先看电源再看日志，九成故障能定位
服务器主机启动失败的排查顺序有固定逻辑：先确认硬件自检通过，再看存储介质能否被识别，最后分析系统引导日志，绝大多数启动异常都能在这三步里找到答案。很多朋友一遇到服务器开不了机就慌神，直接重装系统，其实这是最浪费时间的做法，本文按照启动流程的物理顺序，从按下电源键那一刻开始讲起，帮你建立一套完整的排查思路。
按下电源键之后：服务器到底经历了什么
服务器主机启动不是简单通个电,它内部有一套严格的自检流程，理解这套流程，你就能在故障发生时快速判断问题出在哪个环节。
第一阶段：电源与主板握手
电源键按下去之后,电源模块会向主板发送Power Good信号，这个信号是启动的许可证，主板收到它之后才会开始工作，如果电源老化或者输出不稳定，这个信号会迟到甚至缺席。
判断方法很简单：观察主板上的指示灯，几乎所有服务器主板都有一个BMC指示灯，通电后应该常亮或慢闪，如果这个灯完全不亮，问题大概率在电源或线缆上，如果灯亮了但风扇不转，那也要优先排查电源输出能力。
另外提醒一个常见误区：很多服务器支持双电源冗余，但如果只插了一路输入，部分机型会在BMC里报电源告警，表现为风扇短暂高速旋转后停转，害得不少运维误判为硬件故障。
第二阶段：CPU与内存自检
POST自检的核心是CPU和内存,服务器对内存的依赖远高于PC，因为ECC校验机制要求每条内存都被完整识别。
这一阶段的故障特征非常明显：显示器无输出，但主板上有蜂鸣器报警，或者BMC管理口里能看到具体的错误代码，比如戴尔服务器会显示在LCD小屏上，用T字母加四位数字表示（据戴尔官方文档说明），惠普的iLO界面里也会记录完整的事件日志，这些都能直接定位到具体的内存槽位或CPU故障。
第三阶段：存储控制器初始化
自检通过后,RAID卡或SAS控制器开始扫描硬盘背板，这里有个很常见的坑：磁盘数量多的大型存储机箱，扫描时间可能需要30秒到1分钟以上，如果你发现屏幕停在RAID卡广告页好久不动，先别急着重启，喝口水的功夫它可能就过去了。
业内专家指出,企业级硬盘的启动转速稳定需要8秒左右，加上控制器对所有盘位的轮询，这个等待属于正常现象。
服务器主机启动不了怎么办：按场景对号入座
不同的故障现象对应不同的故障源头,下面按最常见的场景拆开讲，你可以直接对照自己的情况。
电源灯亮但无视频输出
这种场景属于“能通电，不干活”，首先排除显示器或线缆问题，换一根VGA或者用IPMI远程控制台看看有无画面，如果远程有输出，说明是物理显示链路故障；如果远程也黑屏，重点检查CPU和内存。
更细节的操作是清空CMOS，服务器主板上有一个跳线帽，拔出来等30秒再装回去，这一步能解决不少内存时序错乱导致的黑屏问题，记得不少型号清零后IP地址会恢复默认值，操作前先记好当前配置。
风扇狂转且不降速
风扇转速不受控,多数情况是BMC没有完成初始化，或者传感器读数异常，插拔一下CPU供电线，检查散热器是否装平，如果之前顺手做过除尘清灰，大概率是风扇线没插稳。
还有一种被很多人忽略的情况：前置面板的线缆松动，服务器的风扇调速依赖主板上的温度传感器和PWM控制信号，前面板连接线接触不良会直接导致系统误判为“风扇故障”，强制全速运转。
反复重启无法进入系统
如果启动过程中突然断电重启,优先怀疑电源带载能力不足，增加内存或硬盘后没升级电源功率是常见原因，其次是主板上的电容老化，表现为冷启动必失败，热机后恢复正常。
查看BMC里的SEL日志是最高效的手段,所有重启事件都会在日志中留下记录，如果日志里能看到明确的电压异常记录，直接换电源模块即可解围，有一次笔者自己遇到一台机器15分钟重启一次，查日志发现是机房空调故障导致的环境温度过高，触发了保护机制。
服务器开机一直进不去系统：引导阶段的必修课
过了硬件自检,就是操作系统引导环节，这一阶段卡住，屏幕通常会停留在黑底白字状态，需要说明的是，引导问题不等于系统损坏，很多情况修复比重装快得多。
找不到启动设备的处理思路
屏幕显示“No Boot Device”或者“Operating System Not Found”，按照下面的顺序排查：
- 进RAID卡管理界面,确认虚拟磁盘状态是否处于“Online”
- 检查启动顺序设置,确认第一启动项指向正确目标
- 如果是Linux系统且使用了LVM,确认/boot分区是否完整
- 检查硬盘背板或SAS线缆是否松动,特别是之前动过存储的情况下
