一、硬件故障的判断和处理方法：

硬件故障，是最直接、最不可怕的故障，相对来说，判断容易、处理方法也简单，可以这么说：只要硬盘不坏，其他问题都好解决。

1、设备本身的散热故障的处理：无论是服务器、交换机、还是路由器，运行时间长了，都会出现散热问题，会不会报故障（或者说多长时间后报故障）、给网络效率造成多大的影响，一定程度上取决于机房的环境——随着网络的普及，人们对待IT设备，已经没早些年那么重视了，现在还有哪个学校的电脑教室，还强制带鞋套的？不能说所有的散热问题都是灰尘引起的，但是灰尘确实是散热问题的最大来源，好在这类故障处理起来很容易，收到告警信息后，更换散热器能解决90%的问题——不能排除有一部分设备，是主板上的针脚不再给散热风扇供电了，这时候，就要另想办法给风扇供电了，好在也不是什么难事。

2、电源模块故障的处理：电源完全损坏，不再供电的时候，如果没有冗余配置，这时候设备肯定已经被动关机了，直接替换新的电源即可； 有的时候，电源的故障并不是那么明显，笔者就碰到过一例，某品牌服务器，频繁死机，每次重启后，能正常运转一天两天，一时找不出原因，有一次正好在机房维护，听到有蜂鸣声，本以为是哪个设备高温报告，检查了一遍并没有，“听声辨位”后发现，就是那台经常死机的服务器在叫，此时服务器还没有死机，查询日志无异常，遂重启，进入BIOS查看，发现电源有高压报警——12V输出，达到了16V！因为有冗余电源，直接把故障电源拔下来，服务器就恢复正常了。

3、主板老化或者元器件损坏的处理：这类故障不是那么明显，但是会直接导致设备不稳定或宕机，笔者见过很多例，有台服务器年代久远，最近不稳定，三天两头要重启，有时也报高温故障，于是决定拆下来彻底清理一遍，到客户的生产车间，用风枪吹干净，感觉主板像新的一样，但是问题来了，服务器点不亮了，汗。。。冷静下来仔细查看，发现CPU周围有几个电容鼓包了，甚至有爆浆，找了几个来换上，问题也就解决了，同样的方法，也修好过交换机主板、电脑主板、显卡等等，但是大多数时候，设备一旦出现元器件损坏，就未必能修好了，就算修好，也不再建议当成主要设备来使用了，作为备用件是不错的选择。

4、硬盘或者内存等主要配件故障的处理：前面说过，除了硬盘故障，别的都好处理，无论有没有告警信息，都很好判断，直接替换掉损坏的配件就可以了；最麻烦的是硬盘故障，RAID1或者RAID5是服务器中常见的配置，这种情况下，损坏一块硬盘还好，一般不会有什么损失，换个新的上去，也就解决了，最怕的是阵列中多块硬盘损坏，那就麻烦了，如果数据非常重要，一定都交给专业的公司处理，盲目地操作只会增加数据恢复的难度。


二、软件类故障的处理方法：

1、更新的补丁导致系统或者应用软件崩溃：近期，微软Win10频频翻车，多个补丁都引发了较大数量的蓝屏故障，其实这还算好的，重启后，卸载补丁也就没事了。当年赛门铁克误杀门，那才叫厉害，崩溃的电脑和服务器，真是不计其数，我们也跟着忙活了好几天。正确的做法是：补丁要先给测试机更新，两三天后，没什么问题，再大面积部署，即便如此，还是要定期做好系统的状态备份，万一有事儿，还能快速恢复。

2、病毒及恶意程序的处理：即使是部署了企业级的硬件防火墙、专业级的安全软件，我们依然不能掉以轻心，病毒及恶意程序的破坏，往往是不可修复的，常见的病毒或者恶意程序，我们能用防火墙成功隔离或者安全软件成功查杀，但是每隔一段时间，总会有个超级病毒，能穿过各种安全设备和软件，对我们的系统造成破坏，致使我们蒙受巨大的损失：比如近两年疯狂的勒索病毒，很多公司的服务器都中招了，有的迫于数据的重要性，只能给黑客付钱，还必须是比特币！也有的付了钱，都没能拿回所有的数据。所以笔者认为：重要的数据文件，冷备份很有必要！（所谓冷备份 ：准备一台电脑或者服务器，只在定期备份的时候开机，备份完毕立即关机，确保数据安全）

