运维常见硬件故障的排查与修复

1 、设备本身的散热故障

无论是服务器、交换机、还是路由器，运行时间长了，都会出现散热问题，会不会报故障（或者说多长时间后报故障）、给网络效率造成多大的影响，一定程度上取决于机房的环境。

其中灰尘就是散热问题的最大来源，好在这类故障处理起来很容易，收到告警信息后，更换散热器能解决90%的问题。

除此之外，不能排除有一部分设备，是主板上的针脚不再给散热风扇供电的原因，这就需要想办法给风扇供电。

2、 电源模块故障

电源完全损坏，不再供电的时候，如果没有冗余配置，这时候设备肯定已经被动关机了，直接替换新的电源即可，但有的时候，电源的故障并不是那么明显。

案例：某服务器频繁死机，每次重启后，能正常运转一天两天，一时找不出原因，有次正好在机房维护，听到该服务器有蜂鸣声，此时服务器还没有死机，查询日志无异常便重启，进入BIOS查看，发现电源有高压报警——12V输出，达到了16V！

因为有冗余电源，直接把故障电源拔下来，服务器就恢复了正常。

3、主板老化或者元器件损坏

这类故障不是很明显，但会直接导致设备不稳定或宕机。

案例：有台服务器年代久远，不稳定，三天两头要重启，有时也报高温故障，于是决定拆下来彻底清理一遍，到客户的生产车间，用风枪吹干净，感觉主板像新的一样，但是服务器点不亮了；

仔细查看才发现CPU周围有几个电容鼓包了，甚至有爆浆，换上好的电容之后，问题也就解决了。同样的的方法，也可以修好交换机主板、电脑主板、显卡等等。

但是大多数时候，设备一旦出现元器件损坏，就未必能修好。就算修好，也不再建议当成主要设备来使用了，作为备用件是不错的选择。

4、硬盘或者内存等主要配件故障

硬盘故障最为麻烦，例如，RAID1或者RAID5是服务器中常见的配置，这种情况下，损坏一块硬盘还好，一般不会有什么损失，换个新的也就解决了；

比较麻烦的是阵列中多块硬盘损坏的情况，如果数据非常重要，一定需要交给专业公司处理，盲目地操作只会增加数据恢复的难度。