服务器作为业务承载核心，故障分为硬件故障、系统故障、网络故障、业务 / 应用故障、存储故障五大类。下面列出日常运维最常见现象、原因、排查与修复方案，同时附带运维注意事项。
重要前置提醒：操作前优先备份数据；生产服务器重大操作建议先在测试环境验证；不确定故障根源时不要强制重启、格式化硬盘，避免数据丢失。
一、硬件类故障
1. 服务器开机无反应，通电不启动
现象：接上电源，指示灯不亮、风扇不转，按下开机键无任何响应。
原因：电源损坏、电源线 / PDU 供电故障、主板故障、开机按键损坏、供电过载、保险丝熔断。
修复办法
- 更换电源线，换插座 / PDU 端口，确认市电正常；
- 拔掉所有外接设备（硬盘、扩展卡、U 盘），最小化开机测试；
- 查看电源模块指示灯，双电源机型可单电源轮换测试，判断是否电源模块损坏；
- 若最小化仍无法开机，大概率主板故障，联系硬件厂商更换。
2. 开机报警，风扇异响 / 报错
现象：开机蜂鸣告警，风扇高速狂转，IPMI/BIOS 提示 Fan Failure。
原因：风扇积灰、风扇损坏、风道堵塞、机房温度过高。
修复办法
- 清理机箱灰尘，检查风道是否被线缆遮挡；
- 查看机房空调，降低环境温度；
- 定位故障风扇，停机更换同规格风扇。
3. 内存报错，反复重启、蓝屏（Windows）、内核崩溃（Linux）
现象：服务器随机重启，系统报内存错误，BIOS/IPMI 提示 Memory Error。
原因：内存接触不良、内存颗粒损坏、内存插槽故障。
修复办法
- 断电，重新拔插内存，清理金手指；
- 采用单条内存轮流上机，定位坏内存；
- 禁用故障内存通道或直接更换故障内存。
4. 硬盘故障，RAID 告警、硬盘掉线
现象：RAID 卡红灯告警，系统识别不到硬盘，业务卡顿。
原因：硬盘物理损坏、硬盘线缆松动、RAID 卡故障。
修复办法
- 登录 RAID 管理卡（如 Dell iDRAC、HP iLO）查看硬盘状态；
- 若是 RAID1/5/6 冗余阵列：标记故障盘，热插拔替换新硬盘，等待阵列自动重建；
⚠️ RAID 重建期间不要重启服务器，避免多块盘离线导致数据丢失；
- 非冗余 RAID（RAID0）硬盘掉线，不要重建，优先数据恢复。
二、操作系统故障
1. Linux 系统无法开机，卡在 GRUB 引导
现象：开机进入 GRUB 命令行，提示找不到分区，无法进入系统。
原因：引导分区损坏、GRUB 引导丢失、磁盘分区变动。
修复办法
- 使用系统安装 U 盘进入救援模式；
- 挂载系统分区，重新安装 GRUB 引导；
- 检查磁盘文件系统（fsck），修复文件损坏，修复完成后重启。
2. Windows 服务器蓝屏、无法启动
现象：开机蓝屏，提示 PAGE_FAULT、DISK_ERROR 等。
原因：系统文件损坏、磁盘坏道、驱动冲突、内存故障。
修复办法
- 进入 Windows PE 或修复环境；
- 执行
sfc /scannow修复系统文件，chkdsk检测磁盘； - 最近新增硬件 / 驱动导致蓝屏，进入安全模式卸载新增驱动。
3. 系统卡顿、负载过高
现象：服务器 CPU / 内存占用长期 100%，业务响应缓慢。
原因：程序死循环、日志疯狂写入、恶意进程、内存泄漏。
修复办法（Linux）
top / htop查看占用最高进程；free -h查看内存，iostat查看磁盘 IO；- 定位异常进程，终止异常程序；优化应用，清理大日志文件；
Windows：任务管理器查看进程资源占用，结束异常进程。
三、网络故障
1. 服务器无法上网，ping 不通网关
