① 项目背景
青山区一家物流公司的戴尔PowerEdge R740，每天凌晨3点前后来一次自动重启，连续第九天。时间点卡在数据库备份任务窗口，运维以为是备份任务把系统压崩了，把备份挪到中午，结果重启跟着挪到了中午——机器在几点重启，完全看任务什么时候跑满内存。
② 咨询诊断
我们进门第一件事不是看系统，而是进iDRAC看System Event Log：日志里密密麻麻的Memory MCE事件，ECC可纠正错误累计超过800次，集中在同一条内存的同一个DIMM插槽。很多人以为ECC内存能纠错就没事，实际上可纠正错误的频率本身就是故障前兆——错误率呈指数增长时，迟早超出纠错能力变成不可纠正错误，触发服务器保护性重启。进入Windows看事件日志，WHEA-Logger事件ID 18和19与iDRAC记录时间完全吻合，证据链闭合。拔出该32GB DDR4-2666 ECC RDIMM检查，金手指有氧化发黑痕迹，内存条本身颗粒故障。
③ 处置施工
R740双路至强，内存插法有讲究：必须按白金手册的配对顺序，两条成对插在白槽优先位，同色插槽走同一个内存控制器通道，插错位置轻则降频跑2666以下，重则开机报内存配置错误。更换同规格内存后重新校验插槽配平，开机进LifeCycle做完整的内存自检，四个通道逐一点亮确认。顺手把iDRAC固件和BIOS升到官方最新版，旧版本对ECC过度纠错的处理策略有缺陷，这也是我们后来复盘同类案例时反复验证过的点。另外把公司那台老R630也顺手做了一次SEL日志检查，发现两条不同插槽的内存错误率在缓慢爬升，提前换了备件——这台要是不查，下个月就是同样的凌晨重启剧本。整体计划是观察30天，SEL日志归零才算结案。
④ 安全补丁
排查中发现两个不能忍的问题：iDRAC还在用出厂默认账号密码root/calvin，且管理口直接挂在办公网——拿到它等于拿到服务器带外控制权。当场改掉强密码，iDRAC地址收进内网管理VLAN，只允许运维跳板机访问。另外这家公司备份任务只做单份本地盘备份，我们补了一层异地备份策略，数据库每日差异备份推送到另一机房的NAS，3-2-1原则起码先满足个七成。
⑤ 验收交付
更换后连续30天零重启，SEL新增事件为零，ECC错误计数停留在更换前数值不再增长。给运维留了一份监控方案：用Zabbix采集iDRAC的内存可纠正错误速率，设置周增长率超过50次就告警，把下次故障拦在重启之前。培训讲了怎么读MCE事件和怎么区分内存、CPU内存控制器、插槽三类故障源。
⑥ 售后承诺
服务器夜间故障最熬人，我们承诺2小时到场，常备ECC内存条和电源模块备件。大年三十随叫随到：17704868686，终身免费咨询。下次服务器再莫名重启，先别重装系统，把日志导出来发我。
【不舍昼夜技术 · 包头IT全生命周期服务】
业务全闭环：咨询规划、方案设计、工程实施、竣工验收、维保售后。
咱能干的：包头修电脑/装监控/拉网线/做系统/救数据/办软件/卖耗材。
技术范畴：5G通信、大数据服务、信息系统集成、网络安全、商用密码、平面设计。
服务区域：昆区、青山区、九原区、东河区、高新区等包头全境，随叫随到。
技术热线：17704868686（本地专业团队，不舍昼夜为您守候！）