法三：在操作系统内使用厂商管理工具
适合服务器操作系统仍可登录的场景。根据服务器代际使用 HPE 支持的在线配置、RESTful Interface Tool 或 iLO 管理方式。执行前确认工具版本与 iLO 代际匹配。
方法四：恢复访问权限
忘记 iLO 密码时，应按照 HPE 官方维护流程，从服务器本地配置界面或受控管理工具重置授权账号。不要在公开文档中记录设备默认密码、序列号标签或生产管理地址。
四、日常检查清单
- 带外管理固件和系统 ROM 是否在受支持版本；
- RAID、磁盘、风扇、电源和温度是否存在预测性告警；
- UPS、PDU和空调负载是否还有冗余余量；
- 配置备份和关键数据备份是否可以恢复；
- 管理网络是否与业务网络隔离，是否限制来源地址并启用强密码；
- 监控告警是否能够到达值班人员，工单是否闭环。
本文作为基础设施知识入口，具体操作仍应以对应型号的官方维护手册为准。