خطاهای رایج سرور HP و روش رفع آن‌ها؛ از پیام‌های POST تا هشدارهای iLO

آموزش‌ها و نکات فنی 30 آبان 1405 ساعت 05:05 مدیر فنی زمان تقریبی مطالعه: 9 دقیقه

خطاهای رایج سرور HP و روش رفع آن‌ها؛ از پیام‌های POST تا هشدارهای iLO

هر مدیر شبکه‌ای که با سرورهای HPE ProLiant کار می‌کند، دیر یا زود با خطاهای سرور HP روبه‌رو می‌شود: پیامی هنگام بوت، چراغ نارنجی سلامت روی پنل جلو، هشدار ایمیلی iLO یا دیسکی که از آرایه خارج شده است. خبر خوب این است که سرورهای HP ابزارهای تشخیصی بسیار دقیقی دارند و بیشتر خطاها با خواندن درست لاگ‌ها قابل شناسایی و رفع‌اند. در این مقاله منابع اطلاعات خطا را معرفی می‌کنیم، رایج‌ترین خطاها را در حافظه، دیسک، پاور، فن و دما دسته‌بندی می‌کنیم و برای هر کدام روش عیب‌یابی و رفع عملی ارائه می‌دهیم.

خطاهای سرور HP را از کجا بخوانیم؟

چراغ‌های سلامت (Health LED)

اولین نشانه‌ی مشکل معمولاً تغییر رنگ چراغ سلامت روی پنل جلو است: سبز یعنی سالم، نارنجی چشمک‌زن یعنی وضعیت تخریب‌شده (Degraded) و قرمز یعنی وضعیت بحرانی. معنی دقیق چراغ‌ها و ترکیب‌های آن را در راهنمای عیب‌یابی چراغ‌های سلامت سرور HP توضیح داده‌ایم.

لاگ IML (Integrated Management Log)

IML مهم‌ترین منبع تشخیص خطاست و رویدادهای سخت‌افزاری مانند خطای حافظه، خرابی فن، قطع پاور و هشدار دما را با زمان دقیق ثبت می‌کند. این لاگ از طریق رابط وب iLO، ابزارهای سیستم‌عامل HPE و صفحه‌ی تنظیمات سیستم قابل مشاهده است.

لاگ رویداد iLO و هشدارها

iLO علاوه بر IML، لاگ رویدادهای مدیریتی دارد و می‌تواند هشدارها را از طریق ایمیل، SNMP یا Redfish ارسال کند. اگر هنوز iLO را پیکربندی نکرده‌اید، آموزش تنظیم IP و راه‌اندازی iLO را دنبال کنید؛ بدون iLO عیب‌یابی از راه دور تقریباً غیرممکن است.

پیام‌های POST هنگام بوت

هنگام روشن شدن، سرور سخت‌افزار را بررسی می‌کند و در صورت مشکل پیامی روی صفحه نمایش می‌دهد. این پیام‌ها در کنسول راه دور iLO هم دیده می‌شوند.

Active Health System و Smart Storage Administrator

Active Health System (AHS) به‌طور مداوم داده‌های تشخیصی را جمع‌آوری می‌کند و فایل لاگ آن برای پشتیبانی فنی قابل دانلود است. برای خطاهای دیسک و آرایه‌ی RAID هم ابزار HPE Smart Storage Administrator جزئیات وضعیت هر درایو را نشان می‌دهد.

