服务器没有一套全国通用的故障码,常见故障码分硬件厂商事件码、BMC/IPMI的SEL日志、操作系统内核与蓝屏停止码、RAID与硬盘SMART告警、云平台错误码五层;排查时先确认“谁在报错”,再查对应手册和日志上下文。服务器不会无缘无故闹脾气,它会把线索留在日志里,下面按来源和场景拆开讲,给出能直接执行的查询命令和判断路径。
服务器故障码怎么查询?先分清五层报错来源
同样是“报错”,服务器硬件、操作系统和云平台说的不是一套语言,先看下表,能少走很多弯路。
| 报错来源 | 常见叫法 | 典型关键词或码段 | 首查入口 |
|---|---|---|---|
| 硬件厂商管理模块 | 事件码、告警编号 | 戴尔E系列事件、HPE iLO日志、联想XClarity事件ID、华为iBMC告警 | 厂商支持页、管理口日志 |
| BMC/IPMI | SEL系统事件日志 | Power Supply failure、Fan failure、ECC error | ipmitool sel list |
| 操作系统 | 内核报错、蓝屏停止码 | OOM、MCE、I/O error、STOP 0x0000007B | journalctl -k、Windows事件查看器 |
| RAID与硬盘 | 阵列事件、SMART告警 | Drive fault、Predictive failure、SMART ID 5/187/197/198 | 阵列卡工具、smartctl |
| 云平台 | 控制台错误码、实例事件 | 实例异常、磁盘挂载失败、网络不可达 | 云监控、实例事件、工单记录 |
硬件厂商故障码:品牌不同,码不通用
戴尔、惠普、联想、华为、浪潮的私有事件码不能跨品牌套用,你看到“E”开头、“iLO”编号或“XClarity事件ID”,第一步是拿完整型号和序列号去厂商支持站查,只凭一串码判断换主板,容易误判。
实操时先记录四样东西:故障发生时间、完整事件码、受影响部件槽位、当时业务是否中断,这四样比单看码更有用,厂商事件码通常描述“哪个传感器触发”,不直接告诉你“换哪个件”。
BMC与IPMI故障码:SEL日志是第一现场
行业共识认为,硬件层事件先看BMC的SEL日志,远程管理口能看,不一定非要进机房,常用命令如下:
ipmitool -I lanplus -H BMC_IP -U 用户名 -P 密码 sel listipmitool sensor list | grep -i -E "fan|temp|volt|power"ipmitool sel elist查看带时间戳的完整事件
重点看三类记录:电源冗余失效、风扇转速越限、内存ECC错误,如果SEL里同一槽位反复出现Correctable ECC,先别急着清码,结合rasdaemon或mcelog看是否升级为Uncorrectable,电源事件要看是单路掉电还是双路异常,冗余电源单路故障时业务可能还在跑,但风险已经存在。
操作系统故障码:Linux内核报错和Windows停止代码分开看
Linux侧先看内核日志:
journalctl -k -p err -bdmesg -T | grep -i -E "error|fail|mce|oom|i/o"smartctl -a /dev/sda查硬盘健康mcelog或rasdaemon查机器检查异常
Windows侧打开eventvwr.msc,看Windows日志下的系统日志,再结合C:\Windows\Minidump里的转储文件,常见蓝屏停止码有STOP 0x0000007B(启动设备访问异常)、0x00000050(内存页错误)、0x0000009F(电源状态转换失败),这些码是现象入口,不是最终结论,要结合最近驱动、补丁和硬件变更看。
RAID与硬盘故障码:SMART和阵列卡事件一起看
硬盘故障码最容易被误读,SMART里几个属性值得盯:
- ID 5:重映射扇区计数
- ID 187:不可纠正错误计数
- ID 197:待映射扇区计数
- ID 198:离线不可纠正扇区计数
阵列卡侧用厂商工具,例如storcli /c0 show all、perccli /c0 show,看物理盘状态、背板槽位和事件日志,出现“Predictive failure”不等于立刻掉盘,但应安排备份和更换窗口,阵列降级时先确认热备是否顶上,再换盘重建,别在业务高峰直接拔盘。
云服务器故障码什么意思?别拿物理机手册硬套
云服务器控制台里的错误码,更多描述资源状态和平台事件,例如实例异常、磁盘挂载失败、安全组规则不通、快照创建失败,业内专家指出,云平台错误码更多描述资源状态,和物理机厂商事件码不是一套语言,排查顺序是:先看实例事件和云监控,再看系统内dmesg与应用日志,最后提交工单时附上实例ID、时间点、错误码原文、操作路径,只发一张截图,定位效率会低很多。
机房服务器故障码大全及处理方法:按现象定位更快
机房现场常见的故障码不必死背,按现象走更快。
开机无显示或卡POST:先看POST码和BMC健康状态
