简介面向IT运维人员与机房管理者的巡检文档把日常硬件与系统健康检查整理成可直接填写的表格化报告。内容按设备信息、服务器硬件检查、操作系统及应用系统检查、检查记录四大板块展开既有型号、CPU、内存、硬盘、IP与主机名等基础配置栏也逐项列出防尘网、风扇运转、运行噪音、电源与硬盘指示灯、网卡状态、散热与电源连接、外壳完整性等硬件项并给出检查操作与参考标准系统层面覆盖启动情况、内存与CPU利用率、网络连通与配置、管理员账户登录、应用运行测试末尾附任务管理器、磁盘管理与端口查看的记录方法及整体巡检结论签字栏。文件为1个doc文档约1.73MB表格加勾选项排版打印即可现场使用已有264人学习。读者可得到一套结构完整的巡检模板与判定口径用于例行点检、故障排查留档与团队统一检查标准。1. 服务器运行报告模板一张表决定你巡检完能不能交差接手一批托管机器时最容易忽略的不是巡检本身而是巡检完拿不出东西。临时在记事本敲几行、事后补张 Excel看着省事真要跟业主对账、要追溯某台机器三个月前风扇是不是已经报过异常就开始翻车。这份服务器运行报告模板.doc 卡住的正是这个环节它把设备信息、硬件检查、操作系统与应用检查、检查记录四段固定成一张可签字、可归档的表字段是固定的判断标准可按业务调整。日常跑机房、要出巡检记录的人用得上第一次接手 Windows 服务器、不知道从哪几项看起的新手也用得上。它不教你排障但能保证你不漏项。2. 模板的四段骨架从设备信息到签字栏怎么填才不留空把这份 .doc 打开结构很直白——设备信息、硬件检查、操作系统及应用系统检查、检查记录最后一行是四项结论勾选加两个签字位。真正决定这张表有没有价值的不在于排版而在于每一格用什么数据填、填到什么粒度。同一台机器两个人填出来可能一份能追溯、一份只能证明“来过”。下面按段拆开讲重点放在取数来源和填写口径上因为返工基本都出在这两处。2.1 设备信息段七个字段的取数来源与填写粒度这一段看着最简单实际最容易糊弄。机型号只写“2U 服务器”、内存只写“64G”、硬盘只写“1T”等到半年后要扩容或者要核对合同这些字段一个都用不上。字段取数位置或命令建议填写口径常见错填机型号机箱标签、带外管理页面完整型号含后缀标注机柜号与 U 位只写“2U 服务器”CPUwmic cpu get name或性能页型号 物理颗数 × 每颗核数只写“16 核”内存wmic memorychip get capacity,speed,devicelocator总容量 单条容量 × 条数 空闲槽位只写总量扩容时无从判断硬盘磁盘管理、RAID 卡管理界面单盘容量 × 数量 RAID 级别 可用容量把 RAID 后容量当物理盘容量操作系统winver.exe版本名 内部版本号 位数只写“Windows Server”IPipconfig /all业务 IP、掩码、网关、DNS 分行写带外管理 IP 单列业务口和管理口挤在一格主机名hostname与资产编号、机柜 U 位三者对应主机名和资产台账对不上内存那一行值得多说一句。模板只留了一个格子我一般会写成“8×8GB DDR4 2666共 64GB剩余 8 槽空闲”。原因很实际下一次巡检如果发现可用内存偏低第一反应是加内存条没有槽位信息就得重新开机箱确认一遍而机房窗口期通常只有半小时。硬盘同理RAID 级别不写清楚后面看到“可用 900GB”根本判断不了是 4 块 300GB 做 RAID5 还是 2 块 900GB 做 RAID1。2.2 硬件检查九项把“参考标准”翻译成可判定的动作模板里这一段是三列表格检查项、检查操作、参考标准再加一个“正常/不正常”勾选。问题在于“参考标准”写得太概括比如风扇那行只写“所有风扇运转正常”现场执行的人不同判出来的结论就不同。我的做法是在备注列补上可判定的动作。检查项判定动作判为“不正常”的典型特征机柜或服务器防尘网抽出滤网对着光看不隔网目测网面孔隙被絮状灰尘封住透光明显下降系统风扇运转手背放在进风口感受风量听有无周期性异响同一台机几个风口风量差异明显或有停顿感运转噪音贴近听 30 秒区分持续声与周期声高频啸叫、金属摩擦声、规律性“嗡—停—嗡”电源指示灯看液晶面板与电源灯读告警码面板有告警图标、电源灯变色或闪烁硬盘工作状态看每块盘的指示灯颜色与状态绿色常亮或闪烁为正常琥珀色常亮多为预失效网卡工作状态看链路灯 对端 ping 传一个百兆以上文件链路灯不亮、丢包、协商成百兆散热出风口温度与相邻同型号机器对比明显偏热或几乎无风电源连接双手轻推电源线看有无松动线缆有位移、接口发烫或有焦味外壳整体看划痕、变形、防拆标螺丝防拆标破损、有非原厂加装件硬盘灯这一项要重点说。很多人只判断“亮没亮”但绿色常亮、绿色闪烁、琥珀色常亮、琥珀色闪烁是四种含义琥珀色常亮通常意味着这块盘已经被 RAID 卡标记为预失效数据还在但随时可能掉。这类问题在业务层完全无感等真掉盘才发现那时候报告上写着“正常”责任就说不清了。风扇和噪音这两项在现场容易互相干扰单个风扇停转时噪音反而更小凭耳朵听很容易判成正常。所以风扇项的判定必须以面板告警和风量为准噪音只作为辅助线索。这个顺序别搞反。2.3 操作系统层八项winver、ipconfig /all 与三次五分钟系统层的检查项是模板里信息密度最高的部分也是最容易只做表面检查的部分。