R730xd 故障排查记录

当前结论

阵列当前正常：PERC H730P Mini、缓存电池、两个虚拟盘和当前物理盘均为 Ok / Online，未发现预测故障盘。
主要故障为内存：DIMM_A1 发生不可纠正的多位内存错误（MEM0001）；Windows 同期记录 WHEA ID 46 致命硬件错误，组件为内存。
CPU 1/CPU 2 machine check 很可能是内存错误的连带上报；暂不直接判定 CPU 损坏。若处理 A1 后仍出现，继续排查 CPU1 内存通道、CPU 插槽/针脚、主板及 PCIe。
A1 当前不在 Windows/iDRAC 内存清单中，仅识别 A3、A7；A1 可能被 BIOS 禁用、已被拆除，或存在槽位/通道问题。

关键事件

时间	事件
2026-07-15 / 07-16	Watchdog 超时
2026-07-17 03:49	`PCI.Embedded.1` 致命错误、运行时关键停止
2026-07-17 18:44	`DIMM_A1` 多位不可纠正内存错误；CPU1、CPU2 Machine Check
2026-07-17 18:50	Windows WHEA ID 46：致命硬件错误，组件为内存

历史存储事件：2024 年 9 号盘、2025 年 3 号盘曾离线并导致 VD1 降级；当前阵列已恢复正常。

排查命令

阵列与硬盘

racadm storage get status
racadm storage get vdisks -o
racadm storage get pdisks -o -p DeviceDescription,Status,State,FailurePredicted,Hotspare,Size
racadm storage get batteries -o

正常物理盘：Status = Ok、State = Online、FailurePredicted = NO。

iDRAC 日志

racadm getsel
racadm lclog view -c storage,system -s warning,critical -n 50
racadm getsensorinfo

此 iDRAC 版本的 getsensorinfo 不支持 -c 参数。

内存与 Windows WHEA

Get-CimInstance Win32_PhysicalMemory |
    Sort-Object DeviceLocator |
    Select-Object DeviceLocator,
        @{Name='CapacityGB';Expression={[math]::Round($_.Capacity / 1GB)}},
        Speed,ConfiguredClockSpeed,Manufacturer,PartNumber,SerialNumber |
    Format-Table -AutoSize

Get-WinEvent -FilterHashtable @{
    LogName      = 'System'
    ProviderName = 'Microsoft-Windows-WHEA-Logger'
    StartTime    = (Get-Date).AddDays(-30)
} -ErrorAction SilentlyContinue |
    Select-Object TimeCreated,Id,LevelDisplayName,Message |
    Format-List

racadm hwinventory |
    Select-String -Pattern 'DIMM.Socket.A1|DIMM_A1|DIMM.Socket.A3|DIMM.Socket.A7' -Context 0,20

处理建议

确认备份可恢复，尽快安排维护窗口。
正常关机、断开两路电源后，现场检查 DIMM A1。
A1 若有内存条，优先更换或重新插拔；更换后运行 Dell 内存诊断。
A1 更换后仍报错，再排查 CPU1 内存通道、CPU 插槽针脚和主板。
不要带电插拔内存；不要执行阵列清除、强制上下线或初始化命令。

临时清除面板历史告警

仅清除历史 SEL，不修复内存故障。错误再次发生时，面板灯会重新告警。

先备份日志：

$stamp = Get-Date -Format yyyyMMdd_HHmmss
racadm getsel > "C:\Temp\SEL_before_clear_$stamp.txt"
racadm lclog view -c system -n 100 > "C:\Temp\Lifecycle_before_clear_$stamp.txt"

软重启 iDRAC管理控制器并重新读取传感器、重新计算面板灯状态

racadm racreset soft

清除 SEL：

racadm clrsel
racadm getsel

等待3～5分钟，再检查：

racadm getsel
racadm getsensorinfo | Select-String -Pattern 'Warning|Critical|Unknown|Failure'
racadm storage get status

预期：传感器筛选无输出，存储状态为 Storage Root Node Status : Ok。前面板健康灯是否恢复，以现场实际灯色为准；硬盘/阵列告警图标正常时通常熄灭，不一定显示绿色。