机房里的老伙计又亮了黄灯不用问多半是那台 Dell PowerEdge R720。这台机器在二手市场和企业机房里保有量极大稳定是稳定但开机报错、液晶屏上滚动的错误代码能把没经验的朋友看得一头雾水。这篇文章专门写给维护 R720 的朋友从错误代码怎么读、怎么看日志到常见的报错处理全部按实际运维经验来讲希望能帮你少走点弯路。R720 是戴尔 12G 代服务器里的经典型号用的是 E5-2600 系列 CPU支持到 512GB 以上内存配上 PERC H710/H710P 阵列卡在中小型企业的虚拟化、文件存储、数据库场景里服役的非常多。机器老了各种硬件告警就跟着来了我平时接到的服务器维护需求里大概有三成是和 R720 错误代码相关的。很多朋友一看到液晶面板上出现一串以 E 或 M 开头的代码就慌其实这些代码是有规律可循的只要你掌握了几个查看入口和代码归类大部分问题都能自己定位清楚。1. 错误代码从哪里看这才是第一步1.1 开机自检时的液晶屏和面板状态R720 前面板有一块小液晶屏平时显示机器名或 IP一旦有硬件故障就会滚动显示错误代码比如E171F、E1618、M1006。开机自检 POST 阶段如果遇到严重问题液晶屏会直接卡在错误代码上机器可能进不了系统或者反复重启。这时候你千万别急着拔电源先拿手机把液晶屏上滚动的代码录下来后面查手册全靠它。另外前面板上还有几个状态 LED 灯分别是电源、硬盘、温度、内存、风扇等。如果某个子系统有问题对应的 LED 会亮琥珀色。液晶屏上的代码是宏观信息LED 灯能帮你快速锁定是哪个部分比如内存 LED 亮了那大概率是内存条或内存供电出了问题。1.2 进不去系统时iDRAC 日志是救命稻草很多时候错误代码是间歇性的液晶屏上闪一下就过去了你根本来不及记。这时候就要用 iDRAC 的管理口了。R720 默认的 iDRAC 管理口在机器背面是一个单独的千兆网口旁边写着iDRAC默认 IP 通常是192.168.0.120子网掩码255.255.255.0。把电脑网卡配成同一网段浏览器访问这个 IP 就能进入 iDRAC 管理界面默认账号是root初始密码是calvin。进入 iDRAC 后从左侧菜单找到“系统” - “日志”里面能看到完整的事件日志包括电源、温度、电压、内存纠错、PCIe 报错等等。每条日志都有时间戳有严重级别标识还有对应的错误代码。比你在液晶屏前面蹲半天管用多了。如果机器能正常开机也可以在系统里装 OpenManage Server AdministratorOMSA通过操作系统读取同样的硬件日志效果一样。1.3 液晶屏代码和日志代码的区别这里得说个容易混淆的点液晶屏上的代码一般是面向最终用户的缩写比如E171F是 PCIe 卡故障M1006是内存配置无效。而进入 iDRAC 日志或者用命令查看时往往能看到更详细的内部事件代码比如UEFI0078、PCI1370这种。两者的归类逻辑不一样排查的时候要以 iDRAC 日志里的完整信息为准液晶屏代码只用来做初步判断。我见过有人只盯着液晶屏代码去查结果查了半天发现是某个不太相关的 PCIe 卡导致的问题所以两个入口都要会看。2. 常见错误代码的含义与处理直接抄作业2.1 先看代码首字母快速定位子系统R720 的错误代码并不是乱编的它的首字母就代表着子系统很多朋友不知道这一点看到代码就慌。实际运维中我习惯先看首字母能把范围缩得很小代码前缀对应的子系统典型示例E 开头电源、散热、机箱环境E171F、E1618、E1000 系列M 开头主板、内存、CPU、PCIeM1006、M1014、M2000 系列W 开头硬盘、背板、RAID 卡W1228、W1639U 开头BIOS/UEFI 相关的配置错误UEFI0078S 开头系统事件、安全、入侵检测S1002当然这不绝对但大部分情况符合。先按首字母把范围缩小到子系统再结合具体代码去查对应手册效率会高很多。我电脑里常年存着 R720 的硬件参考手册 PDF遇到陌生代码直接搜索比上网乱找靠谱。2.2 M 开头内存和 CPU 相关的错误M 开头的错误里出现频率最高的是内存相关代码。