模板明确要求内存和 CPU 各检测三次、每次五分钟、记录平均利用率这个采样规范比单独看一眼任务管理器要有价值得多。检查项命令或路径需要记录的原始数据启动和运行状况加电启动 事件查看器系统日志启动耗时、有无异常关机记录内存利用率任务管理器或性能计数器三次平均值、峰值、可用物理内存CPU 利用率同上三次平均值、单核是否有满载操作系统版本winver.exe版本名、内部版本号、补丁级别主机连接网络情况另一台机器ping -t五分钟丢包率、平均延迟、最大延迟主机网络配置ipconfig /allIP、掩码、网关、DNS、是否静态系统账户administrator 身份登录能否登录、账户是否改名、有无多余管理员应用程序运行业务访问测试启动耗时、有无报错日志三点经验。第一采样窗口要选业务有代表性的时段凌晨三点跑出来的 8% 没有参考价值我一般安排在业务高峰前后各一轮、平峰一轮。第二ping 测试必须从同网段的另一台机器发起从本机 ping 网关只能证明网卡没坏。第三ipconfig /all的输出不要只抄 IP物理地址、DHCP 是否启用、DNS 后缀这几行在排查网络问题时经常是突破口。3. 从手工抄数到命令采集任务管理器之外的四组取数方法模板给的方法是点界面任务管理器、磁盘管理、系统信息。这些路径没错问题是复核的时候没人能证明你点的是哪台机器、哪个时刻。把关键几项改成命令采集输出落到文件报告后面挂附件整条链条就闭合了。这一章讲的就是怎么把点击换成命令以及输出怎么回填。3.1 任务管理器的几个读数到底指什么模板第四段对性能页的解释其实写得挺细但现场真正会看的人不多。几个容易混的概念先厘清PF 使用量指当前正被系统使用的页面文件量它不等于内存不够认可用量由于虚拟内存的存在峰值可以超过物理内存总量这是机制决定的不是异常物理内存里的“可用”才是判断内存是否吃紧的主指标内核内存分“页面”和“非分页”两部分前者可换出后者常驻物理内存非分页过高往往是驱动问题总数那一行是句柄、线程、进程的合计句柄数异常增长基本等于句柄泄漏。“更新速度”菜单也值得记住高为每秒 2 次、正常为每两秒 1 次、低为每四秒 1 次、暂停则不自动更新。默认的“正常”在观察短时尖峰时会漏采判断 CPU 是否抖动采样要调到“高”。不过界面读数的问题是没法留痕所以我一般直接用脚本跑三轮五分钟采样输出 CSV 一起归档# 三轮采样每轮 5 分钟5 秒一次共 60 个点结果落 CSV $out C:\巡检\perf_$(Get-Date -Format yyyyMMdd_HHmm).csv $rows () foreach ($round in 1..3) { # 单轮 5 分钟SampleInterval 5 秒 × MaxSamples 60 次 $cpu (Get-Counter \Processor(_Total)\% Processor Time -SampleInterval 5 -MaxSamples 60).CounterSamples | Measure-Object -Property CookedValue -Average,Maximum $os Get-CimInstance Win32_OperatingSystem $top5 Get-Process | Sort-Object WS -Descending | Select-Object -First 5 $rows [pscustomobject]{ 轮次 $round 采集时间 (Get-Date).ToString(yyyy-MM-dd HH:mm:ss) CPU均值 [math]::Round($cpu.Average, 1) CPU峰值 [math]::Round($cpu.Maximum, 1) 内存总量GB [math]::Round($os.TotalVisibleMemorySize / 1MB, 1) 可用内存GB [math]::Round($os.FreePhysicalMemory / 1MB, 1) 占用前五 ($top5 | ForEach-Object { $($_.ProcessName):$([math]::Round($_.WS/1MB,0))MB }) -join ; } } $rows | Export-Csv -Path $out -NoTypeInformation -Encoding UTF8逻辑和参数说明Get-Counter的-SampleInterval 5 -MaxSamples 60组合起来正好是 300 秒一轮三轮下来 15 分钟比模板要求的三次五分钟宽松一点但覆盖了更长的窗口能抓到短时尖峰Measure-Object同时取平均值和最大值报告里两个都写只写平均会掩盖瞬时打满Win32_OperatingSystem的FreePhysicalMemory单位是 KB除 1MB 换成 GBGet-Process按工作集排序取前五对应模板要求的“占用内存最多的前五位进程”。输出用 UTF8 编码用 Excel 打开不会乱码。如果机器上没装 PowerShell 5.1 以上版本可以把Get-CimInstance换成wmic系列命令字段名不同但逻辑一致。