Windows Server启动修复
Windows Server引导过程卡在“正在启动”界面，大概率是启动管理器BCD被破坏，用原版安装盘进入修复模式，打开命令提示符，按顺序执行以下命令：
diskpart
list volume找到系统保留分区（一般在100-500MB之间）并记住它的盘符，然后依次执行：
bcdedit /store E:BootBCD /set {default} osdevice partition=C:
bcdedit /store E:BootBCD /set {default} device partition=C:注意盘符根据实际环境替换,这台服务器如果没有预留系统保留分区，命令里的路径也要实际调整。
Linux系统启动卡住的对策
CentOS/RHEL系卡在进度条，或者Ubuntu卡在黑屏，都可以在grub引导时按e键进入编辑模式，在linux开头的那一行末尾加上systemd.unit=emergency.target或single，然后按Ctrl+X启动，这样能跳过常规服务直接进入应急模式，方便排查日志和修复文件系统。
操作路径是：先查看journalctl -xb的输出定位具体错误，最常见的是文件系统损坏，执行fsck -y /dev/mapper/xxx即可修复，如果是fstab挂载项问题导致开机卡住，应急模式下编辑/etc/fstab，注释掉不需要自动挂载的行。
启动过程卡在某个服务上
如果屏幕有输出但卡在相同位置,A start job is running for……”，通常是某个服务超时，关机后进单用户模式，禁用可疑服务，或者调整超时时间，修改/etc/systemd/system.conf里的DefaultTimeoutStartSec参数为30s，能有效缩短等待时间。
服务器启动成功后的初始化配置
系统起来了,事情还没结束，合理的启动后配置要做三件事，缺一不可。
确认网络服务状态
修改IP地址或重启网络服务后,务必检查端口监听和连通性，这一步应该包含：
- 用
ip addr
查看网卡状态是否处于UP
- 用
ss -tlnp确认服务端口正常 - 从另一台机器ping测或telnet测试端口
- 检查防火墙规则是否拦截了外部请求
常见的一个坑是重启后防火墙自动启动,外网访问全被拦掉，折腾半天发现只是firewalld或iptables的服务没关，提前设置好systemctl disable firewalld，或者放行对应端口。
远程管理通道调试
服务器通常在机房,靠IPMI或iLO才能远程维护，启动完成后要仔细核对BMC的IP地址、网段、网关是否可达，不少服务器的BMC业务口可以和业务网络共用，但也有独立管理口要求单独配置网络。
另一个细节是BMC固件版本,它决定了远程控制台兼容性和安全补丁覆盖程度，建议跟操作系统补丁一起按月更新，这部分直接关系到服务器启动后的远程维护效率。
查看关键启动日志
无论是否出现异常,养成查看日志的习惯都能省掉日后排查故障的大把时间，Windows下用事件查看器筛选“系统”日志中的“错误”级别，Linux下直接journalctl -p err -b查看本次启动的报错信息，有过硬件的感知识别告警的，也要在BMC里确认是否已复位。
关于服务器主机启动的常见故障问答
服务器每次断电后重启时间特别长怎么回事
多数情况下是RAID卡在重建或巡检磁盘阵列,没有正常关机流程的断电，会导致阵列控制器在下次启动时进行一致性检查，在线数据量大的服务器耗时可达十几分钟，解决方法是等系统完全启动后再操作，不要强制反复断电。
服务器启动时显示器一直在滚动英文代码
这些英文代码是硬件自检信息或内核启动信息,属于正常过程，如果滚动后能进入系统，无需在意；如果停住不动，先记录最后几行代码再搜索具体含义，大部分情况下能直接定位到对应硬件。
用BMC远程开机和按电源键有什么区别
硬件层面没有根本区别，但BMC远程开机更稳定可靠，它能绕过操作系统状态，直接给电源管理芯片发送上电指令，相当于物理按压行为，此外BMC还会记录每一次远程开机的操作人、时间和结果，方便审计管理，在机房无人值守的场景下，远程开机是必须用到的能力。
首发原创文章，作者：王坚，如若转载，请注明出处：https://test.idctop.com/article/583231.html
