2026年服务器日常巡检测试试卷及答案

2026年服务器日常巡检测试试卷及答案一、单项选择题（共15题，每题2分，满分30分）1.针对当前主流的间接式冷板式液冷AI训练服务器，日常现场巡检第一项优先检查的内容是（）A.机柜进风环境温度B.冷却液液位高度C.冷板接口是否存在冷剂泄漏D.节点GPU算力负载率2.云虚拟化环境日常巡检宿主机CPU状态时，以下哪项指标异常属于高危隐患需要优先处置告警（）A.业务峰值时段连续5分钟CPU使用率超过80%B.单颗物理核心空闲率长期低于10%且用户态占比低于10%C.单个业务虚拟机CPU抢占率超过20%持续10分钟D.满负载下CPU核心温度长期稳定在65℃3.巡检存储系统时，发现某分布式存储集群中一块3.84TBNVMeSSD的剩余写入量（TBW）剩余5%，此时正确的处置动作是（）A.记录后待下季度巡检再跟进B.立即申请备件更换该SSDC.将该SSD的数据迁出标记为只读，待备件到位后更换D.直接拔出硬盘，插入新硬盘后等待数据重构4.针对搭载HBM3e显存的GPU服务器，日常远程巡检中哪项指标是需要每日重点关注的核心隐患项（）A.GPU显存使用率B.GPU核心温度C.GPU显存ECC错误计数D.GPU算力使用率5.日常巡检机房动环配套时，发现服务器机柜PDU某一路输出电流长期在额定电流的85%波动，正确的判定是（）A.属于正常重载范围，无需处置B.属于过载隐患，需要调整该路负载，拆分节点到其他空闲PDU回路C.直接断电该回路，迁移业务D.只需要记录，半年后再复核6.以下哪项属于服务器日常巡检中必须完成的现场巡检内容，不能完全被自动化远程巡检替代（）A.服务器CPU负载统计B.节点电源指示灯状态核查C.机柜内部是否有异物、焦味D.磁盘IO延迟指标采集7.在K8s容器化部署的集群环境中，日常巡检节点资源状态时，发现某工作节点的可分配内存比物理内存少了15%，该节点本身没有部署业务容器，最可能的原因是（）A.节点内存硬件故障B.系统内核为k8s容器网络、kube-proxy预留了内存C.kubelet进程内存泄漏D.节点被挖矿程序入侵8.2026年主流服务器都配备了硬件CCC（循环缓存校正）功能，巡检时发现CCC错误单日增量超过10个，该情况说明（）A.内存存在早期劣化隐患，需要持续跟踪，月度增量超过50个则更换B.属于正常误差，无需关注C.内存已经完全损坏，必须立即更换D.CPU缓存故障，需要更换CPU9.针对浸没式液冷服务器日常巡检，以下哪项操作是合规的（）A.直接打开液冷槽盖板巡检内部，1小时后再盖回B.巡检时直接用手触摸冷板确认温度C.开盖检查后补充蒸发损耗的电子氟化液到标准液位D.发现少量絮状沉淀直接捞出即可，无需后续处理10.巡检服务器系统日志时，发现多次出现“NMIwatchdog:BUG:softlockupCPU#XstuckforXs!”，该故障最可能引发的后果是（）A.该核心上的业务进程卡死，甚至引发整机宕机B.只是日志误报，无实际影响C.仅CPU温度升高，不会影响业务D.会导致数据丢失，直接损坏磁盘11.以下关于服务器远程巡检周期的要求，对于核心生产业务集群，符合主流规范要求的是（）A.每周一次远程巡检B.每日至少一次自动化远程巡检，人工抽样复核核心指标C.每月一次远程巡检D.每季度一次远程巡检12.巡检某RAID卡控制的磁盘阵列，发现RAID5中一块硬盘显示“离线”，且缓存卡没有备用电池，此时正确的处置是（）A.直接更换硬盘，等待重构B.先备份阵罗列所有数据，再更换硬盘重构C.强制上线离线硬盘，再备份数据D.无需处置，RAID5有冗余，不影响业务13.针对AI训练集群服务器，日常巡检中发现计算节点的IB网卡错包率超过0.01%，最可能带来的影响是（）A.训练任务卡顿，多节点梯度同步超时，训练中断B.只是偶发错包，不影响任何业务C.会烧坏IB网卡接口D.会导致存储数据错误14.服务器BMC日常巡检中，发现BMC版本存在高危安全漏洞，当前业务正处于峰值运行阶段，正确的处置是（）A.立即在线升级BMC版本，修复漏洞B.等业务低峰期窗口，再升级BMC，升级前备份业务数据和当前BMC配置C.漏洞不影响业务，不用管D.直接下电服务器升级，不用管业务15.日常巡检中发现服务器电源模块某个模块报风扇故障，当前服务器另一个电源正常运行，正确的处置是（）A.不影响运行，继续用，坏了再说B.