3.2 磁盘、端口与系统信息三条命令替代三次点击模板给的磁盘检查路径是“我的电脑—管理—磁盘管理”端口检查只说了“查看开启了哪些端口”没有给具体做法。前者可以保留作为现场确认但记录建议用命令后者必须给命令否则一百个人有一百种做法。:: 1) 各分区容量与剩余空间CSV 便于回填和做趋势 wmic logicaldisk get DeviceID,VolumeName,Size,FreeSpace /format:csv C:\巡检\disk.csv :: 2) 只读扫描文件系统错误不加 /f不改动数据可随时中断 chkdsk C: :: 3) 监听端口与对应进程 PID用于反查是哪项服务在对外提供 netstat -ano -p tcp | findstr LISTENING C:\巡检\port.txt说明几点。wmic在较新版本的 Windows 上已被标记为弃用能跑就先用跑不了换成Get-CimInstance Win32_LogicalDisk | Select-Object DeviceID,Size,FreeSpace输出一样能导出 CSV。chkdsk不带/f是只读扫描扫完给出文件系统状态带/f会锁盘并修改不要在业务时段用。netstat -ano里的 PID 要用tasklist /fi pid eq 1234反查进程名报告里写“端口 3389 由某进程监听”比只写端口号有用得多尤其是发现计划外端口的时候。模板第四段还提了三条磁盘维护动作磁盘清理、检查错误信息、整理碎片。前两条照做第三条要分情况——机械盘做碎片整理有益固态盘做碎片整理无益还有额外写入正确动作是 TRIM。这一条在模板里没区分属于那个年代的遗留写法用的时候要自己补判断。3.3 回填把命令输出映射到表格的四条规则命令跑完只是一堆文件回填才是产出。我固定四条规则单位统一容量一律 GB 保留一位小数百分比保留整数避免同一张表里 MB 和 GB 混着出现时间戳必须写采集时刻而不是填表时刻两者可能差几小时原始输出文件按“主机名_项目_日期”命名后作为附件随报告一起归档报告正文只写结论和关键数值异常值必须写判定依据比如“内存可用 3.2GB总量 64GB占比 5%低于 10% 判定线判为不正常”。模板字段数据来源回填形式内存利用率perf CSV 的 CPU 均值行“三轮均值 62%峰值 88%可用 12.4GB”CPU 利用率同上“三轮均值 41%峰值 95%14:20 备份任务”磁盘分区使用disk.csv“C 盘 200GB/剩余 18GBD 盘 1.8TB/剩余 620GB”端口与监听服务port.txt tasklist 反查“监听 80、443、3389无计划外端口”表格里“峰值后面带括号说明”这个习惯是被返工逼出来的只写峰值 95%复核的人第一句一定问“什么东西跑满了”写清楚是备份任务这一轮沟通就省了。4. 判定标准自己定正常与不正常之间的那条线模板每个检查项后面都是“□正常 □不正常”但整份文档没有给任何量化阈值。这不是疏漏而是这类模板的通用设计——不同业务的容忍度差别太大数据库机器和文件服务器不可能共用一套线。所以填表的人得自己先把线画出来写进附注让下一次巡检的人用同一把尺。4.1 给“正常”一个数五类指标的量化线下面这套线是我在中小规模业务环境里用的不是行业标准是自定判据写进模板附注后长期沿用指标观察窗口正常关注异常CPU 平均利用率5 分钟 × 3 轮 60%60%–80% 80% 持续两轮以上CPU 峰值同上 85%85%–95% 95% 且非计划任务可用物理内存同上 20% 总量10%–20% 10% 或持续下降系统盘剩余即时 20%10%–20% 10%数据盘剩余即时 15%5%–15% 5%ping 丢包率5 分钟连续0 1%≥ 1% 或出现连续丢包ping 平均延迟同网段 1ms1–5ms 5ms 或抖动明显三个使用要点。第一“关注”这一档必须存在只有正常/不正常两档现场很容易把 65% 的 CPU 硬判成正常下次涨到 85% 还是判正常趋势就断了。第二阈值要跟业务场景绑定一台跑批处理的机器平均 70% 是常态一台只做文件共享的机器常年 70% 就该查了。第三这套线一旦定下来就不要每次改改了要记在模板附注的版本行里否则跨季度的趋势对比没有意义。4.2 现场判据双工模式、网卡灯、风扇噪音怎么判量化指标解决的是能取到数的项硬件那九项大多只能靠现场判断。几个容易判错的网卡双工是最隐蔽的一项。链路灯亮着、ping 也通但实际协商成了百兆全双工业务高峰时表现为“能连上但很慢”。判断方法不是看灯是在系统里读链路速率Get-NetAdapter | Select-Object Name,LinkSpeed,FullDuplex千兆口应该显示 1 Gbps。如果显示 100 Mbps先换网线水晶头再换交换机端口两个都排除才怀疑网卡。这个项在模板里写的是“双工模式”但没给判断方法我一般直接补一行命令输出在备注里。网卡灯的含义也要说清绿色常亮是链路 up 但当前无流量绿色闪烁是有流量不亮是链路 down。不亮时先换线再换端口最后才动网卡这个顺序能省下大量现场时间。风扇和散热要合起来看。手背放在出风口感受风量同型号机器的几个风口风量应该接近某个风口明显偏弱多半是那只风扇转速掉了或者滤网堵了。出风口温度比进风高是正常的但同一机柜里相邻两台同型号机器出风温差明显就要查负载和风道。