2. Nexus硬件与启动故障诊断

Nexus交换机的硬件与启动故障，往往比配置类故障更“硬”：一旦Supervisor或Line Card卡在某个状态，设备可能根本无法进入NX-OS命令行，后续所有排障手段都无从谈起。因此，本节的核心不是“敲什么命令”，而是先建立一张硬件状态与启动阶段的判断地图，再针对不同阶段选择正确的恢复路径。

一、先分清三类硬件对象的状态语义

Nexus机箱式设备通常由Supervisor（管理引擎）、Line Card（业务线卡）、Fabric Module（交换矩阵模块）以及电源、风扇等组成。诊断的第一步是确认“谁没起来”。在能进入CLI的情况下，最常用的入口是：

show module
show module xbar
show environment
show inventory

show module输出中，每个槽位的Status字段是关键。常见状态包括：ok表示模块已上电并通过自检；poweredUp表示已加电但尚未完全就绪；poweredDown表示未加电；failure表示模块自检失败；offline表示模块被管理性下线；standby表示该Supervisor处于热备状态。需要特别注意的是，Supervisor的active与standby是角色状态，不是故障状态；而Line Card长期停留在poweredUp或反复failure，才是需要重点排查的对象。

如果设备完全无法进入CLI，则只能通过Console口观察启动过程。此时应关注POST（上电自检）阶段打印的模块编号、错误码和“FAILED”字样，而不是盲目重启。

二、启动失败的阶段划分与判断

Nexus启动大致分为：电源与风扇就绪 → Supervisor POST → 加载NX-OS镜像 → 初始化Line Card与Fabric → 进入CLI。不同阶段失败，现象和处置方式完全不同。

• 电源/风扇阶段失败：设备无任何输出，或前面板电源灯不亮、风扇不转。应先检查PDU、电源线、电源模块指示灯，再用show environment查看电源与风扇的告警。
• POST阶段失败：Console出现POST错误，Supervisor可能卡在“Testing”或直接报错。此时不要反复断电，应记录错误码。
• 镜像加载失败：常见于bootflash中镜像损坏、启动变量指向错误镜像，或镜像与硬件不兼容。现象是反复重启或停在loader提示符。
• Line Card/Fabric初始化失败：Supervisor能进CLI，但show module中某槽位长期poweredUp或failure，通常与线卡、槽位、Fabric模块或背板连接有关。

三、ROMmon恢复：什么时候用、怎么用

ROMmon是Nexus在NX-OS镜像无法正常加载时提供的底层恢复环境。典型触发场景包括：bootflash中的镜像被误删或损坏、启动变量boot指向不存在的镜像、升级过程中断电导致镜像不完整。进入ROMmon后，设备不会自动加载NX-OS，而是停在loader>提示符。

恢复的核心思路是：先确认可用镜像，再设置启动变量，最后手动引导。示例操作如下（镜像名与IP为示例，实际以现场为准）：

loader> dir bootflash:
loader> set boot bootflash:/nxos.9.3.10.bin
loader> save
loader> boot bootflash:/nxos.9.3.10.bin

如果bootflash中已无可用镜像，则需要通过TFTP或USB从外部获取镜像。使用TFTP时，先在ROMmon中配置管理口IP与网关：

loader> set ip 192.0.2.10 255.255.255.0
loader> set gw 192.0.2.1
loader> tftp 192.0.2.100 get nxos.9.3.10.bin bootflash:/nxos.9.3.10.bin

传输完成后，用dir bootflash:确认文件大小与校验值，再执行boot。需要强调的是，ROMmon恢复只解决“镜像加载”问题；如果POST阶段就失败，ROMmon通常也无能为力，应转向硬件排查。

四、电源与风扇告警的判读

电源和风扇属于环境类故障，通常不会直接导致设备宕机，但会触发告警甚至降级运行。show environment会列出每个电源模块、风扇托盘的状态、转速、温度以及输入电压。常见告警包括：

• Power supply failure：某个电源模块无输出或输入异常。若为双电源配置，单路故障不影响运行，但应尽快更换。
• Fan failure / Fan speed low：风扇转速低于阈值或停转。多风扇系统中单个故障可能仅告警，但持续恶化会导致温度上升。
• Temperature alarm：进风口或内部温度超阈值，通常与风扇、机房空调或风道堵塞有关。

判断时不要只看“有没有告警”，而要看“是否影响业务”。例如双电源中一路故障，设备仍可运行；但若温度持续上升，则可能触发保护性关机。此时应结合show environment temperature和show logging中的环境日志综合判断。

五、一个可复用的排查顺序

面对“设备起不来”或“模块状态异常”，建议按以下顺序推进，避免跳步：

1. 看电源与风扇：show environment，确认是否有环境类告警。
2. 看模块状态：show module，记录每个槽位的Status与Slot。
3. 看启动日志：show logging logfile或Console输出，定位失败阶段。
4. 若镜像加载失败：进入ROMmon，确认bootflash内容，设置boot变量并手动引导。
5. 若POST或Line Card持续failure：记录错误码，检查槽位、Fabric模块，必要时更换硬件。

最后需要强调：硬件与启动故障诊断的目标不是“让设备亮起来”，而是准确判断故障位于电源、风扇、Supervisor、Line Card还是镜像层。只有定位到正确的层级，后续的更换、恢复或报修才有意义。对于双Supervisor、双电源的冗余架构，还要区分“冗余降级”与“业务中断”，避免把可容忍的告警误判为紧急故障。