一、先看灯的颜色和位置，故障等级就出来一半
三大品牌服务器（Dell PowerEdge、HP ProLiant、联想ThinkSystem）的告警逻辑基本一致：
- 绿灯：正常。绿灯闪烁：正在重建/活动。
- 琥珀色（黄灯）：警告或故障。分两种——部件级黄灯（某块盘、某个电源）和系统级黄灯（面板上的整体告警灯，通常伴随“滴滴”声）。
- 红灯/琥珀快闪：严重故障，部分机型温度或供电临界时会快闪。
关键原则：黄灯≠立刻停机。企业级服务器大量部件是冗余的（双电源、RAID、ECC内存、热插拔风扇），很多黄灯的意思是“冗余丢了，尽快修”，而不是“业务要停”。慌慌张张直接拔电，反而把可计划的维修变成事故。
二、五分钟自查：远程管理口是你的仪表盘
别在机房里盯着灯猜，用带外管理口登录看日志，信息全得多：
| 品牌 | 管理口 | 默认地址 | 看哪里 |
|---|---|---|---|
| Dell | iDRAC | 机身拉出小标签上有IP，默认用户root | 日志→生命周期日志（Lifecycle Log） |
| HP | iLO | 机身标签，默认用户Administrator | AHS日志/IML集成管理日志 |
| 联想 | XCC/IMM | 机身标签，默认用户USERID | 事件日志 |
不知道管理口IP的：Dell开机按F2进BIOS看iDRAC设置，或者接个显示器看开机自检画面（POST）里的报错；也可以开机时按对应的快捷键进系统设置看。没配过管理口IP的，这次修完顺手配上，下次就不用跑机房了。
三、常见告警TOP6：从“能等”到“要停”排个序
① 硬盘预测故障（PFA）——能等，但要尽快
表现：单块盘琥珀灯慢闪，日志报“Predictive failure”或SMART告警。盘还在阵列里正常工作，只是厂商固件判断它快不行了。正确动作：趁业务低峰热插拔换新盘，让阵列自动重建。别等到它真死——RAID5里真死一块就进入降级，再死一块就是灾难（见我们那篇RAID5双盘离线实录）。换盘要点：同型号同容量优先，容量不能小于原盘；换之前确认备份可用。
② 内存ECC报错——分频率处理
表现：日志报“Correctable ECC”（可纠正）或“Uncorrectable”（不可纠正）。可纠正错误偶发一两次：记录DIMM槽位，观察，可以等业务窗口再换。可纠正错误高频出现（一天几十上百条）或出现不可纠正错误：尽快安排，不可纠正ECC会直接导致宕机重启。企业级内存是ECC的，报错定位到槽位（如DIMM_A3），换对应内存条即可，换的时候注意通道配对规则。
③ 电源故障——冗余还在就不停业务
表现：双电源机型单个电源琥珀灯，日志报PSU故障或“Power supply AC lost”。先查最简单的：电源线松没松、PDU那一路插座有没有电、机房那一路空开跳没跳。真是电源坏了：双电源机型单电源运行可以撑到备件来（注意另一路别再出事），热插拔更换。单电源机型按停机处理，尽快。
④ 风扇/温度告警——最不能拖的一类
表现：风扇狂转（噪音明显变大）、面板温度灯亮、日志报温度阈值超限。先查：机房空调是不是出问题了（夏天广州机房空调故障是我们的高频出诊原因）、机器进风口是不是被灰糊死了、风扇模块是不是坏了。温度临界时服务器会降频自保，再高就强制关机——数据风险大。这类告警要立即处理，哪怕只是清灰。
⑤ 阵列卡电池（BBU/超级电容）老化——计划内更换
表现：日志报“RAID battery/capacitor degraded”，写缓存策略可能自动从Write Back切到Write Through（业务会变慢但安全）。不紧急，安排备件更换即可。电池老化的机器遇到断电，写缓存里的数据有丢失风险，所以别拖太久。
⑥ 系统级告警灯+滴滴响——按日志来
面板整体告警灯亮通常伴随蜂鸣，是上面任何问题的汇总提示。有些机型可以在iDRAC/iLO里远程消音。看到系统灯亮，直接查日志定位到具体部件，别被声音吓到。
四、案例：一台HP DL380 Gen10的“半夜滴滴响”
2026年7月29日凌晨1点，番禺一家做跨境电商的公司值班电话打到我们这里：机房一台HP DL380 Gen10（承载ERP和官网）开始滴滴响，面板黄灯，业务还在跑。电话里先让他们别动机器，报iLO地址给我们远程看（之前做维保时配好的）。
iLO的IML日志显示：DIMM_B4内存条不可纠正ECC错误一次、可纠正错误37条，另外Slot 3硬盘SMART报PFA。两个问题叠在一起触发了系统告警。
处理：不可纠正ECC有过一次，宕机风险实际存在，不能等。凌晨2点到场，备件是维保合同里备好的（同规格16GB RDIMM+2TB企业盘）。业务方把ERP切到备用方案停了20分钟服务，换内存条、换硬盘、触发阵列重建，重建挂着跑，凌晨4点撤。第二天回访：阵列重建完成，业务无感。这台机器签了年度维保，这次出诊和备件都没另外收费——这就是维保合同的意义：把半夜的救火变成有备件的计划动作。
五、给企业IT管理员的三条建议
- 把带外管理口配好并接入监控。iDRAC/iLO/XCC都支持SNMP、邮件告警、Redfish API。配好邮件告警，问题半夜发生你早上就能看到，而不是等用户投诉。没精力自己盯的，可以托管给我们的IT外包运维，7×24监控告警响应。
- 备件先行。PFA盘、内存条、电源这三样是服务器故障的大头。关键业务机器，同型号备件各备一份放在机房，故障处理从“等物流三天”变成“半小时换完”。年维保合同含备件库的，这笔账很划算。
- 建立告警响应分级。照抄我们的分级就行：温度/供电类立即处理；不可纠正ECC/双盘风险24小时内；PFA/电池老化一周内计划处理。写成一页纸贴在值班表旁边，值班的人照做，不用每次打电话问。
服务器亮灯了拿不准的，拍个面板照片、把型号和日志截图发到020-39029800（微信同号），电话里先帮你分级。番禺、南沙2小时内到场。