企业官网建设流程全解析

简介：本资源是联想ThinkServer SR658H V2服务器的官方用户手册PDF，面向IT运维工程师、数据中心管理员及服务器硬件维护人员，聚焦组件级维护与安全操作实践，解决硬件更换、RAID模块升级、热插拔实施及散热优化等典型现场问题。手册共1个PDF文件，大小15.67MB，内容结构完整，涵盖服务器外观与内部布局、12类关键部件（如热插拔硬盘、电源模块、RAID超级电容器、M.2背板、GPU支撑架等）的拆装图解、系统可靠性准则、静电防护规范及通电状态下操作的安全边界说明。目录清晰分章，从安全检查核对表、组件识别到40余项硬件更换流程，每步均含图文指引与安装顺序规则，特别强化了热插拔技术应用与导风罩等散热部件的替换逻辑。目前已有1218人学习下载，是部署、维保及故障排查该型号服务器不可或缺的一手技术依据。

1. ThinkServer SR658H V2 用户手册：不是翻页指南，而是你拆机前必须抄在工单背面的六条铁律

你刚收到一台崭新的联想 ThinkServer SR658H V2——双路海光 7000 系列、24×2.5 英寸热插拔盘位、支持双 A40 GPU、标配 ThinkBMC 远程管理。但别急着上电。我见过太多人：拧开顶盖前没断电，换完 RAID 卡发现超级电容没放电，插内存时没看 DIMM 插槽编号顺序导致系统只识别一半容量，甚至有人把 8056 风扇装进标准配置机箱，结果风扇转速拉满还报“散热异常”。这不是玄学，是这台服务器用物理结构写死的硬约束。

这份第三版（2023 年 6 月）用户手册，表面是 PDF 文档，实则是整套硬件行为的“宪法性文件”：它定义了哪些部件能热插拔（硬盘、电源、风扇）、哪些必须冷操作（主板、GPU 支撑架、M.2 背板）、哪些操作会触发 BMC 自锁（如连续三次错误 BIOS 密码输入）、哪些线缆布放位置一旦错位就会导致 PCIe 插槽速率降级（Riser 3 模组下 PCIe 插槽 7/8 的走线空间仅 3mm）。它不教你怎么装 Linux，但告诉你为什么dmesg | grep -i nvme查不到后置 NVMe 盘——因为手册第 35 页明确写着：“RAID 快速充电模块未安装时，后置 M.2 接口供电被硬件禁用”。

适合谁？三类人必须通读：

• 一线运维：要现场更换故障电源或硬盘，得知道“卸下电源模块单元”前必须先在 BMC Web 界面点击“Graceful Power Off”，否则强行拔出会触发主板保护性关机；
• 交付工程师：部署 24 盘位存储节点时，必须按第 85 页“内存条安装规则”执行——32 个 DIMM 插槽分属 CPU1/CPU2 的四组通道，若只插 CPU1 的 16 根却跳过 CPU2 的任意一根，系统将强制降频至 2133MHz；
• 信创项目集成商：适配麒麟 V10 SP3 或 openEuler 20.03 LTS SP1 时，需确认 RAID 卡型号是否为手册第 3 页所列的 ThinkSystem RAID 940-16i（仅此型号通过麒麟内核模块签名认证），而非通用型 440-16i HBA。

它解决不了“SQL Server 2022 安装卡在实例配置”这种软件问题，但能让你在服务器第一次 POST 时就避开 80% 的硬件级报错——比如主板电池电压低于 2.8V 会导致 BIOS 设置丢失（附录 A 第 193 页），而这个细节，90% 的交付单里都不会写。

2. 硬件更换全流程：从断电到上电，每一步都踩在电气安全与机械公差的临界点上

2.1 断电不是“关机”，而是执行一套带时序的物理隔离协议

ThinkServer SR658H V2 的“断电”操作，本质是切断三重能量路径：主电源、BMC 管理电源、超级电容残余电荷。手册第 41 页强调：“在服务器通电的情况下对其内部进行操作”属于高危行为，但更关键的是——如何才算真正断电？

常见误操作：

• 仅在操作系统中执行shutdown -h now→ 错！此时 BMC 仍运行，USB/串口供电未断，主板 CMOS 仍在耗电；
• 拔掉一根电源线 → 错！双电源冗余设计下，单路断电后另一路自动接管，整机仍带电；
• 关闭 PDU 开关 → 表面正确，但未释放 RAID 超级电容（第 65 页）和主板 RTC 电池（附录 A 第 193 页）的残余电荷。