比如M1006意思是系统检测到内存配置无效常见原因是内存插槽顺序错误、混插了不同规格的内存条或者是内存条没插紧。R720 的内存插法是有讲究的每个 CPU 对应一组内存插槽而且要先插蓝色插槽再插黑色插槽具体顺序查手册里的内存插槽映射图。另一个常见的M1014是内存条出现不可纠正错误这种往往是内存条本身坏了或者插槽金手指氧化导致接触不良。处理办法是先关机断电把所有内存条拔下来用橡皮擦擦一下金手指重新插紧。如果还是报错那就一根一根排除哪根内存拔掉后错误消失就是哪根的问题。这方法老套但绝对有效我在处理内存故障时至少七成靠这个方案解决。CPU 相关的 M 开头错误相对少比如M2000系列可能是 CPU 电源、CPU 温度、CPU 配置问题。R720 开机自检时如果提示CPU configuration error先检查 CPU 数量匹配、散热器安装是否牢固。遇到 CPU 故障我个人的建议是直接换整块 CPU 或主板因为服务器 CPU 出问题的概率低一旦出了问题往往是主板供电或 CPU 插槽的问题排查成本很高。2.3 E 开头电源和散热的警报E 开头常见的如E171F是 PCIe 卡故障或 PCIe 链路问题R720 的 PCIe 槽比较多插了 GPU、HBA 卡、网卡的机器很容易碰到。碰到这类告警先把对应的 PCIe 卡拔下来清理金手指和插槽重新插回去试试。如果还是报错很可能卡本身坏了或者主板的 PCIe 插槽物理损坏。散热相关的E1618意思是风扇故障或转速过低。R720 机箱里一共有六个或更多风扇任何一个风扇转速异常面板上立马会亮灯。处理这类错误要先看看是不是灰尘太厚导致风扇卡滞用气枪吹干净之后如果转速恢复正常代码会自动消掉。如果某个风扇彻底不转了买原装或者兼容风扇换上就行要注意 R720 的风扇有不同规格代次换的时候尽量选同型号同转速的混插可能导致 BIOS 报风扇配置错。电源相关的 E 代码比如E1000系列提示的是电源模块故障或者电源不能正常工作。R720 是双电源冗余设计如果其中一个电源坏了面板上对应电源的 LED 会不亮iDRAC 日志里也会记录电源丢失事件。这种直接换电源模块网上拆机的兼容电源很便宜但我的建议是优先找原装拆机的反而更稳定。2.4 W 开头硬盘和阵列卡的错误W 开头的代码里最常见的是W1228意思是 RAID 控制器上的电池BBU故障或者 RAID 卡缓存策略被降级为 Write Through。这个问题在 R720 上几乎是通病因为 BBU 电池寿命一般是 2 到 3 年时间一长就会衰减到无法保持缓存数据。如果日志里看到这个代码硬盘读写还正常但性能明显下降多半就是 RAID 缓存失效了。处理办法是更换 RAID 卡上的电池模块H710P 的电池模块是独立小板网上几十块钱一个拆装都挺简单。换完之后进 RAID 卡的 BIOS 界面开机按Ctrl R在控制器管理里执行一次电池重新学习Learn Cycle让电池容量重新标定。这里要提醒大家BBU 老化后如果不及时换RAID 卡可能在某次断电重启后报告元数据错误到时候就麻烦了别问我怎么知道的。硬盘相关的 W 错误代码比如硬盘 Predictive Failure预测故障iDRAC 日志里能看到具体是哪块盘报警。R720 的硬盘托架上也有 LED闪烁琥珀色就是该盘有问题。处理这种问题常规操作是在阵列卡管理界面确认是哪个虚拟磁盘上的哪块物理盘然后热插拔更换。这里必须强调一个禁忌一定要确认是哪块盘千万别拔错了。我踩过这个坑拔错盘导致阵列降级重建数据花了一整晚。3. 实操案例这样一步步把故障揪出来3.1 案例一反复重启液晶屏提示 M1006我前阵子处理过一台 R720故障现象是机器开机十来秒就自动断电重启前面板液晶屏显示M1006连 POST 都过不去。第一次遇到这种问题的朋友很容易急其实思路理清楚就不难。首先确认这是内存配置类错误先把机器断电拔掉电源线打开机箱盖。把 CPU 对应的内存插槽梳理了一遍发现这台机器一共装了 8 根 16GB 内存条但插法比较乱有一根插在了黑色插槽里而本应该按从蓝到黑的顺序插。