先确认电源指示灯、BMC是否可登录、POST诊断码停在哪个阶段,若BMC能进,看SEL里是否有内存、CPU、PCIe插槽事件,若BMC不通,再查电源线、PDU、主板诊断卡,不要一上来反复重启,反复断电可能让日志丢失。
反复重启、宕机:查内存ECC、CPU温度、电源事件
按这个顺序查:
- BMC SEL里搜
ECC、Thermal、Power - 系统日志搜
MCE、OOM、panic - 传感器看CPU和进风口温度是否越限
- 冗余电源是否单路失效
相当一部分“随机重启”与内存或电源相关,但也要排除业务层OOM,内核OOM killer会留下进程名和内存占用,别把它误判成硬件故障码。
硬盘掉线、阵列降级:先保数据再换盘
先确认掉线盘槽位和阵列状态,导出阵列卡日志与SMART报告,若阵列已降级,优先做数据备份和业务切换,换盘后看重建进度,重建期间避免高负载压测,硬盘事件码只说明盘或链路异常,背板、线缆、阵列卡端口也要排查。
风扇、电源告警:看传感器阈值和冗余状态
风扇故障码常带转速值,先看是单风扇还是整组风扇异常,再查是否积灰、线缆松动、风扇模块接触不良,电源告警要看输入电压、输出功率和冗余状态,单电源模块故障时业务可能无感,但冗余已经失效,应尽快安排更换。
网络不通:Link、交换机端口、系统日志三处对齐
系统侧看ethtool eth0、ip -s link、dmesg | grep -i eth;交换机侧看端口up/down、CRC错误、VLAN配置;云上再看安全组和路由,网卡Link down不一定是网卡坏,光模块、光纤、对端端口都可能有问题。
服务器故障码和报警灯有什么区别?现场排查别只盯红灯
报警灯是“快速指路”,故障码是“补充口供”,灯亮只说明某个区域异常,码能告诉你时间、部件和重复次数,现场顺序可以这样走:
- 先看灯:电源、硬盘、风扇、系统健康灯
- 再进BMC:读SEL,确认事件时间线
- 再进系统:看内核日志、阵列日志、应用日志
- 最后交叉验证:同一时间点,硬件码和系统日志是否对得上
只盯红灯容易换错件,只背故障码也容易忽略业务层问题,两者对齐,才是有效排查。
北京服务器维修故障码诊断多少钱?先问清是否含日志分析
北京机房现场排查,费用通常受是否上门、是否拆机、备件检测、RAID恢复难度、日志分析深度影响,常见按次或按工时计费,差异较大,送修或约上门前,先问清对方是否包含BMC SEL分析、SMART检测、阵列卡日志读取、系统日志复盘,只做“清码重启”的报价低,但复现风险高,把故障时间点、完整码、已做过操作列清楚,沟通成本会低很多。
常见服务器故障码速查与处理原则
| 现象 | 常见码或日志关键词 | 首查位置 | 处理方向 |
|---|---|---|---|
| 开机卡住 | POST码、内存初始化失败 | BMC POST日志、诊断卡 | 最小化配置、单条内存轮换 |
| 随机重启 | MCE、ECC、Thermal、Power | SEL、mcelog、传感器 |
查内存/电源/散热 |
| 蓝屏 | STOP 0x0000007B、0x00000050、0x0000009F | 事件查看器、Minidump | 查驱动、存储控制器、电源状态 |
| 硬盘告警 | SMART 5/187/197/198、Predictive failure | smartctl、阵列卡工具 |
备份后换盘、看重建 |
| 阵列降级 | Drive fault、Rebuild | 阵列卡事件日志 | 确认热备、换盘重建 |
| 风扇/电源 | Fan failure、Power supply failure | SEL、传感器阈值 | 查冗余、清灰、换模块 |
| 网络异常 | Link down、CRC error、I/O error | ethtool、交换机端口、dmesg |
查光模块、线缆、端口配置 |
处理原则不复杂:先备份业务数据,再隔离故障部件,再清码验证,清码只清记录,不修故障,同一事件码反复出现,说明触发条件还在,换件前尽量导出SEL、SMART、阵列日志和系统日志,后续追查有依据。
故障码不是用来背的,是用来缩小范围的,先确认来源,再用日志和部件状态交叉验证,处理效率会高很多。
服务器故障码Q&A:三个高频问题
服务器故障码查询必须进机房吗?
不一定,BMC/IPMI可远程读SEL和传感器,操作系统日志可通过SSH或远程管理查看,只有BMC不通、网络中断或需要拔插部件时,才需要现场操作,远程查询前确认管理口地址、账号权限和网络策略。
同一个故障码换台机器还会出现吗?
可能,故障码描述的是事件类型,不是某台机器的唯一身份证,同一型号批次、同一电源环境、同一负载模式,可能触发相同事件,判断时要看槽位、时间、重复次数和部件健康状态,不能只对码。
服务器故障码清掉就能继续用吗?
不能直接等同于修复,清码只清除日志记录,传感器和部件状态仍可能异常,清码后应观察同一事件是否再次写入SEL;若再次出现,说明根因仍在,需按事件对应部件做替换或送检检测。
首发原创文章,作者:王坚,如若转载,请注明出处:https://idctop.com/article/806302.html