正确流程（必须按顺序执行）：

# 步骤1：通过BMC Web界面发起优雅关机（非强制断电） # 地址：https://<BMC_IP> → "Power Control" → "Graceful Shutdown" # 此操作会通知OS完成磁盘刷写、关闭RAID缓存 # 步骤2：物理断开双路电源线 # 注意：必须同时拔掉两个电源模块的输入线，不能只拔一个 # 步骤3：长按前面板电源按钮10秒 # 手册第43页注明："释放主板电容残余电荷，确保RTC电路完全断电" # 步骤4：等待30秒后，用万用表测量主板RTC电池正负极电压 # 若高于2.5V，需短接电池座两引脚3秒放电（仅限有资质人员）

提示：手册第 iii 页“安全检查核对表”第1条“确保关闭电源并拔下电源线”是法律效力条款。Lenovo 保修条款（http://datacentersupport.lenovo.com/warrantylookup）明确规定：未按此流程操作导致的主板损坏，不在保修范围内。

2.2 热插拔硬盘更换：不是“拔了再插”，而是执行一套带状态校验的固件握手协议

SR658H V2 前置 24×2.5 英寸盘位支持热插拔，但“热插拔”在此机型中特指：在 OS 层面已卸载设备、BMC 层面已标记为“准备移除”、物理层满足 ESD 防护条件下的三重同步操作。

手册第 51–52 页的“卸下/安装热插拔硬盘”步骤，省略了一个关键前提：必须先通过 BMC 或 CLI 确认该盘处于“Ready to Remove”状态。否则强行拔出，可能触发 RAID 卡的写缓存保护机制，导致阵列降级。

实操命令链（以 Linux 为例）：

# 1. 查看硬盘当前状态（需安装lenovo-bmc-tools） ipmitool -I lanplus -H <BMC_IP> -U ADMIN -P <PASS> fru print | grep -A5 "Drive Bay" # 2. 通过BMC API标记为可移除（关键！） curl -k -X POST https://<BMC_IP>/redfish/v1/Systems/1/Storage/Controllers/1/Drives/1/Actions/Drive.Eject \ -H "Content-Type: application/json" \ -H "X-Auth-Token: <TOKEN>" \ -d '{"EjectType":"Safe"}' # 3. 物理拔出硬盘（此时硬盘LED应变为琥珀色慢闪） # 4. 插入新盘后，等待BMC自动识别（约15秒），LED转为绿色常亮 # 5. 在OS中重新扫描SCSI总线 echo "- - -" > /sys/class/scsi_host/host*/scan

参数说明：

• EjectType:"Safe"是 Redfish 协议强制要求字段，若设为"Force"将绕过 RAID 缓存刷新，直接触发IO Error；
• host*中的*需替换为实际控制器号（lsscsi -v可查），SR658H V2 前置盘通常挂载在host2（SAS HBA）或host3（RAID 940-16i）；
• 新盘插入后若 LED 不亮，需检查背板供电线（手册第 23 页图 10）是否松动——这是现场最常被忽略的物理连接点。

2.3 电源模块更换：铂金级 CRPS 电源的“热插拔”真相

手册第 120–124 页称电源模块支持“热插拔”，但此处的“热”有严格限定：仅当双电源均在线且负载均衡时，才允许单路更换。若当前仅单电源工作（如另一路故障），则必须先停机。

判断是否可热插拔的关键指标：

更换步骤中的隐藏逻辑：

# 1. 先确认BMC中电源状态（必须显示"Present"且无"Failed"告警） ipmitool -H <BMC> sdr type "Power Supply" # 2. 执行"Prepare for Removal"（非强制但强烈建议） ipmitool -H <BMC> raw 0x30 0x0b 0x01 0x01 # 0x01=PSU1, 0x02=PSU2 # 3. 物理拔出时，必须沿导轨水平匀速抽出（手册图 125） # 若遇阻力，立即停止——90%概率是CRPS接口卡扣未解锁 # 正确解锁方式：按压电源模块正面右侧的黑色释放钮（图125标注③） # 4. 插入新电源后，等待BMC自动完成固件同步（约45秒） # 此期间勿操作其他硬件，否则可能触发PSU固件校验失败

注意：若更换的是 2200W 电源模块（双 A40 GPU 必配），必须确认其型号后缀为-CRPS（非-ATX）。手册第 3 页“电源模块”表格明确标注：-CRPS型号支持热插拔，-ATX型号仅支持冷插拔。

3. RAID 配置与超级电容维护：缓存策略决定数据生死线

3.1 RAID 卡选型与固件版本强绑定：940-16i 与 440-16i 的内核兼容性鸿沟

手册第 3 页列出的 RAID 适配器中，“ThinkSystem RAID 940-16i”与“ThinkSystem 440-16i”外观几乎一致，但底层固件架构天壤之别：

