ディスプレイなし + CPU 熱なし 😳 サーバーのマザーボードが故障していますか?

症状を正しく読みましょう — 冷えているということは電流が流れていないことを意味します

サーバーの電源をオンにし、判定する前に 3 ～ 5 分間待ってください。動作している CPU は、消費するほぼすべてのワットを熱に変換します。暖かさは、電力が到着し、作業が行われたことを証明します。 5 分後にヒートシンクが冷えた状態になると、その逆の結果が得られます。つまり、基本的にプロセッサに電流が到達していないということです。

ヒートシンクに短時間かつ慎重に触れるか、安価な赤外線温度計を使用してください。また、この分割にも注目してください。チップセットやその他のスタンバイ給電領域はわずかに暖かく感じられる一方で、CPU ゾーンは冷たいままである場合があります。このコントラストは、壁の電源ではなく、特に CPU の電力経路を示しています。

安全第一 - サーバーに触れる前に水を抜きます

サーバー PSU はデスクトップ ユニットよりも多くのエネルギーを保持しており、そのコンデンサはプラグを外した後も危険な充電を続ける可能性があります。冗長 PSU マシンの両方の電源コードを抜き、1 分間待ちます。次に、カバーが外れる前に電源ボタンを 10 秒間押し続けて、ボードの水を排出します。

静電気防止ストラップを使用するか、シャーシに手を添えておいてください。静電気によるザップは警告を出さず、弱いボードを静かに終わらせることができます。ライブ測定の際は、可能であれば片手で作業し、コードが抜けるまで VRM エリア近くのヒートシンクを生きている可能性があるものとして扱います。

待機電力を確認し、BMC に問い合わせます

サーバーには、デスクトップに欠けている監視機能、つまりベースボード管理コントローラー (iDRAC、iLO、IPMI) があります。コードが差し込まれるとすぐにスタンバイ電源で動作し、サーバー自体が起動するかどうかにはまったく関係ありません。

コードを接続し、サーバーをオフにした状態で、ボード上の BMC ハートビート LED を探します。ライトが小さく点滅している場合は、スタンバイ電源が稼動しており、BMC が実行中であることを意味します。次に、別のマシンから管理 IP を参照します。 BMC が応答すると、スタンバイ電源とボードの一部が生きていることが証明され、疑いはメイン電源レールと CPU 給電に移ります。ドライバーに触れる前に、BMC からサーバーの電源をリモートでオンにしたり、電圧や存在センサーを読み取ったり、システム イベント ログを開くことができます。

BMC も停止しており、ハートビート LED がない場合は、コード、PDU または UPS コンセント、PSU モジュール、またはボードのスタンバイ セクション自体に障害が発生しています。

何よりもまず電源を証明する

排除順序は重要であり、PSU は最も安価なテストであると同時に、非常に一般的な原因でもあります。サーバー PSU にはさらに 1 つの利点があります。冗長システムではクロスチェックするモジュールが 2 つあるため、このテストには費用がかかりません。

各 PSU モジュールのステータス LED をマニュアルのベンダーの表と照合してください。差し込まれたモジュールの LED がオレンジ色に点灯しているか、濃い LED が点灯している場合は、モジュールが正常に動作していることを示します。次に、一度に 1 つのモジュールでサーバーを実行します。モジュールが点灯しているのに負荷がかかると壊れる場合は、典型的な偽の正常な障害であり、単一モジュールのテストでそれが明らかになります。

基本を正直に確認してください。PDU または UPS コンセントが通電しており、両方のコードが両端で完全に固定されており、ラッチがカチッと音がするまでモジュールが押し込まれています。プラットフォームがテスト ポイントまたはバックプレーン コネクタを公開している場合、マルチメータはメインの +12V 給電と CPU の EPS 12V 入力を公称値の約 ±5% 以内で示す必要があります。レールが垂れ下がったり、まったく表示されない場合は、PSU または短絡の可能性があります。

