📚 课程目录第2章 HPE ProLiant硬件架构与高可用基础

2. HPE ProLiant硬件架构与高可用基础

业务连续性的第一道防线并不在操作系统或集群软件，而在服务器硬件本身。HPE ProLiant 的高可用设计思路可以概括为一句话：把单点故障变成可容忍故障。当某个电源、风扇、内存条甚至 PCIe 卡出现异常时，系统仍能维持业务运行，并给出明确的告警与更换窗口。理解这些冗余机制，是后续配置故障切换、规划维护窗口的基础。

一、冗余的三个层次

ProLiant 的冗余并非单一功能，而是分布在三个层次上：

供电与散热层：电源模块（PSU）冗余、风扇冗余，保证物理运行环境不中断。
数据通路层：内存镜像、在线备件、PCIe 热插拔，保证数据与 I/O 通路不中断。
管理与告警层：iLO 与 Integrated Management Log（IML）持续监控上述组件，把“隐性降级”变成“显性告警”。

这三层是递进关系：供电散热是前提，数据通路是核心，管理告警是保障。缺少任何一层，冗余都会变成“看起来有、实际不可用”。

二、电源与风扇冗余

ProLiant 机架服务器通常支持 1+1 或 2+2 电源冗余。以 2+2 为例，四个 PSU 分成两组，每组承担约 50% 负载。当其中一个 PSU 故障时，剩余 PSU 自动接管全部负载，服务器不宕机。这里有一个容易被忽略的细节：冗余的前提是每个 PSU 的容量足以承担总负载。如果整机功耗 1200W，配置 4 个 800W PSU，看似冗余充足，但若实际只插了 2 个，剩余 2 个无法承担满载，冗余即失效。

风扇冗余同理。ProLiant 采用 N+1 风扇设计，单个风扇故障时，其余风扇提高转速补偿风量。但风扇冗余有一个温度前提：如果机房进风温度已经接近 35°C 上限，单风扇故障可能导致局部过热，触发降频甚至关机。因此风扇冗余必须配合环境温度监控一起看。

判断电源冗余是否真正生效，不能只看“插了几个 PSU”，还要看 iLO 中 Power Regulator 与 Power Supply 状态页显示的“冗余状态”是否为 OK。若显示 Degraded，说明当前配置无法承受单点故障。

三、PCIe 热插拔

PCIe 热插拔允许在不关机的情况下更换或添加 PCIe 卡。它依赖三个条件同时满足：主板与插槽支持热插拔、操作系统支持热插拔、驱动程序支持热插拔。三者缺一不可。

在 ProLiant 上，热插拔通常通过 iLO 或 HPE Smart Storage Administrator 配合完成。典型操作流程是：先在操作系统中停止使用该卡（如卸载驱动或下线网卡），再通过 iLO 将对应插槽置为“Power Off”，更换卡后重新上电，最后在系统中重新识别。如果跳过第一步直接拔卡，可能导致系统崩溃或数据丢失。

需要注意的是，并非所有 PCIe 插槽都支持热插拔。通常只有标注为“Hot Plug”或位于特定 Riser 上的插槽才支持。规划时应先确认插槽能力，再决定哪些卡可以热插拔。

四、内存镜像与在线备件

内存是服务器中最容易发生软错误的组件之一。ProLiant 提供两种内存保护模式：

内存镜像（Memory Mirroring）：将内存分成两组，一组为主，一组为镜像。所有写入同时写到两组，读取时从主组读。主组故障时，系统自动切换到镜像组。代价是可用内存减半。
在线备件（Online Spare）：预留一部分内存作为备件。当某个内存条错误率超过阈值时，系统将数据迁移到备件区，并隔离故障条。代价是可用内存减少备件容量。

两种模式不能同时启用。选择时需权衡：镜像提供更强的实时保护，但内存利用率低；在线备件内存利用率较高，但切换需要迁移时间。对于数据库等对内存容量敏感的场景，在线备件更常见；对于金融交易等对中断极度敏感的场景，镜像更合适。

配置内存保护模式通常在 BIOS/Platform Configuration 中完成，且必须在开机自检阶段设置，运行中无法切换。启用后，iLO 的 Memory 页面会显示当前模式与各内存条状态。

五、冗余状态与故障切换关系

下图展示了 ProLiant 关键冗余组件在正常、降级与故障三种状态下的切换关系。图中每个组件都对应一个“可容忍故障”的边界，超过边界才会导致业务中断。

六、从冗余到业务连续性的判断依据

配置完冗余后，如何确认它真的能支撑业务连续性？建议按以下顺序检查：

在 iLO 中查看 Power 与 Thermal 页面，确认 PSU 与风扇冗余状态为 OK，而非 Degraded。
在 BIOS 中确认内存保护模式已启用，且 iLO Memory 页面显示所有内存条为 Healthy。
确认需要热插拔的 PCIe 卡位于支持热插拔的插槽，并在操作系统中验证驱动支持热插拔。
查看 IML 日志，确认没有未处理的降级告警。IML 中的每条告警都应有一个明确的处理动作。

需要强调的是，冗余不是“配了就完事”，而是一个持续可观测的状态。真正的业务连续性，来自“冗余配置 + 状态监控 + 及时更换”三者的闭环。任何一环缺失，冗余都可能在关键时刻失效。

内存镜像与在线备件不能同时启用。切换内存保护模式必须在开机自检阶段完成，运行中无法更改。若在运行中强行修改，可能导致系统无法启动或数据丢失。

掌握这些硬件冗余机制后，下一步才能在此基础上规划操作系统层的故障切换与集群配置。硬件冗余解决的是“单台服务器不因单点故障而停机”，而业务连续性还需要解决“单台服务器整体故障时业务如何迁移”。两者结合，才构成完整的 HPE ProLiant 高可用体系。