• 940-16i：基于 LSI MegaRAID SAS 3916（PCIe Gen4 x8），驱动为megaraid_sas，支持WriteBack缓存模式 + BBU/超级电容保护；
• 440-16i：基于 Broadcom/LSI 9400-16i（PCIe Gen4 x8），驱动为mpt3sas，仅支持WriteThrough模式，无缓存保护能力。

后果直击：

• 若在麒麟 V10 SP2 上安装 440-16i 并启用WriteBack（通过storcli /c0 set wb强制），遭遇断电后 RAID 元数据将 100% 损毁；
• 940-16i 的超级电容模块（手册第 65 页）必须每 24 个月更换一次，否则缓存保护失效——手册第 66 页注明：“电容容量衰减至初始值 70% 时，BMC 将上报 Event ID 0x3F02”。

验证当前 RAID 卡型号与缓存状态：

# 1. 识别RAID卡型号（区分940与440） lspci -vv -s $(lspci | grep -i "raid" | head -1 | awk '{print $1}') | grep "Device\|Subsystem" # 2. 检查缓存策略（940系列专用） storcli /c0 show | grep -E "(Cache Policy|BBU|Capacitor)" # 3. 查看超级电容健康度（需root权限） ipmitool -H <BMC> raw 0x30 0x0a 0x01 # 返回值0x00=正常，0x01=需更换

3.2 超级电容器模块更换：不是“换电池”，而是执行一套带放电时序的固件重同步

手册第 65–66 页的“更换 RAID 超级电容器模块”流程，隐含一个致命细节：新电容模块插入后，必须等待 BMC 完成 120 秒固件重同步，否则 RAID 卡拒绝启用 WriteBack 缓存。

实操避坑步骤：

1. 断电后静置 5 分钟：让旧电容自然放电（手册未写，但海光平台实测需此步骤）；
2. 拔下旧模块时，用绝缘镊子短接其正负极引脚 3 秒（防静电击穿）；
3. 插入新模块后，立即登录 BMC Web 界面 → “Storage” → “RAID Controller” → 点击“Resync Capacitor”（此按钮仅在插入新模块后 60 秒内可见）；
4. 等待 BMC 状态栏显示 “Capacitor Sync Complete” 后，再执行storcli /c0 set wb。

血泪经验：某客户更换电容后未手动触发 Resync，直接启用 WriteBack，结果在第 3 次断电后 RAID 5 阵列重建失败。日志显示Controller reported capacitor sync timeout—— 这是手册第 66 页小字注释：“同步失败将导致缓存策略永久锁定为 WriteThrough”。

3.3 M.2 硬盘的双重身份：系统盘 vs 数据盘的硬件级隔离

手册第 2 页“存储扩展”表格注明：“M.2 硬盘仅用于安装操作系统，不可用于数据存储”。这不是建议，而是硬件设计限制：

• SR658H V2 的 M.2 插槽（手册第 34 页）由 PCH 直连，不经过 RAID 控制器；
• BIOS 中 M.2 设备仅出现在Boot Option #1列表，无法添加到任何 RAID 阵列；
• 若强行在 M.2 上创建 ext4 分区并挂载为/data，系统重启后该分区将消失——因为 UEFI 启动时 PCH 会重置 M.2 控制器。

验证 M.2 是否被系统识别为启动设备：

# 查看UEFI启动项（必须为nvme0n1p1格式） efibootmgr -v | grep -A2 "M.2" # 检查M.2是否在RAID控制器管理范围外 storcli /c0 /eall /sall show | grep -i "nvme" # 应返回空

4. BIOS 与 ThinkBMC 深度协同：两个固件层的权限边界与调试入口

4.1 BIOS 安全启动（Secure Boot）与 TCM 的耦合关系：开启即锁死第三方驱动

手册第 181–183 页“安全启动”章节，未明说一个关键事实：当 TCM（可信平台模块）启用时，Secure Boot 会强制校验所有 Option ROM 固件签名。这意味着：

• NVIDIA A40 GPU 的 VGA BIOS 若未通过 Lenovo 签名认证（仅 Windows 驱动包含认证版本），开启 Secure Boot 后将黑屏；
• Mellanox ConnectX-6 网卡的 PXE 启动 ROM 若为社区版固件，将被 BIOS 拦截并报错Security Violation: Invalid ROM Signature。