最小ブートまでのストリップ — スティック 1 枚、カードなし

次に、マシンを POST できる最小のパーツのセットに減らします。余分なカードとスティックはすべて、あなたが保持することを選択している容疑者です。その選択は削除してください。すべての PCIe カード、すべてのドライブ、および 1 つを除くすべての RAM スティックの電源を切り、電源を切り、取り外します。デュアル ソケット ボードでは、最初の CPU ソケットがブート プロセッサです。マニュアルではこれに名前を付けています (通常は CPU1)。

1 つの RAM スティックを、1 スティック構成のマニュアルで指定されている正確なスロットに取り付けます。スロットは重要です。間違ったスロットはメモリ障害を模倣します。

主電源コネクタと CPU EPS 電源コネクタを取り付け直します。ラッチがカチッと音がするまで押し込み、ピンに熱による変色がないか調べます。 EPS コネクタの緩みや焼けは、CPU がウォームアップしない典型的な原因です。マニュアルの説明どおりに CMOS を正確にクリアし、電源を入れて観察します。あらゆる変化 (熱、コード、ビープ音、BMC ログ エントリ) は、ストリップ テストで得られた新しい情報です。

ボードに話させましょう — コード、LED、イベント ログ

サーバー ボードは、デスクトップよりもはるかに優れた POST 進行状況を報告します。2 桁のコード表示、ステータス LED、および画面がまったくない場合でも起動試行を記録する BMC イベント ログが表示されます。

フリーズした瞬間の POST コード表示またはステータス LED パターンを読み取ります。コード名は進歩が停止した段階を示しています。ベンダーのマニュアルの表は辞書であり、一般的なインターネットのリストではありません。次に、BMC でシステム イベント ログを開きます。電源障害、電圧センサーの警告、CPU 存在エラーなどのエントリに障害のタイムスタンプが記録され、多くの場合、関係するレールの名前が記録されます。

決定的なテストを実行します。RAM をすべて取り外して電源を入れます。リビング ボードは、コード、ビープ音、ログ エントリなど、メモリ不足について苦情を言う必要があり、その苦情は CPU が命令を実行したことを証明します。

目と鼻で VRM ゾーンを検査します

CPU ソケット周辺の電圧レギュレータ モジュールは、CPU の動作電圧まで 12V ずつ降下します。障害が発生すると、CPU は飢餓状態になり、コールド状態のままになりますが、障害が発生した部分自体が調理される可能性があります。

ソケット付近の膨らんだコンデンサや漏れのあるコンデンサ、黒ずんだり光沢のある変色した PCB パッチ、ひび割れや膨れのある MOSFET パッケージを探します。電源をオフにしてボード ゾーンの匂いを嗅いでください。VRM の近くに局在する鋭い電子機器の焼けた匂いは、想像ではなく証拠です。

修理を正直に評価してください。PSU、RAM、または CPU の交換は技術者の作業です。 MOSFET とコンデンサの交換は、熱風ステーションとドナー部品を使用したチップレベルの再作業です。これは専門家の仕事であり、ボードの価値が正当である場合にのみ価値があります。

評決 — 排除後にのみ死亡

マザーボードは排除後にのみ死亡証明書を取得し、予感後には決して取得されません。以下のすべてが当てはまる場合にのみ、正直に理事会は機能不全であると言えるでしょう。

✔ スタンバイ電源状態はわかっており (BMC が動作している、または PSU で停止していることが証明されている)、正常な PSU またはモジュールでは何も変化しませんでした。

✔ ストリップ テスト (指定されたスロットに 1 つの CPU、1 つの RAM スティック、カードなし、ドライブなし、電源コネクタを再接続し、CMOS をクリア) では、POST は発生せず、CPU の温度も上昇せず、反応もありませんでした。

✔ ボード自体のレポート (コード、LED、イベント ログ) は、設定の変更に関係なく、初期段階でフリーズするか、まったく移動しませんでした。

✔ VRM 検査により、最後の代替容疑者が削除されました。