外壳检查容易被当成走过场实际上防拆标完好与否直接关系到后续责任划分。有非原厂加装的卡、有拆过的痕迹都要在备注里写一句别只勾一个“正常”。4.3 结论页四行勾选与签字谁签字谁负责的边界最后一页是四行结论硬件配置符合合同要求、硬件系统运行稳定、操作系统运行稳定、应用软件运行稳定每行两个勾选框下面是记录人签字和业主签字。这四行是整份报告唯一会被拿去做责任认定的地方勾之前要保证前面每一项都能支撑它。我的做法是每行后面加一句括号说明指向具体条目比如“二、硬件系统运行稳定依据第 2 段九项检查硬盘 3 号位琥珀灯常亮已报修其余正常”。这样勾“稳定”不算撒谎因为异常已经在括号里写明了。四项里如果有一项勾了“不符合”必须在这行下面写处理计划和预计完成时间否则这张表等于只报了问题没给方案。签字栏两个位置记录人签全名加日期业主签全名加日期日期精确到日即可。电子流程的话保留邮件回执或系统审批记录截图附在报告后面别只留一个文件名。5. 避坑这份模板最容易翻车的五个地方模板本身没什么技术含量翻车基本都发生在“怎么用”这一层。下面五条是实际踩过或者见过别人踩的按现象、原因、解决三段写。5.1 采集环节的两个坑坑一只截一张任务管理器图就当完成了三次五分钟采样。现象报告里 CPU 写 12%、内存写“充足”一周后业务投诉卡顿翻出报告没有任何时间序列数据可以对照。原因截图是瞬时值采样窗口大概率落在业务低谷而且截图里没有时间戳事后无法证明是什么时候采的。解决固定采样窗口高峰前、平峰、高峰后各一轮用前面那段脚本输出 CSV报告正文写“均值/峰值/采样时间段”三个数原始 CSV 作为附件。这条一旦形成习惯后面所有争议都能用数据说话。坑二把 PF 使用量或认可用量峰值当成内存不足。现象报告里写“认可用量峰值 72GB超过物理内存 64GB内存不足建议扩容”。原因模板第四段其实已经解释了虚拟内存机制下峰值可以超过物理内存但填表的人没细读看到数字超了就往“不足”上判。解决判断内存是否吃紧只看两个数——可用物理内存占比以及页面文件的读写频率。可用物理内存低于总量 10% 且页面文件持续读写才判内存不足峰值超物理内存但可用内存充裕属于正常现象在备注里说明一句即可。5.2 判定与留痕的三个坑坑三硬盘指示灯只判断“亮没亮”琥珀色常亮写成正常。现象巡检表九项全勾正常两周后 RAID 里一块盘掉线重建过程中又掉一块业务中断。原因绿色常亮、绿色闪烁、琥珀色常亮、琥珀色闪烁含义完全不同琥珀色常亮通常是 RAID 卡已标记预失效业务层完全无感。解决在模板里给这一项加“指示灯颜色与状态”备注列琥珀色一律记“关注”并附 RAID 卡日志截图同时在结论页第二行括号里写明避免勾“稳定”时说不清。坑四照模板第三条第 C 项给固态盘做碎片整理。现象按“定期整理磁盘碎片”执行固态盘机器整理完反而更慢写入量统计明显上涨。原因模板成文较早那条维护动作默认针对机械盘没有区分介质类型。解决先确认介质类型机械盘做碎片整理固态盘只做 TRIM命令是Optimize-Volume -DriveLetter C -ReTrim -Verbose别用图形界面的“优化”按钮一把梭。坑五签字页空着就归档。现象报告发出去业主签字栏空白三个月后双方对某台机器的历史状态各执一词。原因现场赶时间习惯先发电子版、后补签字补着补着就忘了。解决现场打印现场签或者走电子审批留回执签字前必须确认“不符合”项后面写了处理计划和完成时间。签字栏空白的报告在我这里一律不算交付完成。6. 把单张表变成巡检包命名、附件与三个月趋势单张 .doc 填得再漂亮一年后要回答“这台机器半年来的内存是在涨还是在抖”还是得靠翻十几份文件。我现在出报告不只交一个 doc而是一个巡检包结构固定主报告一份、原始数据目录一个、截图目录一个、签字件一份。文件命名统一成“机柜号_主机名_yyyyMMdd_巡检报告.doc”日期用采集当天而不是填表当天这样按文件名排序就是时间线。原始数据目录里放 perf CSV、disk.csv、port.txt截图按“检查项编号_内容”命名比如“2-5_硬盘3号位琥珀灯.jpg”看名字就知道对应模板哪一项。签字件单独扫描成 PDF命名加后缀“_签字件”。真正有价值的是趋势。每个季度我会把三次巡检的 CPU 均值、可用内存、系统盘剩余拉成一张小表季度CPU 均值可用内存 GB系统盘剩余 GB关注项一季度41%22.446无二季度55%16.831内存三季度68%9.618内存、磁盘看斜率而不是看单点。三季度 CPU 68% 单独看还在“关注”区间但连着三个季度往上走加上可用内存从 22.4GB 掉到 9.6GB结论就很清楚了不是这台机器有问题是业务在长该规划扩容了。这种判断单张报告给不出来只有把历史数据排在一起才看得出来。模板本身也可以做版本管理改动的地方在文档末尾记一行“变更说明 日期 改动人”比如把碎片整理那条改成区分介质类型、给硬盘灯加颜色备注列。不改版本记录半年后没人记得为什么这张表和最初那份不一样。从那以后我每次出报告都强制走一遍“附件齐不齐、签字有没有、上次的关注项有没有闭环”这三步少一步就退回重做。这套动作不复杂但能把一份填完就扔的表格变成真正能回溯的东西。希望帮到你。本文还有配套的精品资源点击获取 Windows服务器巡检报告模板：硬件检查、性能采样与签字归档
