2. PowerEdge硬件冗余基础
业务连续性的第一道防线不在操作系统，也不在集群软件，而在机箱内部。当一台PowerEdge服务器因为一根电源线、一块RAID卡缓存电池或一条SAS链路而停机时，上层所有高可用机制都无从发挥。本节聚焦硬件冗余组件的工作原理，并给出识别单点故障（SPOF）与制定硬件级消除策略的方法。
一、冗余的本质：把"唯一"变成"可替代"
单点故障的定义很朴素：某个组件的失效会直接导致整机或整业务不可用，且系统内不存在可自动接替它的同类组件。冗余设计的目标不是让组件不坏，而是让组件坏掉时系统仍能继续提供服务，并且故障可被感知、可被更换。
判断一个组件是否构成SPOF，可以问三个问题：它是否有并行副本？副本切换是否自动？切换后性能与容量是否仍满足业务？三个问题中任一为"否"，该组件就是需要处理的隐患。
二、双电源与供电链路
PowerEdge机架式服务器通常配置两个热插拔电源模块（PSU），分别接入不同的PDU与市电回路。两个PSU并联工作，各自分担约50%负载，任一路断电时另一路立即承担全部负载。这里的关键点在于：冗余的是整条供电链路，而不只是电源模块本身。如果两个PSU插在同一台PDU、同一路UPS甚至同一个插座排上，那么PDU或回路故障仍会造成整机断电，冗余形同虚设。
消除策略：PSU-A接入PDU-A（市电回路1），PSU-B接入PDU-B（市电回路2），两条回路分别由独立UPS支撑。在iDRAC中可通过电源监控查看两路输入电压与各PSU输出功率，验证负载是否均衡。若某一路长期显示0W，说明该路实际未供电，冗余已失效。
三、RAID控制器与磁盘冗余
RAID控制器是存储冗余的核心。以PERC系列为例，它通过RAID级别实现磁盘级容错：RAID 1镜像提供一块盘的容错，RAID 5提供一块盘容错，RAID 6提供两块盘容错，RAID 10在镜像对内部提供容错。热插拔硬盘允许在系统运行中直接拔出故障盘并插入新盘，控制器自动开始重建（Rebuild）。
但RAID控制器自身也可能成为SPOF。若服务器只有一块RAID卡，卡故障会导致所有逻辑盘不可访问。此时需要关注两点：一是控制器是否支持双控制器或故障转移；二是写缓存是否有电池/超级电容保护（BBU/CacheVault），避免断电时缓存数据丢失导致阵列损坏。
重建过程是风险窗口。以一块4TB NL-SAS盘、重建速率约120MB/s估算，满盘重建约需9～10小时。在此期间若第二块盘失效，RAID 5将整体失效。因此消除策略包括：优先选用RAID 6或RAID 10；配置全局热备盘（Global Hot Spare）实现自动接替；通过iDRAC或OpenManage设置磁盘预警，在盘进入Predictive Failure状态时提前更换。
四、多路径I/O：消除链路与控制器单点
当服务器通过SAN连接外部存储时，单条HBA、单个交换机端口或存储控制器端口都可能成为SPOF。多路径I/O（MPIO）让主机同时看到通往同一LUN的多条物理路径，并在路径故障时自动切换。在PowerEdge上，这通常由两块HBA卡分别接入两台光纤交换机（或同一交换机的不同区域），再连接到存储的两个控制器端口。
以Dell EMC PowerPath或Windows MPIO为例，典型配置为：每台服务器2块HBA，每块HBA一个端口接入SAN Fabric A，另一个端口接入Fabric B；存储侧每个LUN通过两个控制器端口呈现。这样任意一块HBA、一台交换机或一个存储控制器端口故障，主机仍可通过剩余路径访问数据。验证方法是使用powermt display dev=all或MPIO管理界面查看每条LUN的路径状态，确认至少存在两条Active/Optimized路径。
五、风扇与其他易被忽视的冗余点
PowerEdge机箱通常采用N+1风扇冗余，即多装一个风扇，坏一个仍能维持散热。但风扇冗余的前提是机箱风道完整、防尘网未堵塞。若所有风扇共用同一供电背板或同一控制信号，背板故障仍可能让全部风扇停转。此外，PCIe插槽、内存通道、网卡端口、iDRAC管理口也常被忽略：单端口网卡、单iDRAC链路、单内存通道配置都可能成为隐性SPOF。
六、硬件冗余关系与SPOF消除路径
下图把上述组件的冗余关系、典型故障后果与消除手段放在同一视图中，便于对照检查。
七、可执行的硬件冗余检查清单
以下清单可直接用于上架前检查或季度巡检，每项均给出判断依据：
| 检查项 | 合格判断依据 | 不合格处理 |
|---|---|---|
| 双PSU供电 | iDRAC显示两路输入电压正常，各PSU输出约50% | 调整PDU接线，确保两路来自不同回路 |
| RAID级别 | 关键业务卷为RAID 6或RAID 10 | 在线迁移或重建阵列 |
| 热备盘 | 存在Global Hot Spare且状态Ready | 新增同规格磁盘并指定为热备 |
| 缓存保护 | BBU/CacheVault状态Healthy | 更换电池或超级电容模块 |
| 多路径 | 每条LUN至少2条Active/Optimized路径 | 检查HBA、交换机Zone与存储端口映射 |
| 风扇 | 无风扇告警，转速在正常区间 | 更换故障风扇，清理风道 |
| 网卡与iDRAC | 业务网卡双端口绑定，iDRAC独立链路可达 | 启用NIC Teaming，接入独立管理交换机 |
硬件冗余的最终目标，是让任何单一组件的失效都不至于中断业务，并且故障可被监控发现、可在不停机的情况下更换。把供电、存储、链路、散热四条线逐一对照检查，才能真正把单点故障从机箱里清除出去。