جدول خطاهای رایج سرور HP

دسته نمونه‌ی پیام یا نشانه علت محتمل اقدام اولیه
حافظه Correctable Memory Error Threshold Exceeded یا Uncorrectable Memory Error ماژول معیوب، نصب نادرست، ماژول ناسازگار شناسایی اسلات از IML، جابه‌جایی یا تعویض ماژول
حافظه هشدار پیکربندی نامعتبر حافظه هنگام بوت رعایت نکردن قوانین چیدمان، ترکیب ماژول‌های ناهمگون چیدمان را با راهنمای HPE تطبیق دهید
دیسک 1720 S.M.A.R.T. Hard Drive Detects Imminent Failure پیش‌بینی خرابی درایو بکاپ فوری و تعویض درایو
دیسک 1785 Drive Array Not Configured آرایه پیکربندی نشده یا اطلاعات آرایه از دست رفته بررسی اتصال درایوها و کنترلر قبل از هر پیکربندی مجدد
پاور Power Supply Failure یا Power Supply Redundancy Lost خرابی پاور، قطع کابل برق یا مشکل برق ورودی بررسی کابل و برق ورودی، تعویض پاور
فن Fan Failure یا Fan Redundancy Lost خرابی فن یا نصب نادرست تعویض فن (در بیشتر مدل‌ها Hot-Plug)
دما Temperature Caution یا Critical / Overheating دمای بالای اتاق، فیلتر یا مسیر هوای مسدود، فن معیوب بررسی دمای اتاق و جریان هوا
کنترلر هشدار باتری یا کش کنترلر RAID خرابی یا شارژ نشدن Smart Storage Battery بررسی و تعویض باتری کنترلر

خطاهای حافظه (رم)

خطاهای حافظه از رایج‌ترین مشکلات سرور هستند. خطاهای قابل اصلاح (Correctable) با فناوری ECC برطرف می‌شوند و سرور به کار ادامه می‌دهد، اما وقتی تعداد آن‌ها از آستانه‌ی مشخصی بگذرد، سرور هشدار می‌دهد و این نشانه‌ی ماژولی است که به‌زودی از کار می‌افتد. خطای غیرقابل اصلاح (Uncorrectable) می‌تواند باعث ری‌استارت یا توقف سیستم‌عامل شود. روش رفع:

  1. از IML شماره‌ی اسلات و پردازنده‌ی مربوط به خطا را پیدا کنید.
  2. سرور را خاموش کنید و ماژول را جابه‌جا کنید؛ اگر خطا همراه ماژول جابه‌جا شد، ماژول معیوب است.
  3. مطمئن شوید ماژول‌ها هم‌نوع، تأییدشده برای همان نسل و طبق قوانین چیدمان نصب شده‌اند.
  4. BIOS و فرم‌ور سرور را به‌روز کنید؛ برخی خطاها با به‌روزرسانی برطرف می‌شوند.

قوانین چیدمان را در قوانین نصب و چیدمان رم در سرورهای HP و انتخاب ماژول جایگزین را در راهنمای خرید رم سرور HP ببینید.

خطاهای دیسک و آرایه‌ی RAID

پیام S.M.A.R.T. یا وضعیت Predictive Failure یعنی درایو هنوز کار می‌کند اما احتمال خرابی آن بالاست؛ این زمان طلایی برای تعویض بدون از دست رفتن داده است. اگر آرایه در وضعیت Degraded یا Interim Recovery است، یکی از درایوها خارج شده و آرایه بدون افزونگی کار می‌کند. پیش از هر اقدام از داده‌ها بکاپ بگیرید، درایو معیوب را با درایو هم‌ظرفیت و هم‌نوع تعویض کنید و اجازه دهید بازسازی آرایه کامل شود. هرگز در حالتی که آرایه اطلاعاتش را نشان نمی‌دهد، پیش از بررسی کامل، آرایه‌ی جدید نسازید؛ این کار داده‌ها را از بین می‌برد. برای انتخاب درایو جایگزین سازگار، راهنمای خرید هارد و SSD سرور HP را بخوانید.

خطاهای پاور، فن و دما

پیام از دست رفتن افزونگی پاور (Power Supply Redundancy Lost) یعنی سرور فقط با یک پاور کار می‌کند و با خرابی آن خاموش می‌شود. ابتدا کابل برق و پریز یا PDU را بررسی کنید، سپس وضعیت پاور را در iLO ببینید و در صورت خرابی، پاور هم‌توان و هم‌نوع (Flex Slot با همان ظرفیت) جایگزین کنید. استفاده از دو پاور با ظرفیت متفاوت هم خودش خطا ایجاد می‌کند. راهنمای پاور سرور HP نحوه‌ی انتخاب پاور جایگزین را توضیح می‌دهد.

