
服务器到货那天,很多人第一件事就是往机柜里塞。等装完了发现问题,拆下来重来的时间比验收多得多。
这几年做交付,我把验收整理成六项,每一项都吃过亏,写下来给同行参考。
对着采购合同逐条核对:CPU型号和数量、内存条数量和容量、盘的数量和类型、网卡型号、电源功率和数量、导轨和线缆。
重点看两处容易出错的:一是内存条是否插满预定通道,二是网卡是不是合同上那个型号。这两项错了,性能差一大截,返工最麻烦。
序列号也要登记,后面保修和备件都靠它。
同一批机器,出厂固件版本可能不一样。混着用,后面出问题排查会很痛苦。
做法是先定一个基线版本,所有机器统一刷到同一个版本,包括BIOS、带外管理、阵列卡固件、网卡固件。刷完记录版本号,建个台账。
这一项别图省事。版本不一致导致的问题,往往表现为偶发故障,最难查。
带外管理口要单独规划网段,不要和业务网混在一起。地址、账号、告警策略一次配好。
告警要接到现有监控平台,别等到出事才想起来配。温度、风扇、电源、硬盘这几类告警必须开。
还有一个细节:带外口的IP地址和机器资产编号要对应上,做成表。几十台机器的时候,这个表能救命。
按业务需求做RAID,别一律RAID5。系统盘做镜像,数据盘按读写特性选级别。
初始化要留时间,大容量盘做初始化可能要几个小时甚至更长。这个时间要算进交付排期,别以为上电就能用。
盘的健康状态要查一遍,新盘也有坏的。
网线、光模块、跳线的型号要跟交换机端口匹配。多模和单模混用、速率不匹配,这些都遇到过。
链路要实测,不是插上灯亮就算通。做一次双向打流,确认带宽和丢包符合预期。
上业务之前先烤机,24到48小时。CPU满载、内存压测、磁盘读写、网络打流,一起跑。
烤机期间盯着温度、风扇转速、电源状态、错误日志。有问题这时候暴露,比上线后暴露好得多。
烤完再看一遍日志。有些错误不一定会触发告警,但日志里有记录。
六项做完,大概多花两三天。但这几天能挡掉的返工,往往是以周计的。
还有一个好处是心里有底。机器都验过、版本都统一、告警都接通,后面出问题排除起来方向清楚,不会一上来就怀疑硬件。
现在交付的机器里,华三服务器这类机型的带外管理做得比较完整,固件批量刷新和监控对接都有现成工具,验收流程能跑得更顺一些。
说到底,验收不是形式,是把问题挡在上线之前。机器没问题不代表配置没问题,配置没问题不代表跑起来没问题,一层层过一遍才算交付完成。
关于慧弘: