دمای سرور اختصاصی بالا رفته؛ چطور علت را پیدا و سرور را خنک کنیم؟

در پنل مدیریت سخت‌افزار هشدار دما دیده‌اید یا فن‌های سرور اختصاصی خیلی تند کار می‌کنند. آیا کافی است یک برنامه را ببندید؟ گاهی بار پردازشی بالا علت است، اما خرابی فن، هوای گرم ورودی، مسیر هوای بسته یا خطای حسگر هم می‌تواند نقش داشته باشد. حتی صدای زیاد فن به‌تنهایی ثابت نمی‌کند دمای پردازنده خطرناک شده است.

برای پیدا کردن علت باید بدانیم کدام حسگر هشدار داده و وضعیت فن‌ها چیست. اگر هشدار در سطح بحرانی است، دما همچنان بالا می‌رود، فن خراب گزارش شده یا بوی سوختگی و نشانه فیزیکی خطر وجود دارد، بررسی طولانی را کنار بگذارید و فوراً با مرکز داده و مسئول سرویس هماهنگ کنید. تصمیم برای خاموش کردن کنترل‌شده به شرایط دستگاه و دستورالعمل مرکز داده بستگی دارد؛ از خاموش و روشن کردن پیاپی بدون تشخیص خودداری کنید.

یک سرور چند حسگر دارد. دمای هوای ورودی، دمای پردازنده، ماژول حافظه و خروجی هوا اعداد متفاوتی دارند و نباید با یک عدد ثابت درباره همه آن‌ها قضاوت کرد. حد هشدار و بحرانی بسته به مدل سرور، قطعه و محل حسگر تعیین می‌شود.

این جدول کمک می‌کند سراغ مسیر درست بروید:

| حسگر یا هشدار | قدم اولیه | | --- | --- | | هوای ورودی یا Inlet بالا است | وضعیت دمای هوای رک و مسیر ورود هوا را با مرکز داده مقایسه کنید. کم کردن بار برنامه همیشه هوای ورودی داغ را اصلاح نمی‌کند. | | دمای CPU بالا است ولی هوای ورودی عادی است | هم بار پردازشی و هم وضعیت فن و خنک‌کننده همان مدل را بررسی کنید. | | یک فن Failed، Missing یا غیرعادی گزارش شده | شماره فن و پیام سخت‌افزار را ثبت و برای بررسی یا تعویض طبق دستور سازنده به مرکز داده ارجاع دهید. | | مقدار حسگر وجود ندارد یا ناگهان غیرمنطقی عوض شده | ممکن است خود حسگر یا ارتباط آن مشکل داشته باشد؛ عدد را با گزارش و حسگرهای دیگر تطبیق دهید و خطا را پنهان نکنید. |

در بعضی سرورها فن با سرعت بالا واکنشی به خرابی فن یا حسگر دیگر است. راهنمای Dell درباره علت‌های افزایش سرعت فن چند نمونه از این حالت‌ها را توضیح می‌دهد. رفتار دقیق به مدل و تنظیمات دستگاه شما بستگی دارد.

اگر کنترلر مدیریت سرور مثل iDRAC یا iLO در اختیارتان است، از مسیر مدیریتی امن و با حساب مجاز وارد شوید. نام سرور و شناسه سخت‌افزار را با اطلاعات سرویس تطبیق دهید تا روی دستگاه اشتباه تصمیم نگیرید. نشانی و رمز کنترلر را عمومی منتشر نکنید.

در iDRAC، بسته به نسل و نسخه، بخش‌هایی با نام System، Cooling، Temperatures و Fans وضعیت حسگرها و فن‌ها را نشان می‌دهند. در iDRAC10 مسیر و تصویر بخش‌ها در راهنمای رسمی پایش سلامت Dell آمده است؛ در نسخه‌های دیگر محل گزینه‌ها فرق دارد.

برای حسگر هشداردهنده این موارد را بنویسید: نام حسگر، مقدار فعلی و واحد آن، سطح Warning یا Critical، آستانه‌هایی که خود دستگاه گزارش می‌کند، زمان و وضعیت هر فن. سپس بخش System Event Log یا گزارش رویداد سخت‌افزار را باز کنید و پیام‌های مربوط به همان زمان را نگه دارید. گزارش را برای خلوت شدن صفحه پاک نکنید؛ ترتیب رویدادها در تشخیص علت مهم است.

اگر هنوز به پنل کنترلر دسترسی ندارید، راهنمای اتصال امن به کنسول iDRAC مقدمات دسترسی را توضیح می‌دهد. رسیدن به پنل کنترلر با سالم بودن سیستم‌عامل یا برنامه یکی نیست؛ هر کدام را جداگانه آزمایش کنید.

