ProLiant DL380 Gen10,心跳灯琥珀色

服务器的琥珀色心跳灯和系统日志显示的 Assert + Chassis Transition to Non-critical from OK 都指向了“系统健康状态”降级。简单来说，系统检测到了一个非致命的硬件问题。

值得注意的是，你之前恢复出厂设置等操作可能已经重启了 iLO 控制器，这能解释为什么日志里的事件记录停留在 2019 年，而现在的 iLO 地址却丢失了。现在，心跳灯是琥珀色，而非故障更严重的红色，这通常意味着问题很可能出在存储（磁盘或阵列卡）或散热风扇子系统上。

🔍 故障排查思路

对于 Gen10 服务器，建议你直接从 HPE iLO 5 的 Web 管理页面入手，那里有最详细的硬件状态信息。具体的排查路径如下：

• 1. 恢复iLO访问并检查Active Health System日志
  这是第一步，也是最关键的一步。你可以长按服务器前面板的 UID 按钮 20秒以上来重置 iLO 为出厂设置，然后通过 DHCP 获取的地址访问。

  • 登录后，进入 信息 > 活动健康系统日志，过滤查看 2026年4月14日 01:15:40 前后的 橙色（警告） 或 红色（严重） 级别条目。

  • 参考：HPE iLO 的 Active Health System (AHS) 会监控并记录所有服务器硬件和配置的变化。

• 2. 检查存储子系统
  根据“其他”状态和存储服务器的特性，存储是最可疑的故障点。

  • 进入 信息 > 存储 或 系统信息 > 存储。如果阵列卡固件与硬盘不兼容，可能会显示降级（Degraded）。

  • 检查Smart Array控制器状态：确认控制器状态是否为 OK，而非 Unknown。

  • 检查物理磁盘状态：确认所有硬盘状态是否为 OK，并留意是否有硬盘亮起琥珀色灯。

• 3. 检查散热与电源

  • 在 信息 > 风扇 中检查所有风扇状态是否为 OK。

  • 在 信息 > 电源 中检查所有电源模块（PSU）状态是否正常，确保没有冗余电源故障。

• 4. 现场检查与硬件替换
  如果服务器无法通过 iLO 远程访问，或者无法正常重启，就需要进行现场检查了。

  • 观察前面板：查看哪个硬件对应的琥珀色灯亮起，并确认 Health LED 是琥珀色还是红色。

  • 最小化配置测试：如果怀疑主板或电源问题，可以尝试最小化配置启动，只保留一块 CPU、一根内存和必要的电源。

• 5. 固件更新
  如果 iLO 日志和存储状态均指向固件不兼容或已知 Bug，建议更新固件，并优先更新 iLO 5 固件，然后是 BIOS (System ROM) 和 阵列卡固件。