立即下电服务器更换电源C.申请备件，安排业务低峰窗口更换故障电源模块D.拔掉故障电源模块，单电源运行就行二、多项选择题（共5题，每题4分，满分20分，多选、少选、错选均不得分）1.服务器日常现场巡检中，属于高危隐患，需要立即处置的情况有（）A.机柜内部闻到焦糊味B.节点电源外壳有明显鼓包C.液冷接口发现轻微冷剂渗漏D.单块磁盘使用率达到80%2.针对容器化集群日常巡检，需要重点关注的异常指标有（）A.节点磁盘分区根目录使用率超过90%B.容器进程OOM被kill的日志C.kube-controller-managerleader切换记录D.节点CPU空闲率维持在40%3.液冷服务器日常巡检需要重点检查的内容包含（）A.冷剂泄漏检测装置报警状态B.散热冷剂的电导率C.液冷泵进出口压力D.机房整体环境湿度4.以下哪些属于服务器日常巡检中安全巡检的必查内容（）A.是否存在未授权的远程访问账户B.系统是否存在未修复的高危漏洞C.服务器磁盘是否存在未加密的敏感数据分区D.BMC是否开启了弱密码认证5.当巡检发现服务器机房环境温度超过30℃，超过服务器要求的最高进风温度25℃，正确的处置动作有（）A.立即检查空调运行状态，排查空调故障B.临时打开机房柜门降低温度，联系维保人员抢修C.如果温度持续升高，核心服务器温度超标，启动应急预案迁移核心业务D.不用处置，温度超标一点没关系三、判断题（共10题，每题2分，满分20分）1.对于闲置关机的服务器，不需要纳入日常巡检范围，只需要每年开机检查一次即可。（）2.巡检GPU服务器时，ECC错误计数只要不是持续增加，单日少量增量属于正常现象。（）3.分布式存储集群巡检时，只要集群整体使用率不超过80%，某一块存储节点磁盘使用率达到95%不需要处置。（）4.日常巡检中，自动化巡检工具生成的巡检报告，不需要人工复核，直接存档即可。（）5.浸没式液冷系统的冷剂电导率升高说明冷剂被污染，需要过滤或者更换冷剂。（）6.服务器BMC的IP地址只要能ping通，就说明BMC运行正常，不需要检查其他参数。（）7.核心生产服务器日常巡检必须留存巡检记录，保存周期不少于1年。（）8.巡检发现RAID卡电池故障，此时会导致写缓存策略从回写改成直写，性能会下降，需要及时更换电池。（）9.多节点刀片服务器巡检时，只要刀箱整体运行正常，个别刀片指示灯变黄不需要关注。（）10.日常巡检中，服务器的系统时间同步状态不需要检查，系统会自动同步。（）四、案例分析题（共2题，每题15分，满分30分）1.某互联网公司核心业务集群使用120台2U双路液冷AI推理服务器，部署在标准IDC机柜，日常巡检中，自动化远程巡检发现其中一台服务器的GPU核心温度连续2小时稳定在89℃，同期同业务负载下其他同配置服务器GPU温度稳定在62-68℃之间，现场巡检初步检查机柜进风温度为22℃，属于正常范围，冷机主管压力正常，请分析可能引发该GPU温度异常升高的原因，并写出对应的巡检排查步骤和处置方案。2.某企业私有云集群使用30台x86服务器搭建K8s+CEPH分布式存储集群，运行核心办公和生产业务，月度巡检中发现，其中3台存储节点的同一批次16TBSATA硬盘，最近三个月已有4块硬盘出现坏块预警，剩余同批次硬盘已使用4年，坏块增量月均增长超过正常水平的3倍，该企业核心数据已经有异地备份，请结合该场景写出后续巡检优化方案和处置流程。参考答案一、单项选择题1.C解析：液冷服务器泄漏是高危隐患，冷剂渗漏可能引发主板短路、火灾等严重事故，因此现场巡检优先排查泄漏隐患，再核对其他指标。2.B解析：单物理核心空闲率和用户态占比同时偏低，说明该核心长期被内核态进程或中断死锁占用，属于高危异常，随时可能引发整机宕机；A选项业务峰值属于正常负载，C选项单个虚拟机抢占率超标的优先级低于核心死锁，D选项65℃属于正常工作温度。3.C解析：TBW剩余5%已经达到SSD的设计寿命阈值，直接拔出会导致数据丢失，应先迁出数据标记只读，待备件到位后更换，不需要立即紧急更换，避免影响业务。4.C解析：HBM3e显存采用高带宽设计，ECC错误是显存劣化的核心指标，若ECC错误持续增加会引发计算错误、任务崩溃，使用率和温度属于正常运行指标，只要不超标无需重点关注。5.B解析：PDU长期超过额定电流80%属于过载隐患，导线长期过热会加速绝缘老化，容易引发短路火灾，因此需要拆分负载，不需要立即断电影响业务。