香港数据中心部署的物理服务器在日常运维中，偶尔会遇到服务器开机卡在BIOS界面或GRUB引导阶段的问题。这类故障可能源于引导配置错误、存储设备故障、硬件兼容性问题，甚至是内核更新导致的异常。本文将结合实际案例，系统化地剖析这一问题的排查流程与解决方案，帮助系统管理员快速恢复服务运行。
一、故障现象描述
客户反馈，其托管于香港沙田数据中心的服务器在计划重启后无法正常进入操作系统。具体表现为：
开机后停留在主板Logo界面，无法自动跳转；
部分服务器跳过BIOS后，停在GRUB界面，显示类似如下内容：
GNU GRUB version 2.06
Minimal BASH-like line editing is supported.
grub>
在多个尝试重启后问题依旧，需远程或现场处理。
二、香港服务器环境信息
为便于分析，以下为目标服务器的基本配置：
- 品牌型号：Supermicro SYS-1029U-TR25M
- 主板固件：AMI BIOS v3.4 (Build 2022年12月)
- RAID控制器：LSI MegaRAID 9361-8i
- 操作系统：Ubuntu 20.04 LTS，使用GRUB 2作为启动引导程序
- 启动模式：UEFI + GPT分区表
- 磁盘阵列：RAID 1（双块Intel SSD DC S4610）
三、问题排查流程
1. 确认BIOS设置是否异常
首先通过IPMI远程连接服务器，进入BIOS界面：
- 检查 Boot Order 是否存在操作系统安装的RAID卷或系统盘；
- 若RAID阵列未显示或识别为Non-bootable，则可能是RAID控制器异常或磁盘掉线；
- 确保 UEFI Boot Mode 被启用，部分系统在Legacy模式下无法识别GPT分区的启动项。
操作建议：
- 在BIOS中将UEFI模式设为首选；
- 将“UEFI: RAID Volume”移动到启动顺序第一项；
- 保存设置并重启。
2. 检查RAID状态及物理磁盘健康
通过RAID控制器自带管理界面（如Ctrl+R进入MegaRAID BIOS）查看磁盘状态：
- 磁盘是否Online；
- RAID阵列状态是否为Optimal；
- 是否存在Foreign Config或Degraded阵列。
发现问题：这台服务器主RAID阵列状态为Degraded，一块SSD状态为Unconfigured Bad。
解决操作：
- 使用MegaRAID BIOS Utility清除异常磁盘的Foreign配置；
- 重新配置该盘为Hot Spare或重建阵列；
- 重启系统后再次尝试进入系统。
3. GRUB故障修复
若硬件与RAID状态正常，仍卡在GRUB界面，则进入系统修复阶段。
- 进入GRUB救援模式：
- 通过IPMI挂载ISO启动镜像（如Ubuntu Live CD）；
启动进入Live系统，打开终端执行以下命令挂载原系统：
sudo mount /dev/md0 /mnt # 挂载系统根目录
sudo mount --bind /dev /mnt/dev
sudo mount --bind /proc /mnt/proc
sudo mount --bind /sys /mnt/sys
sudo chroot /mnt
修复GRUB引导：
grub-install --target=x86_64-efi --efi-directory=/boot/efi --bootloader-id=ubuntu
update-grub
检查/boot/grub/grub.cfg中是否识别到了正确的Linux内核；
若曾更新内核，建议保留上一个稳定版本并设置默认启动项。
4. 检测系统日志与内核问题
进入系统后第一时间查看以下日志文件：
/var/log/syslog
/var/log/dmesg
journalctl -xb
重点关注磁盘I/O错误、启动服务失败、文件系统异常等提示。
示例日志片段：
ata2.00: failed command: READ DMA
Buffer I/O error on dev sda2, logical block 329320
根据日志判断是否需要执行文件系统修复：
fsck -yf /dev/sda2
四、问题根因
本次案例的主因是在服务器断电重启过程中，一块SSD出现了物理故障，导致RAID 1阵列降级。在BIOS中启动项异常改变，加之GRUB配置未正确更新，最终导致系统无法引导。
综合处理步骤回顾：
五、预防建议
为了避免类似问题再次发生，建议运维团队定期进行以下维护工作：
- RAID监控告警：部署如megacli、storcli结合Zabbix的磁盘健康监控；
- BIOS与固件升级：定期更新BIOS和RAID控制器固件，提升兼容性；
- 备份GRUB配置：对/boot及/etc/default/grub配置定期快照；
- 自动化健康巡检：通过脚本定期检测启动项、磁盘健康、文件系统完整性；
- 分离引导盘与数据盘：对于关键系统，建议采用独立的引导SSD，减少系统盘负担。
香港数据中心的服务器在国际业务中发挥着重要桥梁作用，其稳定性不容忽视。通过本次案例，我们不仅还原了从BIOS卡顿到GRUB故障的完整排查路径，也总结了从硬件检测到引导修复的关键实操步骤。希望本文能为系统管理员在面对类似问题时提供高效、实用的技术参考。
