浪潮服务器异常宕机：3108MR阵列卡异常进入安全模式排查

前言

最近有一台浪潮NF5466M5服务器异常宕机，重启机器之后无法进入系统，按Ctrl+R进入Raid配置界面，发现RAID卡进入安全模式导致系统无法引导成功。初步诊断可能是阵列卡或者硬盘异常触发RAID自我保护机制，下面分享排查过程。

排查过程

1、尝试解除安全模式

首先按“Ctrl+R”进入Raid配置界面，然后按“Ctrl+N”切换至“Ctrl Mgmt”页面，找到“Boot Mode”选项，将“Safe Mode errors”从默认的“Halt on errors”改为“Ignore errors”。此操作指示RAID卡在检测到异常时忽略错误并尝试继续启动。保存设置并重启服务器，再次进入RAID配置界面确认安全模式是否解除。

2、检测硬盘状态、RAID卡状态

进入RAID配置界面后，此时安全模式已解除，检查所有物理硬盘状态，均显示为“Online”正常状态。但阵列卡整体状态显示为“Need Attention”告警状态——正常情况下，阵列卡控制器状态应为“Optimal”状态，而“Need Attention”该告警表示阵列卡处于“亚健康”状态，控制器已检测到异常，虽暂时未导致硬盘离线，但已触发安全模式，此时重启可以正常引导进入操作系统，先临时恢复系统，但阵列卡不稳定，需要进一步检测阵列卡。

3、借助StorCLI工具定位阵列卡异常

RAID配置界面显示的信息较为简略，无法直接定位具体错误类型。因此需要借助StorCLI工具获取详细的RAID信息和日志。若系统无法启动或者业务系统无操作权限，可通过U盘启动WinPE或U盘的Linux系统来运行该工具，本文以WinPE环境为例，执行以下命令：

# 获取全部基本信息
storcli64.exe /c0 show all > AdpInfo.txt

# 系统下的RAID实时日志
storcli64.exe /c0 show termlog > FwTmLog.txt

打开生成的AdpInfo.txt文件，在Status段落中，发现其中“Memory Uncorrectable Errors”（内存不可纠正错误）的计数为1——该错误表示阵列卡内置内存发生了一次不可纠正错误，这是导致阵列卡进入安全模式、服务器宕机（阵列卡内存异常会导致控制器无法正常工作，触发保护机制）。

4、更换阵列卡，验证故障解决

确认故障后，申请同型号备件进行更换。更换完成后，所有硬盘自动被识别且状态“Online”，阵列卡控制器状态恢复为“Optimal”，服务器正常引导操作系统，业务恢复。

结语

本次浪潮NF5466M5服务器宕机故障，核心是3108MR阵列卡内置内存异常引发的安全模式触发，整个排查过程遵循“先临时恢复、再定位根源、最后彻底解决”的思路，从解除安全模式缩小故障范围，到借助工具精准定位，再到更换硬件验证，逐步推进，最终顺利恢复服务器正常运行。
通过本次排查，也总结了两点运维经验：一是服务器宕机后，若无法进入系统，优先排查阵列卡配置（安全模式是常见保护机制），避免盲目重装系统导致数据风险；二是阵列卡的“Need Attention”告警不可忽视，虽暂时不影响业务，但已提示硬件亚健康，需及时排查，避免故障扩大。
另外，建议运维同行在日常维护中，定期通过StorCLI工具查看阵列卡状态，备份RAID配置信息，同时储备常用硬件（如阵列卡、硬盘），以便在故障发生时快速响应，减少业务中断时间。如果大家在遇到同类阵列卡故障时，有其他排查思路或问题，欢迎在评论区交流探讨。