6.C解析：异物、焦味属于现场物理隐患，自动化远程巡检无法感知，必须现场检查，其余指标均可通过远程采集获取。7.B解析：K8s默认会预留部分内存给系统组件和网络功能，正常情况下预留比例在10%-15%左右，因此属于正常情况，若预留之外还有大量内存占用才需要排查故障。8.A解析：CCC是新一代内存的循环缓存校正功能，少量单日错误说明内存开始劣化，不需要立即更换，持续增量超过阈值再更换即可。9.C解析：浸没式液冷的电子氟化液会有正常蒸发损耗，需要定期补充到标准液位；A选项开盖1小时会增加挥发和杂质污染，B选项电子氟化液虽然不导电，但裸手触摸会引入杂质污染冷剂，D选项絮状沉淀说明冷剂被污染，需要过滤或更换冷剂，不是捞出就可以。10.A解析：软锁死是CPU核心的内核故障，会导致该核心进程卡死，严重时引发整机宕机，不是误报，不会直接损坏磁盘。11.B解析：核心生产业务集群需要每日自动化远程巡检，人工抽样复核核心指标，保障业务稳定性。12.B解析：RAID5已经掉一块盘，没有备用电池意味着如果掉电会直接导致数据损坏，因此必须先备份所有数据再更换硬盘，避免重构过程中第二块盘故障导致全阵列数据丢失。13.A解析：IB网卡用于AI训练多节点互联，错包率升高会导致梯度同步丢包超时，引发训练任务中断，不会直接烧坏网卡，也不影响存储数据。14.B解析：BMC升级需要重启BMC甚至下电服务器，因此需要避开业务峰值，选低峰窗口操作，升级前做好数据和配置备份，避免升级失败影响业务。15.C解析：单电源故障但另一台正常运行，不需要立即更换影响业务，申请备件后安排低峰窗口更换即可，长期单电源运行存在单点故障隐患，不能不拔不换。二、多项选择题1.ABC解析：焦糊味、电源鼓包、冷剂渗漏都属于高危隐患，需要立即处置，单块磁盘使用率80%属于正常范围，不需要立即处置。2.ABC解析：根目录使用率超90%会导致节点无法创建新进程，容器OOM被kill会导致业务中断，leader频繁切换说明集群存在稳定性问题，都需要重点关注；CPU空闲率40%属于正常状态，不需要关注。3.ABC解析：泄漏报警、冷剂电导率、泵进出口压力都是液冷系统核心巡检项，机房湿度对液冷服务器影响远小于风冷，不属于液冷特有的重点巡检内容。4.ABCD解析：未授权账户、高危漏洞、敏感数据未加密、弱密码都是日常安全巡检的必查内容，四项都正确。5.ABC解析：进风温度超标需要立即排查空调故障，临时降温，持续超标需要启动业务迁移预案，温度超标会加速服务器硬件劣化，容易引发宕机事故，必须处置。三、判断题1.错误解析：闲置关机服务器也需要纳入巡检范围，至少每月检查一次供电、机房环境、BMC状态，避免长期闲置出现硬件故障，开机使用时出现问题。2.正确解析：GPU显存的ECC会校正偶然的粒子冲击引发的位错误，少量单日增量属于正常现象，只要不是持续增量就没有隐患。3.错误解析：单块磁盘使用率超过95%会导致分布式存储的切片写入失败，触发集群告警，即使整体使用率不高也需要及时清理数据或者扩容。4.错误解析：自动化巡检可能存在漏报、误报，核心指标需要人工抽样复核，才能保障巡检质量。5.正确解析：冷剂电导率升高说明冷剂混入了导电杂质，会提升短路风险，因此需要过滤或者更换冷剂。6.错误解析：ping通只能说明网络连通，BMC可能存在功能异常、漏洞、传感器故障等问题，需要检查传感器、用户权限等多项内容。7.正确解析：按照主流服务器运维规范，核心生产服务器巡检记录留存周期不少于1年，方便后续故障溯源。8.正确解析：RAID卡电池故障后，为了避免掉电丢缓存，会自动切换为直写模式，性能下降30%-50%，需要及时更换电池。9.错误解析：刀片服务器刀片指示灯变黄说明存在硬件隐患，必须排查处理，否则可能引发业务故障。10.错误解析：系统时间同步异常会导致日志错误、认证失败、分布式集群脑裂等问题，必须纳入日常巡检范围。四、案例分析题1.可能原因：（1）该GPU的冷板接口松动，冷剂流通不畅，散热效率下降；（2）冷板和GPU核心之间的导热硅脂干涸，导热效率下降；（3）该GPU的冷剂通道被杂质堵塞，流量不足；（4）该GPU的自带辅助散热风扇停转，辅助散热失效；（5）该服务器存在后台异常进程，GPU实际负载远高于同业务节点，导致温度升高。排查步骤：（1）远程登陆服务器，检查GPU实际负载和显存使用率，对比同节点其他GPU和同业务其他节点，确认是否为负载异常引发的温