2. ThinkSystem硬件冗余架构
业务连续性不是靠某一个“高可用软件”实现的，它首先建立在硬件层面“单点故障不致命”的基础上。ThinkSystem服务器的冗余设计，本质上是在电源、散热、存储控制器和网络链路四个关键路径上，消除单点故障（SPOF），让任意一个组件失效时，系统仍能继续对外提供服务，或至少把影响控制在可恢复范围内。理解这些冗余机制，才能在实际运维中正确配置、正确判断告警，并在故障发生时做出正确处置。
一、电源冗余：从单电源到N+N与N+1
ThinkSystem机架服务器通常支持1+1或N+N冗余电源配置。以常见的双电源（1+1）为例，两个电源模块分别接入不同的PDU或不同的市电回路，任一电源失效时，另一个电源可独立承担整机负载。这里的关键参数是电源额定功率与整机实际功耗的比值。例如一台服务器满载功耗约1200W，配置两个1600W电源，则单电源即可覆盖满载，属于真正的1+1冗余；若配置两个750W电源，单电源无法覆盖满载，则只是“并联供电”，不具备冗余能力。
实际配置时需要注意三点：第一，两个电源必须接入不同上游供电回路，否则同一路空开跳闸会同时影响两个电源；第二，XCC（Lenovo XClarity Controller）中应确认电源冗余状态显示为“Redundant”，若显示“Non-Redundant”说明当前配置或负载不满足冗余条件；第三，电源模块支持热插拔，故障时可在系统运行中更换，但更换前应确认剩余电源足以支撑当前负载。
二、风扇冗余：N+1与散热路径的连续性
ThinkSystem服务器普遍采用N+1风扇冗余。以2U机型为例，通常配置6个或8个热插拔风扇，系统在正常运行时所有风扇同时工作，但转速由XCC根据温度动态调节。当其中一个风扇失效时，其余风扇会自动提升转速，补偿风量损失，维持CPU、内存、RAID卡等关键部件的散热。此时系统不会宕机，但噪音和功耗会上升，XCC会记录风扇故障事件。
风扇冗余的关键在于散热路径不能被完全阻断。如果服务器风道设计为前后贯通，单个风扇失效通常不会导致局部过热；但如果机箱内存在遮挡、灰尘堆积或导风罩缺失，剩余风扇可能无法有效覆盖所有发热区域。因此，风扇冗余生效的前提是风道完整、滤网清洁、机房进风温度在允许范围内（通常建议18～27℃）。
实际运维中，风扇故障后应尽快更换，但不建议在系统高负载时直接拔出故障风扇，因为热插拔瞬间会引起局部气流扰动。更稳妥的做法是：先确认XCC中其他风扇转速已提升、温度正常，再执行更换。
三、RAID控制器冗余：缓存保护与路径冗余
RAID控制器是存储路径上的关键单点。ThinkSystem提供多种RAID方案：板载SATA RAID、硬件RAID卡（如ThinkSystem RAID 930系列）、以及支持缓存保护的RAID卡。硬件RAID卡的冗余设计主要体现在两个方面：
- 缓存电池/超级电容（CacheVault）：当服务器意外断电时，RAID卡缓存中的数据（尚未写入磁盘的写操作）由超级电容供电写入闪存，待恢复供电后再写回磁盘，避免数据丢失。没有缓存保护时，断电可能导致RAID卡缓存数据丢失，进而造成文件系统损坏。
- 双路径（Dual Path）：在外部存储或某些高可用配置中，RAID控制器可通过两条物理路径连接磁盘柜，一条路径故障时自动切换到另一条。这属于更高层级的冗余，通常与SAN或SAS双端口磁盘配合使用。
需要特别注意的是，RAID卡本身通常不是冗余的——一台服务器一般只有一块RAID卡。因此RAID卡故障时，虽然磁盘数据仍在，但系统可能无法访问存储。此时业务连续性的保障依赖于备件更换速度和配置备份。建议定期导出RAID配置（可通过XCC或Storcli工具），以便更换RAID卡后快速恢复阵列配置。
四、网卡绑定：链路冗余与负载均衡
网络是业务连续性的另一条生命线。ThinkSystem服务器通常配备多个板载网口或PCIe网卡，通过操作系统层面的网卡绑定（Bonding/Teaming）实现冗余。常见的绑定模式包括：
| 绑定模式 | 冗余能力 | 适用场景 |
|---|---|---|
| 主备（Active-Backup） | 单链路故障切换 | 对带宽要求不高、要求简单可靠 |
| LACP（802.3ad） | 链路聚合+故障切换 | 需要带宽叠加，交换机支持LACP |
| 广播/负载均衡 | 故障切换 | 特定交换机环境 |
以LACP为例，两块网卡分别接入两台交换机（MLAG/MC-LAG）或同一台交换机的不同端口，当一条链路断开时，流量自动切换到剩余链路。配置时需注意：交换机侧必须配置对应的聚合组，且两端模式一致；否则绑定无法正常工作，甚至引起网络环路或丢包。
网卡绑定的冗余效果可以通过以下方式验证：在系统运行中拔掉一条网线，观察业务是否中断、ping是否持续、交换机日志是否显示链路切换。正常情况下，LACP切换时间在毫秒到秒级，TCP连接可能短暂重传但不会断开。
五、冗余配置的验证与日常检查
冗余设计“配了”不等于“生效”。建议在业务上线前和日常巡检中，通过以下方式确认：
- 在XCC中查看电源冗余状态、风扇转速与温度、RAID卡缓存保护状态、网卡链路状态。
- 对电源和网卡做一次计划内切换测试：拔掉一路电源或一条网线，观察业务是否持续、告警是否正确上报、切换时间是否可接受。
- 检查RAID卡CacheVault是否处于“Healthy”状态，超级电容是否完成充电。
- 确认网卡绑定模式与交换机配置一致，避免因模式不匹配导致冗余失效。
总体来看，ThinkSystem的硬件冗余架构把业务连续性从“依赖单点可靠”转变为“依赖冗余切换”。电源、风扇、RAID缓存保护和网卡绑定分别覆盖了供电、散热、存储和网络四条关键路径。运维人员的核心任务，是确保这些冗余机制在真实环境中确实可用，并在告警出现时快速判断“当前是否仍在冗余状态”，从而决定是立即更换还是可以计划内处理。