现象：本地能登录服务器，服务器访问外网失败。
原因：网卡配置错误、网线 / SFP 光模块损坏、交换机端口 down、防火墙策略拦截。
修复办法
- 检查网卡 IP、子网掩码、网关配置；
- 更换网线 / 光模块，换交换机端口测试；
- 查看网卡状态，确认网卡没有被禁用；
- 检查服务器防火墙（firewalld/iptables、Windows 防火墙）、安全组策略。
2. 外网无法访问服务器业务端口（80/443/3306 等）
现象：服务器内网访问端口正常，外部访问超时。
原因：安全组、防火墙拦截，端口监听地址错误，路由问题。
修复办法
- 服务器本地
netstat/ss确认服务监听在 0.0.0.0，不是仅监听 127.0.0.1； - 放行服务器防火墙端口，云服务器检查云平台安全组；
- 检查上层交换机 / ACL 策略是否拦截。
3. 网络丢包、延迟高
现象：ping 出现大量丢包，业务断断续续。
原因：网线 / 光模块故障、交换机拥塞、网卡硬件故障。
修复办法
- 更换网线、光模块；
- 查看交换机端口是否有大量错包；
- 更新网卡驱动，必要时更换网卡。
四、存储与文件系统故障
1. 磁盘空间占满，业务无法写入
现象：应用报错无法创建文件，日志写不进去。
原因：日志文件暴涨、垃圾文件、磁盘容量耗尽。
修复办法
- Linux：
df -h查看磁盘占用，du -sh *定位大文件； - 清理无用日志、备份文件；可配置日志轮转（logrotate）防止日志爆满；
⚠️ 不要直接删除正在写入的应用日志文件，优先清空或重启对应应用。
2. 文件系统只读
现象：文件只能读取，不能新增修改，提示 read-only file system。
原因：磁盘 IO 错误、文件系统损坏，系统自动将分区挂载为只读保护数据。
修复办法
- 先备份重要数据；
- 进入单用户 / 救援模式，执行文件系统检查修复；
- 排查磁盘是否存在坏道，硬盘硬件故障需要更换硬盘。
五、应用 / 业务故障
1. 服务无法启动（Nginx、MySQL 等）
现象：系统正常，但是业务服务启动失败。
原因：配置文件语法错误、端口被占用、权限不足、数据库文件损坏。
修复办法
- 查看服务日志（error.log）定位报错信息；
- 检查配置文件语法；
- 检查端口是否被其他程序占用；
- 检查目录、文件权限。
2. 服务器能登录，但远程连接失败（SSH、RDP）
现象：本地控制台可以登录，SSH/RDP 远程连不上。
原因：服务未启动、防火墙拦截、连接数满、密码 / 密钥错误。
修复办法
- 检查 SSH/RDP 服务是否正常运行；
- 确认防火墙放行对应端口；
- 检查最大连接数限制。
六、运维通用排错思路（推荐流程）
- 收集信息：告警信息、IPMI 日志、系统日志，确认故障发生时间；
- 区分范围：是单台服务器故障，还是多台全部故障（判断是本机问题还是上层网络 / 机房问题）；
- 先软后硬：优先排查系统、网络、配置，最后怀疑硬件；
- 最小变更：每次只修改一项配置，测试效果，避免一次性改动多处无法定位；
- 事后复盘：故障恢复后，记录故障根因，增加监控告警（CPU、内存、硬盘、RAID、端口）。
七、预防建议
- 配置监控：CPU、内存、磁盘使用率、RAID 状态、端口存活告警；
- 定期备份：系统、数据库定时备份，并验证备份可用性；
- 机房环境：控制温湿度，定期除尘；
- 冗余架构：核心业务使用多机集群，避免单机单点故障。
如果你需要，我可以把这份文档精简成运维故障速查表格版，方便打印放到运维手册。