安全启动开关的实操逻辑：

# 1. 查看当前Secure Boot状态 mokutil --sb-state # 2. 若需加载非认证驱动，必须先禁用Secure Boot（非仅关闭UEFI设置） # 进入BIOS → Security → Secure Boot → "Clear Secure Boot Keys" → 重启 # 此操作会清除所有密钥，需重新导入自定义密钥（手册第182页） # 3. TCM状态必须与Secure Boot同步 tpm2_getcap properties | grep -E "(TPM2_PT_PERSISTENT|TPM2_PT_STARTUP_CLEAR)" # 若StartupClear为0，则TCM未初始化，Secure Boot将无法验证内核

4.2 ThinkBMC 固件升级：Web Flash 接口的“静默失败”陷阱

手册第 189–190 页“Web Flash 接口”描述过于简略。实测发现：当 BMC 固件版本 ≥ 2.50 时，Web Flash 上传.bin文件后，页面无任何进度提示，但后台实际在执行 3 分钟固件校验。若此时刷新页面，将导致升级中断并进入 Recovery 模式。

可靠升级流程：

1. 下载固件包（必须匹配机器类型70WD，官网搜索SR658H V2 BMC firmware）；
2. 解压后取*.bin文件（非.zip或.exe）；
3. 登录 BMC Web → “Maintenance” → “Firmware Update” → 选择.bin→点击 Upload 后，立即打开新标签页访问https://<BMC_IP>/redfish/v1/Managers/1/UpdateService；
4. 轮询UpdateService状态：

   // 成功响应示例 { "UpdateStatus": "Updating", "PercentComplete": 45 } // 失败响应示例 { "UpdateStatus": "Failed", "Messages": ["Invalid signature"] }

5. 状态变为"Idle"后，强制重启 BMC：ipmitool -H <BMC> mc reset cold。

避坑：若升级后 BMC Web 无法登录，用串口线连接COM1（后面板），波特率115200，输入bmc reset命令强制恢复。

4.3 一键收集日志：不是“点一下”，而是生成包含 17 类硬件传感器的诊断包

手册第 190 页“一键收集日志”功能，实际调用的是 BMC 内置的logcollect工具，输出 ZIP 包含：

• sensor.log：所有温度/电压/风扇转速实时采样（10Hz 频率）；
• fru.log：主板/电源/硬盘的 FRU 信息（含序列号、生产日期）；
• sel.log：系统事件日志（含0x3F02超级电容告警等硬件事件）；
• raid.log：RAID 卡详细状态（含Drive State: Predictive Failure预警）。

提取关键诊断信息的命令：

# 解压日志包后，快速定位硬件故障 zcat logcollect_*.zip | grep -E "(Predictive|Failure|Overtemp|UnderVolt)" # 查看最近3次断电记录（BMC独立记录，不依赖OS） ipmitool -H <BMC> sel list | tail -20 | grep -i "power.*off"

5. 避坑：现场维修中高频翻车的 5 个硬性边界条件

5.1 现象：更换内存后系统只识别 50% 容量

原因：未遵守手册第 85 页“内存条安装规则”——SR658H V2 的 32 个 DIMM 插槽分为 4 组（CPU1-A/B/C/D, CPU2-A/B/C/D），每组必须插相同容量/频率的内存条。若 CPU1-A 插 64GB，CPU1-B 插 32GB，系统将降频并仅识别 32GB×2。
解决：拔下所有内存，按CPU1-A→CPU1-B→CPU2-A→CPU2-B顺序，成对插入同规格内存条，再开机。

5.2 现象：安装 A40 GPU 后系统无法启动，报错PCIe Link Down

原因：手册第 2 页“GPU 支持”表格注明：“A40 仅在 7000 系列 CPU 配置下支持”，但未强调——必须将 BIOS 中PCIe Speed设置为Gen4（非 Auto）。5000 系列 CPU 默认协商为 Gen3，A40 驱动拒绝加载。
解决：进 BIOS → Advanced → PCI Subsystem Settings → PCIe Speed → 设为Gen4→ 保存重启。

5.3 现象：后置 4×3.5 英寸硬盘无法被识别

原因：手册第 115 页“更换后置 3.5 英寸硬盘模组”流程中，遗漏关键步骤——后置硬盘背板供电线（JBP1）必须连接到主板 JBP1 插座（手册第 23 页图 10）。若仅连接数据线（SAS/SATA），硬盘供电不足，BIOS 中显示No Device。
解决：关机，检查主板左下角白色 4-pin 插座（标有JBP1），确认黑色供电线已牢固插入。

5.4 现象：BMC Web 界面登录失败，提示Invalid Credentials

原因：手册未说明默认密码策略——首次登录 BMC 时，用户名ADMIN的密码并非PASSW0RD，而是服务器序列号后 8 位（大写字母+数字）。序列号位于前面板标签，格式如PF12345678，则密码为12345678。
解决：若序列号密码无效，用串口线连接 COM1，输入bmc factoryreset恢复出厂设置（密码变回ADMIN）。

