BMC为长江计算的BMC产品，源自于华为设立的openUBMC
电源故障分析
先看AppDump/event下的current_event.txt
看到目前没有告警
System in health state.说明告警已经消除了，看下历史告警sel.txt
发现历史有多次PSU1的故障告警，且每次都是持续70秒左右
66 |2026-06-24 00:09:32 |Critical |0x0300000E |Deasserted |The AC/DC input of PSU 1 is lost or out-of-range. 65 |2026-06-24 00:08:20 |Critical |0x0300000D |Asserted |The AC/DC input of PSU 1 is lost or out-of-range. 64 |2026-06-23 00:41:16 |Critical |0x0300000E |Deasserted |The AC/DC input of PSU 1 is lost or out-of-range. 63 |2026-06-23 00:40:03 |Critical |0x0300000D |Asserted |The AC/DC input of PSU 1 is lost or out-of-range. 40 |2026-06-12 04:06:39 |Critical |0x0300000E |Deasserted |The AC/DC input of PSU 1 is lost or out-of-range. 39 |2026-06-12 04:05:27 |Critical |0x0300000D |Asserted |The AC/DC input of PSU 1 is lost or out-of-range. 38 |2026-06-12 00:46:58 |Critical |0x0300000E |Deasserted |The AC/DC input of PSU 1 is lost or out-of-range. 37 |2026-06-12 00:45:44 |Critical |0x0300000D |Asserted |The AC/DC input of PSU 1 is lost or out-of-range.到AppDump\power_mgmt的psu_info.txt看下当前PSU电压
一切OK
Slot | presence | Manufacturer | Type | SN | Version | Rated Power | InputMode | PartNum | DeviceName | Vin | Vout 1 | present | HUAWEI | PAC2000S12-B1 | xxxxxxxxxxxxxxxxxxxx | DC:111 PFC:111 | 2000 | AC | xxxxxxxx | PSU1 | 225.00 | 12.00 2 | present | HUAWEI | PAC2000S12-B1 | xxxxxxxxxxxxxxxxxxxx | DC:111 PFC:(QB)111 | 2000 | DC | xxxxxxxx | PSU2 | 270.00 | 12.00看下告警时间电源情况AppDump\power_strategy下的power_statistics.csv
没办法精准采集到这个时间段
这个时候就要结合外部情况来判断了
比如问下客户，告警临近时间有没有人员在施工，或者机柜在倒换测试什么的
相邻设备有没有类似告警，因为告警提示的是lost or out-of-range并非fault/fail，并且每次都是告警70秒后自动恢复
不排除也有误告警的可能性存在
如果允许可以联系电源厂商进行深度分析
或者保险起见，直接更换电源模块与电源线
CPU高温告警
一样，先看当前告警
先看AppDump/event下的current_event.txt
看到目前没有告警
System in health state.然后再看sel日志，发现cpu2有一个瞬时高温告警
ID |Generation Time |Severity |Event Code |Status |Event Description 66 |2026-06-20 22:29:04 |Major |0x00000004 |Deasserted |CPU 2(CpuBoard1 CPU2) temperature is too high and will be underclocked. 65 |2026-06-20 22:29:03 |Major |0x00000003 |Asserted |CPU 2(CpuBoard1 CPU2) temperature is too high and will be underclocked.我们可以再去看下cpu的温度情况AppDump\sensor下的sensor_info.txt
目前的温度很正常，才40多，距离110的阈值差远了
sensor id | sensor name | value | unit | status | lnr | lc | lnc | unc | uc | unr | phys | nhys 0x42 | CPU1_Temp | 44.000 | degrees C | ok | na | na | na | 105.000 | 110.000 | na | 2.000 | 2.000 0x4b | CPU2_Temp | 42.000 | degrees C | ok | na | na | na | 105.000 | 110.000 | na | 2.000 | 2.000但是我们发现一个不太正常的数据
这个PCIE5网卡（实际上是DPU智能网卡），温度高达91，距离阈值差9度
如果某个时刻负荷加大，或者周围环境的温度变高（比如有人施工打开了机柜门），就有可能出发告警
0x73 | PCIe5 INIC CPU_Temp | 91.000 | degrees C | ok | na | na | na | 100.000 | na | na | 2.000 | 2.000所以很有可能和这个DPU卡有关
了解到这种服务器的业务都是跑在DPU卡上的，温度高属于正常
且只有一次瞬时告警，可以先观察，准备好备件，并让机房注意环境
说明
免责声明与版权声明
本文内容由个人发布，仅用于学习、技术研究与经验交流。
文中涉及的软件（包括正版及第三方版本）仅供测试与学习用途，不构成任何形式的分发、破解、商业使用或侵权行为的鼓励。若您需要长期使用或商业部署，请前往官方网站购买或获取正版授权。
作者不对任何软件的使用、修改、传播及由此产生的后果承担法律责任。读者应自行判断、下载与使用软件，并遵守所在地法律法规及相关许可协议。
部分内容参考或摘录自公开资料、官方文档或其他技术文章，均已尽可能注明原作者及来源链接。若原作者或版权方认为本文存在不当引用或侵权内容，请联系作者处理，作者将在核实后及时修改或删除相关内容。
知识共享许可声明
除特别说明外，本文中的原创文字、图片、图表及资料均依据：
CC BY-NC-SA 4.0（署名－非商业性使用－相同方式共享）
许可协议发布。
您可以在遵守本协议的前提下：
- 复制、转载和分享本文内容；
- 对本文内容进行修改、改编和二次创作；
- 将本文内容用于个人学习、研究和非商业用途。
同时必须满足以下条件：
- 保留原作者署名及原文链接；
- 明确标注内容来源；
- 不得将本文及其衍生作品用于任何商业用途；
- 基于本文进行修改、改编或再创作的作品，必须继续采用相同协议进行发布。
特别声明
未经作者书面授权，禁止以下行为：
- 将本文原创内容用于商业培训、付费课程、付费社群、收费咨询等商业活动；
- 将本文原创内容转载至以盈利为目的的网站、平台、出版物或知识付费平台；
- 将本文原创内容批量采集、镜像、聚合或作为数据库内容进行商业运营；
- 将本文原创内容用于人工智能模型训练、知识库构建、数据集整理或其他商业化用途；
- 删除、修改或隐藏原作者署名、原文链接及版权声明。
对于违反上述声明的行为，作者保留依法追究相关责任的权利。
AI 辅助生成声明
本文部分内容在撰写、整理、润色或结构优化过程中使用了 AI 工具进行辅助生成。
AI 生成内容仅作为写作辅助参考，最终内容已由作者进行人工审阅、修改、校对与确认。本文观点、技术步骤、命令示例及相关说明均以作者最终发布版本为准。
读者在参考本文内容进行实际操作前，应结合自身环境进行验证，作者不因 AI 辅助生成内容可能存在的遗漏、错误或不适用情况承担额外责任。