简介面向IT运维人员与机房管理者的巡检文档把日常硬件与系统健康检查整理成可直接填写的表格化报告。内容按设备信息、服务器硬件检查、操作系统及应用系统检查、检查记录四大板块展开既有型号、CPU、内存、硬盘、IP与主机名等基础配置栏也逐项列出防尘网、风扇运转、运行噪音、电源与硬盘指示灯、网卡状态、散热与电源连接、外壳完整性等硬件项并给出检查操作与参考标准系统层面覆盖启动情况、内存与CPU利用率、网络连通与配置、管理员账户登录、应用运行测试末尾附任务管理器、磁盘管理与端口查看的记录方法及整体巡检结论签字栏。文件为1个doc文档约1.73MB表格加勾选项排版打印即可现场使用已有264人学习。读者可得到一套结构完整的巡检模板与判定口径用于例行点检、故障排查留档与团队统一检查标准。1. 服务器运行报告模板一张表决定你巡检完能不能交差接手一批托管机器时最容易忽略的不是巡检本身而是巡检完拿不出东西。临时在记事本敲几行、事后补张 Excel看着省事真要跟业主对账、要追溯某台机器三个月前风扇是不是已经报过异常就开始翻车。这份服务器运行报告模板.doc 卡住的正是这个环节它把设备信息、硬件检查、操作系统与应用检查、检查记录四段固定成一张可签字、可归档的表字段是固定的判断标准可按业务调整。日常跑机房、要出巡检记录的人用得上第一次接手 Windows 服务器、不知道从哪几项看起的新手也用得上。它不教你排障但能保证你不漏项。2. 模板的四段骨架从设备信息到签字栏怎么填才不留空把这份 .doc 打开结构很直白——设备信息、硬件检查、操作系统及应用系统检查、检查记录最后一行是四项结论勾选加两个签字位。真正决定这张表有没有价值的不在于排版而在于每一格用什么数据填、填到什么粒度。同一台机器两个人填出来可能一份能追溯、一份只能证明“来过”。下面按段拆开讲重点放在取数来源和填写口径上因为返工基本都出在这两处。2.1 设备信息段七个字段的取数来源与填写粒度这一段看着最简单实际最容易糊弄。机型号只写“2U 服务器”、内存只写“64G”、硬盘只写“1T”等到半年后要扩容或者要核对合同这些字段一个都用不上。字段取数位置或命令建议填写口径常见错填机型号机箱标签、带外管理页面完整型号含后缀标注机柜号与 U 位只写“2U 服务器”CPUwmic cpu get name或性能页型号 物理颗数 × 每颗核数只写“16 核”内存wmic memorychip get capacity,speed,devicelocator总容量 单条容量 × 条数 空闲槽位只写总量扩容时无从判断硬盘磁盘管理、RAID 卡管理界面单盘容量 × 数量 RAID 级别 可用容量把 RAID 后容量当物理盘容量操作系统winver.exe版本名 内部版本号 位数只写“Windows Server”IPipconfig /all业务 IP、掩码、网关、DNS 分行写带外管理 IP 单列业务口和管理口挤在一格主机名hostname与资产编号、机柜 U 位三者对应主机名和资产台账对不上内存那一行值得多说一句。模板只留了一个格子我一般会写成“8×8GB DDR4 2666共 64GB剩余 8 槽空闲”。原因很实际下一次巡检如果发现可用内存偏低第一反应是加内存条没有槽位信息就得重新开机箱确认一遍而机房窗口期通常只有半小时。硬盘同理RAID 级别不写清楚后面看到“可用 900GB”根本判断不了是 4 块 300GB 做 RAID5 还是 2 块 900GB 做 RAID1。2.2 硬件检查九项把“参考标准”翻译成可判定的动作模板里这一段是三列表格检查项、检查操作、参考标准再加一个“正常/不正常”勾选。问题在于“参考标准”写得太概括比如风扇那行只写“所有风扇运转正常”现场执行的人不同判出来的结论就不同。我的做法是在备注列补上可判定的动作。检查项判定动作判为“不正常”的典型特征机柜或服务器防尘网抽出滤网对着光看不隔网目测网面孔隙被絮状灰尘封住透光明显下降系统风扇运转手背放在进风口感受风量听有无周期性异响同一台机几个风口风量差异明显或有停顿感运转噪音贴近听 30 秒区分持续声与周期声高频啸叫、金属摩擦声、规律性“嗡—停—嗡”电源指示灯看液晶面板与电源灯读告警码面板有告警图标、电源灯变色或闪烁硬盘工作状态看每块盘的指示灯颜色与状态绿色常亮或闪烁为正常琥珀色常亮多为预失效网卡工作状态看链路灯 对端 ping 传一个百兆以上文件链路灯不亮、丢包、协商成百兆散热出风口温度与相邻同型号机器对比明显偏热或几乎无风电源连接双手轻推电源线看有无松动线缆有位移、接口发烫或有焦味外壳整体看划痕、变形、防拆标螺丝防拆标破损、有非原厂加装件硬盘灯这一项要重点说。很多人只判断“亮没亮”但绿色常亮、绿色闪烁、琥珀色常亮、琥珀色闪烁是四种含义琥珀色常亮通常意味着这块盘已经被 RAID 卡标记为预失效数据还在但随时可能掉。这类问题在业务层完全无感等真掉盘才发现那时候报告上写着“正常”责任就说不清了。风扇和噪音这两项在现场容易互相干扰单个风扇停转时噪音反而更小凭耳朵听很容易判成正常。所以风扇项的判定必须以面板告警和风量为准噪音只作为辅助线索。这个顺序别搞反。2.3 操作系统层八项winver、ipconfig /all 与三次五分钟系统层的检查项是模板里信息密度最高的部分也是最容易只做表面检查的部分。