اگر حسگر ورودی هوا بالا است، از مرکز داده بخواهید دمای ورودی همان سرور، سرمایش رک و مانع احتمالی مسیر هوا را بررسی کند. اطلاعاتی که باید بفرستید شامل شناسه دستگاه، شماره رک در صورت اطلاع، نام حسگر، مقدار و زمان هشدار است. پایین آمدن موقت مصرف CPU ممکن است فشار گرمایی را کم کند، اما تا مشکل هوای ورودی رفع نشود نباید آن را درمان کامل بدانید.

اگر یک فن خراب یا غایب گزارش شده، شماره دقیق آن را از پنل بخوانید و برای تعویض یا بازبینی به فرد مجاز بدهید. در سرور اجاره‌ای، باز کردن شاسی و خارج کردن فن کار مشتری از راه دور نیست. در تجهیزات تحت مدیریت خودتان هم قابلیت تعویض در حال کار، ایمنی و روش درست به مدل و مستندات سازنده بستگی دارد. فن را با حدس متوقف نکنید، درپوش دستگاه را باز نگذارید و کنترل خودکار سرعت را صرفاً برای کم شدن صدا غیرفعال نکنید.

اگر سخت‌افزار، فن و ورودی هوا سالم گزارش می‌شوند، بار پردازشی را در همان بازه بررسی کنید. سالم بودن وضعیت فن لزوماً سلامت خنک‌کننده یا نصب درست قطعه را ثابت نمی‌کند؛ اگر دما با وجود بار معمول همچنان بالا است، بازبینی فیزیکی توسط فرد مجاز لازم می‌شود.

از طریق SSH یا کنسول مجاز وارد لینوکس شوید. دستور زیر فقط یک تصویر از فرایندهایی که در آن لحظه CPU بیشتری مصرف می‌کنند می‌دهد:

ستون PID شناسه فرایند، comm نام کوتاه برنامه و درصد CPU مصرف گزارش‌شده آن است. در سرور چند‌هسته‌ای، درصد یک فرایند می‌تواند بیش از ۱۰۰ باشد؛ این عدد را با درصد کل یک هسته یا دمای CPU اشتباه نگیرید. یک نمونه لحظه‌ای نیز علت قطعی افزایش دما را مشخص نمی‌کند. در چند زمان، همراه با وضعیت حسگر و زمان هشدار، نتیجه را تکرار و مقایسه کنید.

اگر یک کار شناخته‌شده مثل تبدیل ویدئو یا پشتیبان‌گیری فشرده هم‌زمان با هشدار شروع شده، با مالک آن سرویس درباره توقف امن یا انتقال اجرای آن به زمان مناسب هماهنگ کنید. از قابلیت توقف خود برنامه یا صف آن استفاده کنید تا کار نیمه‌تمام و فایل‌ها به‌هم نریزند. فرایند ناشناس را بر اساس مصرف بالا فوراً نکشید؛ ممکن است پایگاه داده یا کار مهم مشتری باشد.

اگر بار کاری معمول است ولی دما همچنان به آستانه بحرانی نزدیک می‌شود، دنبال افزایش محدودیت یا اجرای ابزار فشار مصنوعی نروید. کاهش موقت بار در صورت امکان و بررسی فوری فن، خنک‌کننده و شرایط رک با مرکز داده راه مناسب‌تری است.

در این موارد شناسه سرور، زمان، تصویر هشدار بدون اطلاعات ورود و نام حسگر یا شماره فن را برای مرکز داده ارسال کنید:

از مرکز داده نتیجه اندازه‌گیری هوای ورودی، وضعیت فن و اقدام انجام‌شده را بخواهید. به‌روزرسانی firmware، بازکردن شاسی یا تعویض قطعه ممکن است نیازمند توقف و هماهنگی باشد؛ اول شواهد را حفظ و روش مخصوص همان مدل را تعیین کنید. عوض کردن آستانه هشدار یا پاک کردن رویدادها علت گرما را برطرف نمی‌کند.

پس از اقدام، همان حسگر و فن را در چند نوبت با همان واحد و آستانه مدل بررسی کنید. تأیید کنید هشدار جدیدی ثبت نشده و مقدار به محدوده قابل قبول تعریف‌شده توسط سازنده برگشته و در زمان کار معمول پایدار مانده است. اگر بار کاری را موقتاً کم کرده‌اید، با هماهنگی آن را تدریجی برگردانید و رفتار دما را زیر نظر بگیرید.

در پایان، سلامت سایت یا برنامه را از بیرون و گزارش سرویس‌ها را نیز بررسی کنید. سالم شدن رنگ هشدار پنل به‌تنهایی ثابت نمی‌کند همه سرویس‌ها پس از اختلال درست کار می‌کنند. برای بررسی امکانات مدیریت سخت‌افزار، صفحه سرور اختصاصی ایران نت‌آرام در دسترس است.