هشدارهای فن و دما معمولاً به هم مرتبط‌اند. دمای بالای اتاق سرور، مسدود بودن جلوی رک، نبودن پنل‌های خالی (Blank) در جایگاه‌های خالی درایو یا جای خالی فن، جریان هوا را مختل می‌کند و سرور با بالا بردن دور فن‌ها یا در نهایت خاموش کردن خود از قطعات محافظت می‌کند. دمای مناسب اتاق را در استانداردهای اتاق سرور ببینید.

خطاهای فرم‌ور و پس از ارتقا

بسیاری از خطاهای عجیب، مانند شناسایی نشدن کارت جدید، هشدارهای کاذب سنسورها یا ناسازگاری درایو، به نسخه‌ی قدیمی فرم‌ور برمی‌گردند. پیش از نصب قطعه‌ی جدید و به‌طور دوره‌ای، فرم‌ور سرور، iLO، کنترلر و درایوها را با بسته‌ی رسمی به‌روز کنید؛ روش کار در آموزش به‌روزرسانی فرم‌ور سرور HPE با SPP آمده است.

اشتباهات رایج در عیب‌یابی سرور HP

  • پاک کردن لاگ IML پیش از ثبت و بررسی خطا.
  • تعویض قطعه بر اساس حدس، بدون خواندن لاگ و شناسایی دقیق اسلات یا جایگاه.
  • ساختن آرایه‌ی جدید روی درایوهای حاوی داده.
  • استفاده از قطعات غیراصل یا ناسازگار با نسل سرور که خطاهای جدید ایجاد می‌کند.
  • نادیده گرفتن هشدارهای قابل اصلاح تا زمانی که به خرابی کامل برسند.

چک‌لیست عیب‌یابی سریع

  1. رنگ چراغ‌های سلامت را یادداشت کنید.
  2. لاگ IML و رویدادهای iLO را بخوانید و زمان و جایگاه خطا را ثبت کنید.
  3. پیش از هر تغییر روی دیسک‌ها از داده‌ها بکاپ بگیرید.
  4. اتصالات فیزیکی، کابل‌ها و دمای محیط را بررسی کنید.
  5. فرم‌ور را به‌روز کنید و دوباره وضعیت را بررسی کنید.
  6. قطعه‌ی معیوب را با قطعه‌ی اصل و سازگار تعویض کنید.

سوالات متداول

چراغ سلامت سرور HP نارنجی شده، چه کنم؟

نارنجی یعنی یک قطعه در وضعیت تخریب‌شده است؛ لاگ IML یا صفحه‌ی خلاصه‌ی iLO را بررسی کنید تا قطعه‌ی مشکل‌دار مشخص شود.

آیا با خطای Correctable Memory باید رم را عوض کرد؟

اگر هشدار عبور از آستانه دریافت کرده‌اید، بهتر است ماژول را در اولین فرصت تعویض کنید تا به خطای غیرقابل اصلاح نرسد.

بدون iLO چطور خطا را ببینیم؟

از پیام‌های POST، صفحه‌ی تنظیمات سیستم و ابزارهای HPE در سیستم‌عامل استفاده کنید؛ اما پیکربندی iLO برای هشدار خودکار به‌شدت توصیه می‌شود.

تأمین قطعات یدکی سرور HP از ایران اینفرا

اگر عیب‌یابی به تعویض قطعه رسید، ایران اینفرا قطعات اصل و تست‌شده‌ی سرورهای HPE را با گارانتی عرضه می‌کند: رم سرور، هارد و SSD سرور و پاور سرور. پیام خطا یا مدل سرور خود را برای کارشناسان ما بفرستید تا قطعه‌ی سازگار را پیشنهاد دهند و استعلام قیمت بگیرید.

تاکنون نظری ثبت نشده است.