机房现场出事时，最贵的不是故障本身，而是站在机柜前不知道先看什么的人。多数现场事故——服务器失联、交换机端口异常、整柜掉电——在头三分钟内就能完成初步定性：是硬件故障、电源问题，还是网络链路问题。这直接决定你是重启一台机器，还是立刻上报并启动备用链路。下面这套“三分钟判断法”，按指示灯 → 电源 → 网络 → 上报的顺序执行，每一步都有明确的通过/不通过标准。
第一分钟：先看指示灯，别先动手
到场后第一动作是看，不是插拔。指示灯是最快的故障编码系统：
- 服务器电源灯：熄灭说明供电或 PSU 问题；常亮但不亮硬盘活动灯，可能是死机或卡在 POST。
- 硬盘指示灯：某块盘常亮红色或琥珀色（多数厂商如此，具体看机型手册），基本可判定单盘故障，RAID 阵列可能已降级。
- 交换机端口灯：绿灯闪烁正常；熄灭说明对端没起来或线缆/光模块问题；橙色常亮在很多型号上表示端口被 STP 阻塞或 err-disable。
- 带外管理灯（iLO/iDRAC/IPMI）：如果带外灯亮但业务口灯灭，问题大概率在业务网卡或驱动层面，机器本身还活着。
这一分钟要克制：不要按电源键，不要拔线。看清楚并记录每个灯的状态，这些信息是后续上报时的第一手证据。
第二分钟：查电源链路，从 PDU 到 PSU
如果电源灯熄灭，沿着供电链路从近到远排查：
- PSU 状态：双电源服务器看两个 PSU 灯是否都亮。只亮一个，说明单路市电或 PDU 支路断了，机器靠另一路撑着——这是隐患不是事故，但必须当天处理。
- PDU 面板：智能 PDU 看当前负载和断路器状态。假设一台 42U 机柜 PDU 标称 16A，实际负载长期跑在 13A 以上，新上架设备就可能触发跳闸（此为示例值，实际以机房供电规格为准）。
- 配电柜空开：PDU 正常但整柜没电，问题在列头柜或机房配电，这已经不是你能处理的范围。
采购侧的提示：验收新机柜时，把 PDU 每路实际负载和空开规格核对一遍，很多“莫名掉电”是上架时负载估算错误埋下的。
第三分钟：网络连通性分层测试
电源正常但业务不通，按链路从下往上测：
- 物理层：交换机端口灯和网卡灯是否匹配。一边亮一边灭，先怀疑线缆或光模块，换一根备线是最快的验证手段。
- 链路层：在交换机上查接口状态，
show interface看 errors、CRC 计数是否持续增长。CRC 增长基本锁定线缆/模块劣化。 - 网络层：从带外管理口
ping网关，再ping核心交换机。网关通但外网不通，问题在上联或运营商侧；网关都不通，问题在本机或接入层。
三层都通但业务仍异常，那大概率是应用或系统层问题，现场三分钟判断到此为止，交给远程团队处理。
什么时候必须上报，不要自己扛
判断法的最后一步是决策。以下情况立即上报，不要尝试自行恢复：
- 涉及整柜或整列掉电、列头柜跳闸——这是机房配电问题，需机房方介入。
- 核心或汇聚交换机异常，影响多台设备——自行重启可能造成更大范围中断。
- RAID 已降级且无法确认热备盘状态——此时任何误操作都可能让阵列彻底失效。
- 判断不了原因且已超过三分钟——带着记录到的指示灯状态、PDU 读数、ping 结果上报，比空手说“机器挂了”有价值得多。
现场检查清单
- 到场先拍照记录所有指示灯状态，再动手。
- 双电源设备确认两路 PSU 都亮，单路供电当天补齐。
- 查 PDU 负载与空开规格，确认不是过载跳闸。
- 网络问题按“端口灯 → CRC 计数 → ping 网关 → ping 核心”顺序测。
- 备线缆、备光模块、备 SFP 常驻现场工具包。
- 整柜掉电、核心设备异常、RAID 降级三种情况直接上报，不自行处理。
- 上报时附带：时间线、灯态记录、已执行的测试命令及结果。
三分钟判断法的价值不在快，而在把现场信息结构化。同一套动作每次都执行，团队才有共同的故障语言，采购和运维之间也才有据可谈的 SLA 和备件清单。
本文由 南方数据技术博客编辑整理，涉及具体环境时请以官方文档与实际配置为准。