模板明确要求内存和 CPU 各检测三次、每次五分钟、记录平均利用率这个采样规范比单独看一眼任务管理器要有价值得多。检查项命令或路径需要记录的原始数据启动和运行状况加电启动 事件查看器系统日志启动耗时、有无异常关机记录内存利用率任务管理器或性能计数器三次平均值、峰值、可用物理内存CPU 利用率同上三次平均值、单核是否有满载操作系统版本winver.exe版本名、内部版本号、补丁级别主机连接网络情况另一台机器ping -t五分钟丢包率、平均延迟、最大延迟主机网络配置ipconfig /allIP、掩码、网关、DNS、是否静态系统账户administrator 身份登录能否登录、账户是否改名、有无多余管理员应用程序运行业务访问测试启动耗时、有无报错日志三点经验。第一采样窗口要选业务有代表性的时段凌晨三点跑出来的 8% 没有参考价值我一般安排在业务高峰前后各一轮、平峰一轮。第二ping 测试必须从同网段的另一台机器发起从本机 ping 网关只能证明网卡没坏。第三ipconfig /all的输出不要只抄 IP物理地址、DHCP 是否启用、DNS 后缀这几行在排查网络问题时经常是突破口。3. 从手工抄数到命令采集任务管理器之外的四组取数方法模板给的方法是点界面任务管理器、磁盘管理、系统信息。这些路径没错问题是复核的时候没人能证明你点的是哪台机器、哪个时刻。把关键几项改成命令采集输出落到文件报告后面挂附件整条链条就闭合了。这一章讲的就是怎么把点击换成命令以及输出怎么回填。3.1 任务管理器的几个读数到底指什么模板第四段对性能页的解释其实写得挺细但现场真正会看的人不多。几个容易混的概念先厘清PF 使用量指当前正被系统使用的页面文件量它不等于内存不够认可用量由于虚拟内存的存在峰值可以超过物理内存总量这是机制决定的不是异常物理内存里的“可用”才是判断内存是否吃紧的主指标内核内存分“页面”和“非分页”两部分前者可换出后者常驻物理内存非分页过高往往是驱动问题总数那一行是句柄、线程、进程的合计句柄数异常增长基本等于句柄泄漏。“更新速度”菜单也值得记住高为每秒 2 次、正常为每两秒 1 次、低为每四秒 1 次、暂停则不自动更新。默认的“正常”在观察短时尖峰时会漏采判断 CPU 是否抖动采样要调到“高”。不过界面读数的问题是没法留痕所以我一般直接用脚本跑三轮五分钟采样输出 CSV 一起归档# 三轮采样每轮 5 分钟5 秒一次共 60 个点结果落 CSV $out C:\巡检\perf_$(Get-Date -Format yyyyMMdd_HHmm).csv $rows () foreach ($round in 1..3) { # 单轮 5 分钟SampleInterval 5 秒 × MaxSamples 60 次 $cpu (Get-Counter \Processor(_Total)\% Processor Time -SampleInterval 5 -MaxSamples 60).CounterSamples | Measure-Object -Property CookedValue -Average,Maximum $os Get-CimInstance Win32_OperatingSystem $top5 Get-Process | Sort-Object WS -Descending | Select-Object -First 5 $rows [pscustomobject]{ 轮次 $round 采集时间 (Get-Date).ToString(yyyy-MM-dd HH:mm:ss) CPU均值 [math]::Round($cpu.Average, 1) CPU峰值 [math]::Round($cpu.Maximum, 1) 内存总量GB [math]::Round($os.TotalVisibleMemorySize / 1MB, 1) 可用内存GB [math]::Round($os.FreePhysicalMemory / 1MB, 1) 占用前五 ($top5 | ForEach-Object { $($_.ProcessName):$([math]::Round($_.WS/1MB,0))MB }) -join ; } } $rows | Export-Csv -Path $out -NoTypeInformation -Encoding UTF8逻辑和参数说明Get-Counter的-SampleInterval 5 -MaxSamples 60组合起来正好是 300 秒一轮三轮下来 15 分钟比模板要求的三次五分钟宽松一点但覆盖了更长的窗口能抓到短时尖峰Measure-Object同时取平均值和最大值报告里两个都写只写平均会掩盖瞬时打满Win32_OperatingSystem的FreePhysicalMemory单位是 KB除 1MB 换成 GBGet-Process按工作集排序取前五对应模板要求的“占用内存最多的前五位进程”。输出用 UTF8 编码用 Excel 打开不会乱码。如果机器上没装 PowerShell 5.1 以上版本可以把Get-CimInstance换成wmic系列命令字段名不同但逻辑一致。