3、同时安装多个功能类似的安全软件而引发的故障：有些IT盲目自信，服务器上不安装任何安全软件，也有些IT人员特别不专业，在服务器（或者电脑）上安装功能类似或者重复的安全软件，殊不知，这会造成系统混乱、不稳定，笔者甚至见到过，服务器同时安装两款国产的杀毒软件后，操作系统直接无法启动了，进入安全模式强制卸载其中一款，才解决问题，所以说，杀毒软件、安全助手类软件，同一台服务器或者电脑上，只能安装一款。

4、同时安装同一软件的多个版本引起的故障：笔者经常接到客户的求助，说是某某软件突然打不开了，细问之下，才知道，同一软件装了两三个版本，卸载其中一个版本后，另一个版本也无法运行了——应该是软件卸载的时候，删除了相关的系统文件，导致另外一个版本缺少关键文件，也就无法运行了，想要覆盖安装还不一定能行，有时候会提示软件已存在，那就只能卸载重装，或者选择修复。个人电脑无所谓，最多麻烦一点，几次重装而已，服务器上要安装同一软件的多个版本，就要慎重了，强烈建议先用虚拟机测试，确定没问题，再正式安装。


三、设计缺陷或者配置不严谨引起故障的处理方法：
1、通风、散热设计不合理，导致设备经常运行在过热状态下：这类故障比较直观，处理起来也简单，就是费点力气，笔者曾经不止一次地见过，一个机柜好多台机架式服务器，无间隔地堆在一起，虽然用了导轨，不至于压坏，但是中间就不能留2U吗？装上去的时候，没什么，时间长了，机房都走不进去，为什么？不是因为太热——因为空调制冷开得大，最多也就是费电，机房体感温度还行——而是因为太吵了，服务器的每个风扇都在全功率、全速度地转，就像机房有架直升机在盘旋，后来费了一天的劲，才整改好，有时候做IT，也是体力活儿啊！

2、IP地址规划不合理，直接导致IP冲突的处理：这恐怕是运维过程中见得最多的故障了，事例1：某客户打电话来询问，公司很多人无法上网，获取不到IP地址了，连在同一个交换机上的电脑，有的能联网，有的不能联网，排查之后发现，DHCP竟然是无期限的，拿到IP后永久有效，时间长了，自然就没有IP地址可用了，改成有效期一天，重启DHCP服务，不能联网的电脑，禁用本地连接，再启用，或者直接重启电脑就好了；事例2：内网经常报IP地址冲突，排查中发现：路由器配置的IP地址池是192.168.1.2-192.168.1.254，可是硬盘录像机有5台，手动设置IP地址为：192.168.1.201-192.168.1.205，后来又增加了ERP服务器、文件服务器，分别手动设置IP地址为：192.168.1.211和192.168.1.212，还有门禁控制器、网络考勤机、网络打印机。。。全是手动设置的IP地址，设备越多，报IP地址冲突就越频繁，解决方法也很简单，在DHCP配置中，为IP不能随意变化的设备指定静态IP就可以了。

3、私接网络设备造成的网络故障的处理方法：这恐怕是笔者最深恶痛绝的故障了，每年都要处理好多次，费时费力，又不敢跟客户发火，有时候还要被误解，其实这是客户管理不严格造成的。就在昨天，还碰到一例：客户反应上网爆卡，但是我们技术员远程登录服务器，却很快，在服务器上ping路由器的管理地址，300毫秒算是快的，基本上要900毫秒左右，甚至丢包率很高——广播风暴吧，要么就是交换机坏了，没什么好说的，开车赶到现场，那叫一个好找，后来在二楼车间的机柜旁边的地上，找到一个8口交换机，有人把备用网线也给插上了！搞笑的是，上面居然还插着一条电话线！幸亏因为疫情，车间并没全部开放，要不然找起来更要费时费力。可网管的交换机，应对广播风暴就轻省多了，它会自动关闭相应端口，不会影响整个网络，排查也直接而简单，但是很多企业还在使用最普通的非网管交换机，又不严格管理，给IT运维人员带来了很大的工作压力。