8 月 27 日凌晨 1 点 40 分，番禺一家做冷链物流的公司打来了 24 小时值班电话：机房里唯一一台 Dell PowerEdge R740 突然关机，TMS 调度系统瘫痪，十几台冷藏车的温度数据传不回来，明早 6 点前必须恢复，否则一车海鲜全得报废。
我们工程师 2 点 20 分到现场。机器是 2021 年买的 R740，双路至强 Silver 4210R、96GB 内存、两块 750W 铂金电源（型号 D750E-S1）。按下电源键没反应，前面板诊断灯不亮——这不是死机，是彻底没电。
第一步：别急着拆，先读 iDRAC 日志
R740 的 iDRAC9 是独立供电的，只要机器插着电，就算主机不开机也能访问。工程师把笔记本直接接到 iDRAC 专用网口，默认账号 root 登录后第一件事是翻 System → Overview → Logs，结果让人哭笑不得：
| 时间 | 日志内容 | 严重级别 |
|---|---|---|
| 7 月 11 日 03:22 | PSU 2 input lost（电源 2 输入丢失） | Critical |
| 7 月 11 日 03:22 | PSU redundancy lost（冗余丢失） | Warning |
| 8 月 26 日 23:47 | PSU 1 failure detected（电源 1 故障） | Critical |
| 8 月 27 日 01:38 | System power lost（系统掉电） | Critical |
翻译成人话：47 天前 2 号电源就坏了，机器一直靠 1 号电源单腿跑了将近一个半月，1 号电源从那时起 24 小时满载，8 月底终于撑不住，整个系统直接断电。如果 7 月 11 日看到告警换掉 2 号电源，这次事故根本不会发生。
第二步：现场验证，确认两个电源的状态
iDRAC 说的不一定全对，我们做了物理验证：
- 看电源指示灯：拔出两个电源模块，1 号和 2 号的 LED 都是琥珀色（正常应为绿色常亮）。琥珀色 = 故障或无输入。
- 换插座测试：把 2 号电源插到 1 号原来确定正常的插座上，还是不亮——排除 PDU 插座问题，确认 2 号电源本体故障。
- 万用表量 1 号电源输出：断电拆开后量 12V 主输出，电压在 9.8V-13.5V 之间跳，正常应稳定在 12V±5%。风扇轴承也有明显旷量。典型的长期满载老化，电容鼓包前兆。
结论：2 号电源已坏 47 天，1 号电源重度老化随时罢工。这台机器当时能开机纯属运气。
第三步：换电源，不是换上去就完事
750W 铂金电源（D750E-S1）全新原厂件市场价在 1300-1800 元一只，拆机件 600-800 元。考虑到这台机器承载着全公司调度业务，我们建议客户直接换一对全新原厂件，报价 3200 元（含上门、安装、满载烤机测试）。
更换流程里有两个容易踩的坑：
- 固件版本要对齐：新电源固件和旧的不一致时，iDRAC 会报“PSU mismatched firmware”。我们在 iDRAC 里跑了电源固件更新，10 分钟对齐。
- 换完必须做冗余拔插测试：开机状态下拔掉 1 号电源，确认机器不掉电、iDRAC 出 redundancy lost 告警；插回去等状态恢复绿色，再拔 2 号测一遍。这一步很多同行省掉，结果就是下次真出事时冗余依然是假的。
凌晨 4 点 50 分，TMS 系统恢复上线，距离客户的死线还有 1 小时 10 分钟。第二天我们远程复查了 iDRAC 日志，一切干净。
这次事故暴露的三个问题，很多企业都有
问题一：告警没人看。iDRAC 可以配置 SMTP 邮件告警和 SNMP trap，客户从来没配过。我们免费帮他们配好了邮件告警，发到 IT 负责人和老板两个邮箱。如果你的服务器是 Dell/HP/联想，这个功能 10 分钟就能配好，强烈建议做。
问题二：冗余电源从不测试。双电源的意义是坏一个还能跑，但前提是“另一个是好的”。我们建议每季度做一次带电拔插测试，或者至少每半年在 iDRAC 里看一次两个电源的输入电压和风扇转速是否都正常。
问题三：单点供电。这台 R740 的两个电源插在同一路市电 PDU 上，停电时冗余照样归零。标准做法是两个电源分别接 A/B 两路电，退一步至少上一台在线式 UPS。3kVA 的在线式 UPS 含电池 4000-6000 元，比一车海鲜便宜多了。
附：机架式服务器电源自检清单
| 检查项 | 方法 | 频率 |
|---|---|---|
| 电源 LED 状态 | 目视，绿色=正常，琥珀色=故障/无输入 | 每月 |
| iDRAC/iLO/XCC 日志 | 登录管理口查 System Logs 里的 PSU 关键字 | 每月 |
| 冗余拔插测试 | 开机状态下轮流拔插两个电源，确认不掉电 | 每季度 |
| 告警通道 | 确认邮件/SNMP 告警能收到（可以故意拔一个电源测试） | 每季度 |
| 风扇与进风口除尘 | 压缩空气清理，电源风扇异响即更换 | 每半年 |
如果你公司的服务器也是“装好就没人管”的状态，可以找我们做一次免费的健康巡检——广州范围内上门，出一份包含电源、硬盘 SMART、RAID 状态、固件版本的完整报告，不收钱，报告归你。