3.2 磁盘、端口与系统信息三条命令替代三次点击模板给的磁盘检查路径是“我的电脑—管理—磁盘管理”端口检查只说了“查看开启了哪些端口”没有给具体做法。前者可以保留作为现场确认但记录建议用命令后者必须给命令否则一百个人有一百种做法。:: 1) 各分区容量与剩余空间CSV 便于回填和做趋势 wmic logicaldisk get DeviceID,VolumeName,Size,FreeSpace /format:csv C:\巡检\disk.csv :: 2) 只读扫描文件系统错误不加 /f不改动数据可随时中断 chkdsk C: :: 3) 监听端口与对应进程 PID用于反查是哪项服务在对外提供 netstat -ano -p tcp | findstr LISTENING C:\巡检\port.txt说明几点。wmic在较新版本的 Windows 上已被标记为弃用能跑就先用跑不了换成Get-CimInstance Win32_LogicalDisk | Select-Object DeviceID,Size,FreeSpace输出一样能导出 CSV。chkdsk不带/f是只读扫描扫完给出文件系统状态带/f会锁盘并修改不要在业务时段用。netstat -ano里的 PID 要用tasklist /fi pid eq 1234反查进程名报告里写“端口 3389 由某进程监听”比只写端口号有用得多尤其是发现计划外端口的时候。模板第四段还提了三条磁盘维护动作磁盘清理、检查错误信息、整理碎片。前两条照做第三条要分情况——机械盘做碎片整理有益固态盘做碎片整理无益还有额外写入正确动作是 TRIM。这一条在模板里没区分属于那个年代的遗留写法用的时候要自己补判断。3.3 回填把命令输出映射到表格的四条规则命令跑完只是一堆文件回填才是产出。我固定四条规则单位统一容量一律 GB 保留一位小数百分比保留整数避免同一张表里 MB 和 GB 混着出现时间戳必须写采集时刻而不是填表时刻两者可能差几小时原始输出文件按“主机名_项目_日期”命名后作为附件随报告一起归档报告正文只写结论和关键数值异常值必须写判定依据比如“内存可用 3.2GB总量 64GB占比 5%低于 10% 判定线判为不正常”。模板字段数据来源回填形式内存利用率perf CSV 的 CPU 均值行“三轮均值 62%峰值 88%可用 12.4GB”CPU 利用率同上“三轮均值 41%峰值 95%14:20 备份任务”磁盘分区使用disk.csv“C 盘 200GB/剩余 18GBD 盘 1.8TB/剩余 620GB”端口与监听服务port.txt tasklist 反查“监听 80、443、3389无计划外端口”表格里“峰值后面带括号说明”这个习惯是被返工逼出来的只写峰值 95%复核的人第一句一定问“什么东西跑满了”写清楚是备份任务这一轮沟通就省了。4. 判定标准自己定正常与不正常之间的那条线模板每个检查项后面都是“□正常 □不正常”但整份文档没有给任何量化阈值。这不是疏漏而是这类模板的通用设计——不同业务的容忍度差别太大数据库机器和文件服务器不可能共用一套线。所以填表的人得自己先把线画出来写进附注让下一次巡检的人用同一把尺。4.1 给“正常”一个数五类指标的量化线下面这套线是我在中小规模业务环境里用的不是行业标准是自定判据写进模板附注后长期沿用指标观察窗口正常关注异常CPU 平均利用率5 分钟 × 3 轮 60%60%–80% 80% 持续两轮以上CPU 峰值同上 85%85%–95% 95% 且非计划任务可用物理内存同上 20% 总量10%–20% 10% 或持续下降系统盘剩余即时 20%10%–20% 10%数据盘剩余即时 15%5%–15% 5%ping 丢包率5 分钟连续0 1%≥ 1% 或出现连续丢包ping 平均延迟同网段 1ms1–5ms 5ms 或抖动明显三个使用要点。第一“关注”这一档必须存在只有正常/不正常两档现场很容易把 65% 的 CPU 硬判成正常下次涨到 85% 还是判正常趋势就断了。第二阈值要跟业务场景绑定一台跑批处理的机器平均 70% 是常态一台只做文件共享的机器常年 70% 就该查了。第三这套线一旦定下来就不要每次改改了要记在模板附注的版本行里否则跨季度的趋势对比没有意义。4.2 现场判据双工模式、网卡灯、风扇噪音怎么判量化指标解决的是能取到数的项硬件那九项大多只能靠现场判断。几个容易判错的网卡双工是最隐蔽的一项。链路灯亮着、ping 也通但实际协商成了百兆全双工业务高峰时表现为“能连上但很慢”。判断方法不是看灯是在系统里读链路速率Get-NetAdapter | Select-Object Name,LinkSpeed,FullDuplex千兆口应该显示 1 Gbps。如果显示 100 Mbps先换网线水晶头再换交换机端口两个都排除才怀疑网卡。这个项在模板里写的是“双工模式”但没给判断方法我一般直接补一行命令输出在备注里。网卡灯的含义也要说清绿色常亮是链路 up 但当前无流量绿色闪烁是有流量不亮是链路 down。不亮时先换线再换端口最后才动网卡这个顺序能省下大量现场时间。风扇和散热要合起来看。手背放在出风口感受风量同型号机器的几个风口风量应该接近某个风口明显偏弱多半是那只风扇转速掉了或者滤网堵了。