服务器常用故障主要集中在硬件、系统资源、网络链路、存储与机房环境五类；遇到告警先看监控和带外管理，再按“影响面最近变更可回滚点”排查，别把重启当第一反应。
这个结论不玄乎，服务器不是黑盒子，故障往往会先在监控、日志、指示灯和带外管理里留下痕迹，先把“服务器常用故障有哪些”拆成一张地图,后面排查才不会东一榔头西一棒子。
服务器常用故障有哪些：五类高发问题先建立地图
硬件故障：硬盘、内存、电源最会“演戏”
- 硬盘：SMART告警、RAID降级、亮黄灯、IO延迟突然升高，常用检查是
smartctl -a /dev/sda、cat /proc/mdstat，RAID卡环境可看storcli /c0 show。 - 内存：ECC错误、无故重启、内核日志出现MCE记录，别只看系统层,带外管理里的硬件日志更直接。
- 电源与风扇：双电源单路失效、风扇转速异常、温度传感器告警，物理机要借助iDRAC、iLO或IPMI看传感器状态。
- 网卡：链路闪断、丢包、bond切换。
ethtool、ip -s link能看出错包和丢包趋势。
系统资源故障：CPU、内存、磁盘和inode都会“堵车”
- CPU跑满：先看
top或htop，区分业务高峰、死循环和挖矿进程。 - 内存不足：
free -m结合dmesg -T | grep -i oom，确认是否触发OOM Killer。 - 磁盘满：
df -h看空间，df -i看inode，inode耗尽时空间看似够用,服务照样写不进文件。 - 文件系统只读：常见于磁盘坏道或RAID异常,先保数据再处理挂载。
网络与安全故障：丢包、DNS、DDoS和爆破
- 链路问题：
ping只能看通不通，mtr -rw更能看出哪一跳开始丢包。 - 端口与服务：
ss -tunlp确认监听状态，ip route看路由，dig或nslookup查DNS。 - 安全事件：SSH爆破、异常登录、DDoS、带宽跑满。
last、lastb、journalctl -u sshd能提供线索。
存储与机房环境：RAID降级、温湿度和UPS
RAID降级、坏道、背板故障会表现为IO变慢甚至业务卡死，机房侧空调、UPS、市电和温湿度同样关键，据工信部数据，近年来算力基础设施规模持续扩大,机房环境和运维规范的重要性随之上升。
服务器常用故障怎么排查：先分清症状再动手
凌晨两点监控告警：一台业务服务器SSH连不上，同机房另一台正常，这时先别急着重启，先看带外管理能否登录，再看最近是否发过配置变更,最后才判断是系统假死还是网络隔离。
先看带外管理，不要急着SSH
- 确认iDRAC、iLO或IPMI是否在线，查看电源状态、传感器和硬件日志。
- 常用命令：
ipmitool -I lanplus -H <IP> -U <用户> -P <密码> chassis power status。 - 业内专家指出，物理机排障时带外管理往往是“第二通道”,系统进不去时它还能提供硬件侧信息。
系统层用几条命令定方向
uptime看负载，top看进程，free -m看内存，df -h和df -i看磁盘与inode。dmesg -T | tail -n 100看内核报错，journalctl -xe看服务日志。systemctl status <服务名>确认服务是否假死,别只看端口在不在。
网络层先确认“是不是只有你连不上”
- 本机执行
ping -c 4 <网关>，再用mtr -rw <目标IP>看路径。 ss -tunlp确认业务端口，ip route确认默认路由，dig <域名>确认解析。- 云上还要看安全组、弹性IP、云防火墙和ACL,物理机则看交换机端口和VLAN。
存储层看RAID和SMART
smartctl -a /dev/sda看健康状态和坏道记录。cat /proc/mdstat看软RAID，storcli /c0 show看硬RAID。dmesg -T | grep -i error里出现ata、scsi、I/O error时,先备份再换盘。
云服务器和物理服务器故障对比：入口不同，顺序也不同
| 对比项 | 云服务器 | 物理服务器 |
|---|---|---|
| 第一入口 | 云监控、控制台、工单 | 带外管理、IPMI、现场指示灯 |
| 网络排查 | 安全组、弹性IP、云防火墙 | 交换机、网卡、路由、VLAN |
| 存储排查 | 云盘IOPS、配额、快照 | RAID、SMART、背板、硬盘 |
| 机房环境 | 平台侧维护 | 温湿度、UPS、空调、供电 |
云服务器和物理服务器故障对比的关键不在命令差异，而在入口差异，云上先排除平台侧和配置侧,物理机先排除硬件和机房侧。
机房服务器宕机应急处理：现场十分钟先做这几件事
- 确认影响面：单机、单机柜还是整个机房,先判断是否要切备机或摘流量。
- 保留现场：截图监控、保存日志、记录最近变更,别一上来就拔电。
- 看带外和电源：电源指示灯、风扇、温度、RAID状态,能不进系统就不进系统。
- 联系机房：确认是否有断电、空调故障、网络割接，北京服务器托管故障处理场景里，机房是否提供现场支持和带外授权,往往直接影响恢复速度。
- 重启前确认业务允许，按“应用停止数据库主备切换主机重启服务验证”的顺序走。
服务器硬盘故障维修价格差在哪：别只盯报价单
服务器硬盘故障维修价格跨度较大，原因通常不在“硬盘”两个字,而在故障类型和服务内容。
- 逻辑故障和物理故障不是一回事：文件系统损坏、误删和磁头故障的处理方式完全不同。
- 是否在保：原厂保修、渠道保修和过保自费,报价结构差别明显。
- 是否含数据恢复：只换盘和恢复数据是两笔账，报价单要看清检测费、备件费、上门费。
- 盘型差异：企业级SAS、SSD、大容量近线盘的成本和备件可得性不同。
- 服务方式：寄修、上门、机房现场更换,价格和响应时间都会变。
看报价单时，先问清楚“换盘后数据怎么办、旧盘是否保留、是否含检测和复测”,比只比总价更靠谱。
日常巡检怎么把故障挡在门外
- 监控覆盖CPU、内存、磁盘、inode、网络、RAID、温度和电源。
- 备份要能恢复,别只看备份任务成功。
- 变更留窗口、留回滚点,配置改动和固件升级都要记录。
- 定期看硬件日志和SMART趋势,别等亮红灯才处理。
- 对核心业务做切换演练,机房服务器宕机应急处理才不会停留在文档里。
服务器故障处理的核心不是背下所有命令，而是先判断影响面、保留现场、按层排查。 把监控、带外管理和巡检做扎实，多数突发故障都能从“救火”变成“可控处置”。
服务器常用故障Q&A：三个高频疑问的直给答案
服务器频繁重启，先查电源还是系统？
先看带外硬件日志和dmesg，确认是电源、温度、内存还是内核崩溃,只换电源容易漏掉内存ECC错误或散热问题。
磁盘亮黄灯还能继续跑吗？
RAID降级状态下可以短时运行，但要尽快备份并更换故障盘，单盘无冗余时先做数据备份,再安排更换。
云服务器CPU跑满和物理机排查有什么不同？
云服务器先看云监控、实例规格、配额、安全组和云盘IOPS，再查进程与异常登录；物理机先看带外管理、硬件日志和机房环境，云服务器CPU跑满时，先看云监控和配额，再查进程与安全组,这与物理机先看带外和硬件的顺序不同。
首发原创文章，作者：王坚，如若转载，请注明出处：https://idctop.com/article/784621.html
