一铁通机房的故障排除经验分享

4月23日晚八点四十左右接到通知，说是铁通机房NAT29挂死了。简单准备后，我和xx出发前往铁通机房，并最终于九点十分左右赶到机房。

初进机房，就感到温度不对劲，一阵阵的热浪让人无法忍受，细看之下发现是空调坏了。来不及多想，找到出问题的NAT29后，我们发现其eth0端口的指示灯闪烁非常有规律，而eth1端口的指示灯却始终亮着。我们将显示器和键盘接在服务器上，显示器现实的信息很混乱，而键盘插上后却一点反应都没有，无法键入任何字符。在向经理和网管说明情况后，对服务器进行了断电重启。

重新启动后，可以顺利进入系统，并且eth0端口依然规律地闪烁，而eth1端口还是常亮，Ping网关不通。在确定了尾纤两端光值正常后，我和xx插拔了eth1端口和6509上G1/11口的模块，端口还是没起来。我们进行了第二次断电重启，这次较第一次断电的时间增长了一些。开机后，端口起来了，于是打电话给网管确认，网管答复通了，且不丢包。我们打算先观察一短时间，看链路是否稳定。约莫20分钟左右，网管打电话告诉我们丢包严重。于是和网管商量，打算换一台服务器。

我们配置好从公司带过去的服务器，装上后开机，6509/G7/16起来了，可6509/G1/11并没有起来。我们也不清楚什么原因，一番折腾之后，最后请求网管中心远程查看我们的配置，原来是有一个IP配错了端口。更改之后，重启服务器，端口起来了。网管确认不再丢包了，我们继续观察了一段时间，再确认链路稳定恢复后离开了机房。

此次抢修总的持续时间超过了3个小时，算是很失败的。总结原因，我认为有以下几点：一、对设备情况不了解(甚至不知道6509上插的是GBIC模块)，准备不充分，在接到抢修任务时仓促准备材料，没有带GBIC模块，虽然最后也没用着，但为抢修工作埋下了隐患。二、对服务器配置命令掌握不熟练，配置过程较浪费时间。另外，在关键时刻手忙脚乱，以至忘了查看端口信息，配错了端口IP，出现了问题之后不能及时发现问题，从而耽误了时间。总而言之，以后要注意培养处理问题的能力，做到处乱不惊，有条不紊的解决问题。