HPE ProLiant DL380 Gen10 琥珀色健康灯 / UID 灯告警深度分析
一、告警核心解读
1. 日志与状态拆解
表格
告警项 含义 风险等级
SysHealth_Stat / System Chassis 1 警告 系统机箱健康状态从 OK（正常）切换为 Non-critical（非临界 / 降级） ⚠️ 低风险（不影响业务，但需排查）
VMware 硬件传感器：Other 红色 除 CPU / 内存 / 风扇 / 电源 / 温度等核心部件外，某非核心传感器异常 ⚠️ 低风险（非致命故障）
前面板健康灯（心跳灯）琥珀色 DL380 Gen10 定义：系统性能下降 / 健康降级，非严重故障 ⚠️ 低风险（服务器可正常运行）
2. 关键结论
你遇到的是非临界（Non-critical）降级告警，不是严重硬件故障，服务器能正常运行、核心硬件全绿，符合该告警的特征。
核心根因：非核心传感器异常 / 配置不兼容 / 冗余丢失，而非 CPU、内存、硬盘等关键部件故障。
二、最可能的根因（按概率排序）
🔝 1. VMware 传感器空值 / 误报（最高概率）
这是 DL380 Gen10 + vSphere 环境的经典问题：
iLO 硬件传感器返回NULL/ 空值，vCenter 将其判定为Other红色告警，触发系统健康降级。
特征：iLO / 服务器本地硬件全绿，仅 vCenter 显示Other红，无实际业务影响。
参考 HPE/VMware 官方 KB：此类告警可安全忽略，或通过重置传感器清除。
🔝 2. 冗余部件丢失 / 降级（次高概率）
非核心冗余部件异常，不影响运行，但触发降级：
电源冗余丢失：单电源故障 / 断电，服务器仍由另一电源供电，但冗余失效（最常见）。
风扇冗余降级：某风扇转速偏低 / 不在位，智能调速补偿，核心散热正常。
PCIe 卡 / 扩展卡告警：非核心网卡 / HBA 卡松动、固件不兼容，传感器异常。
电池 / 电容告警：RAID 卡缓存电池（FBWC）老化、充电不足，不影响缓存写功能。
🔝 3. 内存 / CPU 配置不兼容（常见于 Gen10）
内存 AMP 模式不匹配：如配置了 Fast Fault Tolerant 模式，但 DIMM 不支持，系统自动降级为 Advanced ECC，触发非临界告警（HPE 官方已知问题）。
CPU 微码 / 固件不兼容：iLO/BIOS 版本与 CPU 微码不匹配，传感器误报。
🔝 4. iLO/BIOS 固件 bug（历史版本常见）
旧版 iLO 5/BIOS 存在传感器检测逻辑 bug，导致SysHealth_Stat误报降级。
特征：无实际硬件故障，升级固件后告警自动消失。
🔝 5. 其他非核心传感器异常
机箱入侵开关（Chassis Intrusion）：机箱盖未扣紧、开关误触发，记录入侵告警。
环境传感器误报：进风口 / 出风口温度传感器轻微异常，未达临界阈值。
存储控制器非临界告警：如硬盘预测性故障（Predictive Failure）、RAID 重构完成告警。
三、分步排查方案（可直接落地）
🔧 第一步：优先恢复 iLO 访问（核心排查入口）
你提到「iLO 地址丢失、无法重启服务器」，先解决 iLO 问题才能定位根因：
方案 1：通过 ESXi 命令行重置 iLO（无需重启服务器）
bash
运行
# 1. SSH登录ESXi主机
# 2. 查看iLO状态
/opt/hp/tools/hponcfg -g
# 3. 重置iLO网络（恢复默认IP：192.168.0.120/24，用户名admin，密码在服务器标签上）
/opt/hp/tools/hponcfg -r
# 4. 若重置无效，强制重启iLO（不影响服务器运行）
/opt/hp/tools/hponcfg -f /tmp/reset_ilo.xml
# （reset_ilo.xml内容：
# <ribcl VERSION="2.0">
# <LOGIN USER_LOGIN="admin" PASSWORD="password">
# <RIB_INFO>
# <RESET_RIB/>
# </RIB_INFO>
# </LOGIN>
# </ribcl>
# ）
方案 2：物理重置 iLO（服务器开机状态下操作）
找到服务器后面板 iLO 端口旁的iLO 重置按钮（小孔），用针长按 5 秒，iLO 自动重启并恢复默认网络。
注意：不会重启服务器，仅重启 iLO 管理芯片，业务无影响。
🔧 第二步：iLO 中定位具体告警（根因确认）
登录 iLO 后，按以下路径排查：
System > Health Status：查看System Health状态，展开Other Sensors，找到红色告警的具体传感器。
System > Integrated Management Log (IML)：查看所有告警日志，重点找Non-critical、Degraded类条目，对应时间戳 2026/04/14 01:55 的告警。
System > Information > System Management Controller：检查 iLO/BIOS 固件版本，若低于 2.78，建议升级。
🔧 第三步：针对性解决（按根因分类）
场景 1：vCenter 误报（Other 红，iLO 全绿）
方法 1：重置 ESXi 硬件传感器
bash
运行
# SSH登录ESXi，重置CIM传感器
etc/init.d/sfcbd-watchdog restart
# 或重置硬件监控
esxcli hardware ipmi sel clear
方法 2：vCenter 中抑制告警
在 vCenter 主机告警中，找到Other传感器告警，设置为「忽略」，避免误报。
场景 2：电源 / 风扇冗余丢失
检查服务器电源：确认双电源均插电、指示灯绿色，单电源故障需更换。
检查风扇：iLO 中查看风扇转速，某风扇异常需清洁 / 更换。
场景 3：内存 AMP 模式不匹配
进入 BIOS（F9）→ System Configuration > BIOS/Platform Configuration (RBSU) > Memory Options > Advanced Memory Protection
将模式从Fast Fault Tolerant改为Advanced ECC Mode，保存重启，告警自动清除。
场景 4：iLO/BIOS 固件 bug
升级 iLO 5 到最新稳定版（≥2.78），同步升级 BIOS、阵列卡固件，修复传感器检测逻辑。
场景 5：机箱入侵 / 电池告警
扣紧机箱盖，重置入侵告警；更换 RAID 卡 FBWC 电池，清除告警。
四、风险提示与注意事项
非临界告警≠无风险：虽然当前不影响业务，但需排查根因，避免小问题演变为严重故障（如电源冗余丢失后，另一电源故障会直接宕机）。
iLO 重置不影响业务：所有 iLO 操作（重置、重启、升级）均不影响服务器和虚拟机运行，可在线操作。
DL380 Gen10 健康灯定义：
绿色常亮：完全正常
琥珀色闪烁：系统降级（非临界告警）
红色闪烁：严重故障（需立即停机）
你当前为琥珀色，属于低风险降级，无需紧急停机。
五、下一步操作建议
优先执行：通过 ESXi 命令行重置 iLO，恢复 iLO 访问，查看 IML 日志定位具体告警。
快速验证：若 iLO 中硬件全绿，仅 vCenter 显示Other红，直接按「vCenter 误报」处理，重置传感器即可。
根治方案：升级 iLO/BIOS 到最新版本，修复已知 bug，避免后续误报。