我把所有内存拔下来按手册里的映射顺序重新插了一遍再开机还是报 M1006。我意识到不是插法问题于是用排除法只保留一根内存插在 A1 插槽CPU1 的蓝色第一个槽开机正常再逐步增加内存条。结果加到第三根时报错了。拿万用表测量了一下那根内存的金手指确认有一小片污渍用橡皮擦擦净后再开机故障消失。这个问题前后花了大半个小时最终发现就是接触不良加插法混乱叠加造成的也说明一个问题老服务器尤其要注意插槽插法不是插满就能用。3.2 案例二开机后阵列卡提示 Foreign Configuration这台 R720 的问题是开机加载 PERC H710P 阵列卡时屏幕提示Foreign Configuration Found按 F 键可以导入按 C 键继续但就是进不了系统。故障原因是阵列卡曾经识别过另一组硬盘拔插硬盘后组信息被保留了没被正确清除。处理方法是进入阵列卡配置界面开机按Ctrl R在 VD Mgmt 菜单里找到 Foreign Config选择 Clear 先清掉外部配置然后再 Import。一般清掉之后再导入就能正常启动。如果 Clear 之后仍然识别不到虚拟磁盘可能是 RAID 卡的信息和硬盘上的信息不一致这时候需要用阵列卡工具比如MegaCLI做一次全量扫描和重同步。这里要特别提示一下别一看到 Foreign Config 就急着 Clear有些情况下这是你的虚拟磁盘组元数据残留Clear 是安全的但如果你有多个虚拟磁盘组最好先拍照记录原来的配置再操作。清完之后系统如果还是进不去还得检查启动顺序R720 的 BIOS 里可以把 RAID 控制器加进去做启动项。3.3 案例三BIOS 更新报错 Unsupported Downgrade有朋友会遇到更新 R720 BIOS 时提示BIOS Update blocked due to unsupported downgrade意思是当前 BIOS 版本比你要刷的版本新或者版本的验证规则不允许降级。这个在很多戴尔服务器上都常见尤其是机器原来刷过很新版本的 BIOS你拿了一个较老的 BIOS 想刷回去的时候。解决办法是先确认当前 BIOS 版本。开机自检时按 F2 进入系统设置在 BIOS Settings 里可以看到 System BIOS Version。如果你确实需要降级戴尔的规则里允许用-forcetype或-forcereboot这类参数绕过检查。具体操作是在 Windows 下打开命令提示符进入 BIOS 文件解压后的目录执行类似BIOS_XXXXX_WIN64.EXE /forcetype11的命令其中 11 表示服务器平台。Linux 环境下可以用-f参数强制刷新。如果不会用命令行也有老办法把 BIOS 更新文件写入 U 盘启动盘在 F12 启动菜单里选择刷新部分版本会在刷新前给你一个是否忽略版本校验的选项。说实话我不太建议为了降级去折腾 R720 的 BIOS这台机器的新 BIOS 一般修了老 bug也添加了新功能。除非你有特殊兼容性需求比如要配合某个新出的硬盘或阵列卡否则保持原版本稳定运行才是正道。3.4 案例四iDRAC 页面打不开面板只有 IP 地址还有一个很常见的情况机器面板显示了一个 IP 地址但同一网段的电脑浏览器却打不开 iDRAC 管理页面。这种问题一般不是 iDRAC 坏了而是管理口被网管配置成了某个不可达的网段或者 iDRAC 的 IP 被重置了。处理方法是重启 iDRAC。最简单的方式是开机状态下用螺丝刀顶着前面板上的 i 按钮按住超过 15 秒直到风扇狂转一下iDRAC 就重置了。重置之后 IP 会恢复成默认的192.168.0.120用户名密码也会重置为默认值。要是还不行把机器关机断电按住 i 按钮的同时接上电源等 30 秒再放开这是硬重置方法。重置完之后一定要第一时间进 iDRAC 改默认密码别用calvin裸奔机房里的网络环境不像你想的那么安全。4. 排查错误代码时要避开的坑4.1 别只看液晶屏代码而忽略 iDRAC 日志前面说过液晶屏代码是简写你看到E171F只知道是 PCIe 故障但不知道是哪个槽位的卡出了问题。