5.5 现象：更换 8056 风扇后，BMC 报错Fan 3 Speed Abnormal

原因：8056 风扇（手册第 3 页）与标准 8038 风扇的 PWM 控制协议不同。若在非 GPU 配置下强行安装 8056，BMC 会因转速反馈信号失配而报错。手册第 3 页“风扇”表格明确列出 8056 的启用条件，但未强调“禁用场景”。
解决：立即更换回 8038 风扇；若必须用 8056，需在 BIOS → Advanced → Hardware Monitoring → Fan Control → 将Fan 3 Mode设为8056（此选项仅在检测到 8056 风扇时出现）。

6. 进阶技巧：用 Redfish API 实现硬件状态的自动化巡检与预测性维护

6.1 构建每 5 分钟一次的硬件健康快照

手册第 187 页提到 Redfish 支持，但未提供具体用法。我用 Python 脚本实现了对 SR658H V2 的全自动巡检，核心逻辑是抓取三个 Redfish 端点：

• /redfish/v1/Chassis/1/Thermal：获取所有温度传感器（CPU/VRM/SSD）；
• /redfish/v1/Chassis/1/Power：获取电源模块输入电压、输出功率；
• /redfish/v1/Systems/1/Storage/Controllers/1：获取 RAID 卡状态与硬盘 SMART。

巡检脚本（可直接部署）：

import requests, json, time from datetime import datetime BMC_IP = "192.168.1.100" AUTH = ("ADMIN", "your_password") def get_sensor_data(): # 获取温度数据 temp_resp = requests.get(f"https://{BMC_IP}/redfish/v1/Chassis/1/Thermal", auth=AUTH, verify=False) temps = [] for sensor in temp_resp.json()["Temperatures"]: if sensor["Status"]["State"] == "Enabled": temps.append({ "Name": sensor["Name"], "ReadingCelsius": sensor["ReadingCelsius"], "UpperThresholdCritical": sensor.get("UpperThresholdCritical", 0) }) # 获取电源数据 power_resp = requests.get(f"https://{BMC_IP}/redfish/v1/Chassis/1/Power", auth=AUTH, verify=False) power = { "InputVoltage": power_resp.json()["PowerControl"][0]["PowerConsumedWatts"], "LineInputVoltage": power_resp.json()["PowerSupplies"][0]["LineInputVoltage"] } return {"timestamp": datetime.now().isoformat(), "temperatures": temps, "power": power} # 每5分钟写入日志 while True: data = get_sensor_data() with open("/var/log/sr658h_health.log", "a") as f: f.write(json.dumps(data) + "\n") time.sleep(300)

关键参数说明：

• verify=False：BMC 默认使用自签名证书，需忽略 SSL 验证；
• UpperThresholdCritical：手册第 4 页“环境”表格定义 CPU 工作温度上限为 35°C，若ReadingCelsius > UpperThresholdCritical，则触发告警；
• PowerConsumedWatts：若连续 3 次读数 > 1800W（双 A40 满载值），需检查散热是否异常。

6.2 预测性维护：从日志中挖掘硬盘故障前兆

手册第 193 页“存储部件容量说明”未提 SMART 预警，但 Redfish 接口暴露了关键字段：

• PredictiveFailure：硬盘即将故障的硬件级标志；
• ReallocatedSectorCount：重映射扇区数，> 50 即高风险；
• UDMA_CRC_Error_Count：数据线干扰计数，> 10 表示背板线缆接触不良。

硬盘预警脚本：

# 检查所有硬盘的PredictiveFailure状态 curl -k -H "X-Auth-Token: $TOKEN" \ "https://$BMC_IP/redfish/v1/Systems/1/Storage/Controllers/1/Drives" | \ jq -r '.Members[] | select(.Status.State=="Absent" or .PredictiveFailure==true) | .Id'

6.3 从那以后我每次做硬件交付，都强制走一遍 Redfish 巡检脚本 + 手册第 iii 页安全核对表 + BIOS 设置截图归档

不是为了应付验收，而是给自己留一份“操作留痕”。去年处理一台报System Error LED 常亮黄色的机器，按手册第 11 页排查了 2 小时无果，最后翻出交付时的 Redfish 日志，发现VRM Temperature在故障前 3 天持续高于 105°C——这才定位到 VRM 散热片硅脂干涸。没有那份日志，我可能还在换主板。

希望帮到你。

本文还有配套的精品资源，点击获取