出风口温度比进风高是正常的但同一机柜里相邻两台同型号机器出风温差明显就要查负载和风道。外壳检查容易被当成走过场实际上防拆标完好与否直接关系到后续责任划分。有非原厂加装的卡、有拆过的痕迹都要在备注里写一句别只勾一个“正常”。4.3 结论页四行勾选与签字谁签字谁负责的边界最后一页是四行结论硬件配置符合合同要求、硬件系统运行稳定、操作系统运行稳定、应用软件运行稳定每行两个勾选框下面是记录人签字和业主签字。这四行是整份报告唯一会被拿去做责任认定的地方勾之前要保证前面每一项都能支撑它。我的做法是每行后面加一句括号说明指向具体条目比如“二、硬件系统运行稳定依据第 2 段九项检查硬盘 3 号位琥珀灯常亮已报修其余正常”。这样勾“稳定”不算撒谎因为异常已经在括号里写明了。四项里如果有一项勾了“不符合”必须在这行下面写处理计划和预计完成时间否则这张表等于只报了问题没给方案。签字栏两个位置记录人签全名加日期业主签全名加日期日期精确到日即可。电子流程的话保留邮件回执或系统审批记录截图附在报告后面别只留一个文件名。5. 避坑这份模板最容易翻车的五个地方模板本身没什么技术含量翻车基本都发生在“怎么用”这一层。下面五条是实际踩过或者见过别人踩的按现象、原因、解决三段写。5.1 采集环节的两个坑坑一只截一张任务管理器图就当完成了三次五分钟采样。现象报告里 CPU 写 12%、内存写“充足”一周后业务投诉卡顿翻出报告没有任何时间序列数据可以对照。原因截图是瞬时值采样窗口大概率落在业务低谷而且截图里没有时间戳事后无法证明是什么时候采的。解决固定采样窗口高峰前、平峰、高峰后各一轮用前面那段脚本输出 CSV报告正文写“均值/峰值/采样时间段”三个数原始 CSV 作为附件。这条一旦形成习惯后面所有争议都能用数据说话。坑二把 PF 使用量或认可用量峰值当成内存不足。现象报告里写“认可用量峰值 72GB超过物理内存 64GB内存不足建议扩容”。原因模板第四段其实已经解释了虚拟内存机制下峰值可以超过物理内存但填表的人没细读看到数字超了就往“不足”上判。解决判断内存是否吃紧只看两个数——可用物理内存占比以及页面文件的读写频率。可用物理内存低于总量 10% 且页面文件持续读写才判内存不足峰值超物理内存但可用内存充裕属于正常现象在备注里说明一句即可。5.2 判定与留痕的三个坑坑三硬盘指示灯只判断“亮没亮”琥珀色常亮写成正常。现象巡检表九项全勾正常两周后 RAID 里一块盘掉线重建过程中又掉一块业务中断。原因绿色常亮、绿色闪烁、琥珀色常亮、琥珀色闪烁含义完全不同琥珀色常亮通常是 RAID 卡已标记预失效业务层完全无感。解决在模板里给这一项加“指示灯颜色与状态”备注列琥珀色一律记“关注”并附 RAID 卡日志截图同时在结论页第二行括号里写明避免勾“稳定”时说不清。坑四照模板第三条第 C 项给固态盘做碎片整理。现象按“定期整理磁盘碎片”执行固态盘机器整理完反而更慢写入量统计明显上涨。原因模板成文较早那条维护动作默认针对机械盘没有区分介质类型。解决先确认介质类型机械盘做碎片整理固态盘只做 TRIM命令是Optimize-Volume -DriveLetter C -ReTrim -Verbose别用图形界面的“优化”按钮一把梭。坑五签字页空着就归档。现象报告发出去业主签字栏空白三个月后双方对某台机器的历史状态各执一词。原因现场赶时间习惯先发电子版、后补签字补着补着就忘了。解决现场打印现场签或者走电子审批留回执签字前必须确认“不符合”项后面写了处理计划和完成时间。签字栏空白的报告在我这里一律不算交付完成。6. 把单张表变成巡检包命名、附件与三个月趋势单张 .doc 填得再漂亮一年后要回答“这台机器半年来的内存是在涨还是在抖”还是得靠翻十几份文件。我现在出报告不只交一个 doc而是一个巡检包结构固定主报告一份、原始数据目录一个、截图目录一个、签字件一份。文件命名统一成“机柜号_主机名_yyyyMMdd_巡检报告.doc”日期用采集当天而不是填表当天这样按文件名排序就是时间线。原始数据目录里放 perf CSV、disk.csv、port.txt截图按“检查项编号_内容”命名比如“2-5_硬盘3号位琥珀灯.jpg”看名字就知道对应模板哪一项。签字件单独扫描成 PDF命名加后缀“_签字件”。真正有价值的是趋势。每个季度我会把三次巡检的 CPU 均值、可用内存、系统盘剩余拉成一张小表季度CPU 均值可用内存 GB系统盘剩余 GB关注项一季度41%22.446无二季度55%16.831内存三季度68%9.618内存、磁盘看斜率而不是看单点。三季度 CPU 68% 单独看还在“关注”区间但连着三个季度往上走加上可用内存从 22.4GB 掉到 9.6GB结论就很清楚了不是这台机器有问题是业务在长该规划扩容了。这种判断单张报告给不出来只有把历史数据排在一起才看得出来。模板本身也可以做版本管理改动的地方在文档末尾记一行“变更说明 日期 改动人”比如把碎片整理那条改成区分介质类型、给硬盘灯加颜色备注列。不改版本记录半年后没人记得为什么这张表和最初那份不一样。从那以后我每次出报告都强制走一遍“附件齐不齐、签字有没有、上次的关注项有没有闭环”这三步少一步就退回重做。这套动作不复杂但能把一份填完就扔的表格变成真正能回溯的东西。希望帮到你。本文还有配套的精品资源点击获取