iDRAC 日志里会详细记录物理槽位、设备类型、厂商 ID 等信息。遇到报错先去 iDRAC 日志里拉一遍看代码出现的频率和时间是否和某次硬件操作有关比如刚插了卡、刚换了硬盘。排查老服务器要有一个意识机器不会无缘无故报错一定有什么诱因回忆一下最近做了什么操作很重要。4.2 别急着拔盘先看 RAID 卡状态W 开头的错误里硬盘预测故障只是第一步它的真正麻烦在于如果同时有多块盘亮灯你就得考虑是不是背板供电问题或者 RAID 卡本身有问题了。我的经验是看到硬盘类告警第一时间用 Dell OpenManage 或者阵列卡命令行工具查看物理盘状态确认 SMART 信息和错误计数再决定换不换盘。别只看到面板上有一块盘报警就直接拔了如果是背板接口问题换了新盘插上去一样报警反而白白耗费人力物力。4.3 别图便宜乱买配件R720 是 12G 时代的机器二手配件市场上鱼龙混杂特别是电源、风扇、内存、BBU 这些模块。我见过有人买了非原装的冗余电源装上去之后开机直接报E1000错误因为机器检测不到电源模块的必要信息。内存条也一样R720 对内存的兼容性要求不算苛刻但混插 REG ECC 和无缓冲 ECC 内存肯定报错。采购老服务器配件认准原装拆机件或者大品牌的兼容件价格虽贵一点但至少省心。4.4 注意温度对错误代码的影响夏季机房温度一高R720 的风扇转速会上去这是正常现象。但如果同一时间出现E1618和其他散热告警先测一下进风温度和环境温度看看是不是空调故障或者风道堵塞。不要在高温状态下反复拔插硬件排查错误代码高温会扩大故障范围甚至导致内存、CPU 虚焊。处理硬件时报错尽量把机器安排到温度可控的环境再操作这是我的原则。5. R720 错误代码快速排查速查表这段时间忙下来我整理了一张 R720 错误代码的速查表适合贴在你的运维笔记里遇到报错直接对照初步定位。这不是官方文档的翻译而是基于实际维修场景的归类供参考错误代码前缀与常见码含义优先处理动作M1006内存配置无效检查插法、单根排除、清金手指M1014内存不可纠正错误更换故障内存条M2000 系列CPU 配置或电源异常检查 CPU、电源模块E171FPCIe 卡故障重新插拔扩展卡、换槽位测试E1618风扇故障或转速异常清灰、换风扇E1000 系列电源模块问题更换电源模块W1228RAID 缓存电池故障换 BBU、执行 Learn CycleW 系列硬盘告警硬盘预测故障确认物理盘位置、换盘重建Foreign ConfigRAID 外部配置进 Ctrl R 清外部配置再导入UEFI0078UEFI 启动配置错误检查启动模式、清 NVRAMUnsupported DowngradeBIOS 降级被拒用 /forcetype 参数强刷或放弃降级这张表里的内容你照着处理至少能把 90% 的 R720 常规告警解决掉。剩下 10% 的疑难杂症建议直接联系戴尔支持手上保留好 iDRAC 里的日志截图和代码信息能省很多沟通时间。另外提一句R720 这台机器虽然老但很多朋友拿它做虚拟化宿主机装 ESXi 或者 Proxmox VE 都非常合适。做虚拟化之前我建议先把 BIOS 和 iDRAC 固件升到比较新的稳定版再把 RAID 卡模式调成直通或 RAID 0/1根据你的存储方案选择。虚拟化环境下遇到错误代码处理思路和物理机是一样的重点看内存和 RAID 卡这两个地方告警最多也最容易影响业务。我个人做这行这么多年遇到老服务器报错心态反而越来越稳。R720 的报错本质上是硬件在告诉你某个部件寿命到了或者接触不良了它没有隐藏行踪只要你顺着日志和代码一层层查下去问题往往没有想象中复杂。别被一堆代码吓住先把工具用好把日志读明白剩下的事情就是按部就班地换件、插回、测试。最后分享一个老运维的习惯每台服务器建一个专门的文本文件记下它的硬件配置、BIOS 版本、iDRAC IP、更换过的配件时间和型号。遇到错误代码时先查这份记录很多答案都能在里面找到。这个习惯帮我解决过不少问题省下了大量重复排查的时间。