100条运维设备日常维护检查单Checklist 覆盖日常90%以上工作！

在IT运维领域，设备的稳定运行是企业业务连续性的基石。一套详尽、严谨的日常维护检查单（Checklist），是运维工程师高效、规范工作的核心工具。本文将系统梳理涵盖服务器、网络、存储、安全、机房环境等关键领域的100条必会维护检查点，为运维工作提供标准化操作指南。

一、服务器硬件维护检查（15条）

1. 1. 物理状态检查： 目视检查服务器外观有无明显损伤、变形；指示灯状态（电源、硬盘、风扇、故障灯）是否正常。
2. 2. 电源与供电：

• • 检查冗余电源模块状态是否均为正常（绿灯）。
• • 确认电源线连接牢固，无松动、老化、破损。
• • 检查PDU（电源分配单元）指示灯、电流电压显示是否在正常范围。

• 3. 风扇与散热：
• • 检查服务器内部及机柜风扇运转是否正常，无异常噪音（尖锐声、摩擦声、停转）。
• • 清理风扇及散热器格栅的灰尘（按需，结合机房清洁计划）。
• • 监控服务器进风口、出风口温度（通过管理口或传感器）。
• 4. CPU状态： 通过操作系统命令（如Linux的 top/htop, Windows任务管理器）或硬件管理工具（如iLO, iDRAC, IMM）查看CPU利用率、温度是否在合理阈值内（通常<80%持续高负载需关注）。
• 5. 内存状态：
• • 检查操作系统报告的内存总量是否与物理配置一致。
• • 检查内存使用率、Swap使用率（过高需排查）。
• • 通过硬件管理工具或 dmidecode 等命令检查是否有内存ECC错误报告。
• 6. 磁盘状态：
• • 物理磁盘： 检查硬盘指示灯状态（通常绿色正常，黄色预警，红色故障/离线）；通过RAID卡管理工具（MegaCLI, storcli, hpssacli）或操作系统检查所有物理磁盘状态（Online, Predictive Failure 等）。
• • 阵列状态： 确认RAID级别，检查RAID阵列状态是否为Optimal或Normal，无降级(Degraded)或失效(Failed)。
• • 背板/线缆： 检查SAS/SATA/NVMe背板连接、线缆是否牢固。
• 7. PCIe设备： 检查关键扩展卡（HBA卡、网卡、GPU卡等）在操作系统和设备管理器中的状态是否正常。
• 8. 管理接口： 测试服务器带外管理接口（如iLO, iDRAC, iBMC）的网络连通性和登录功能是否正常。
• 9. 固件版本： （定期）检查关键组件（BIOS/UEFI, BMC, RAID卡, 网卡）固件版本，评估是否需要按计划升级（非紧急不打补丁）。
• 10. 物理连接： 检查所有数据线缆（网线、光纤、存储线缆）连接是否牢固、标签清晰、无过度弯折。
• 11. 日志检查： 查看服务器硬件日志（通过操作系统事件查看器、dmesg、journalctl 或硬件管理工具），筛选硬件相关错误（Critical, Error, Warning）并处理。
• 12. 备件状态： （周/月）确认关键备件（电源、风扇、硬盘）库存状态和可用性。
• 13. 资产信息核对： （定期）核对服务器物理位置、资产标签、配置信息（CPU、内存、硬盘）是否与CMDB记录一致。
• 14. 清洁度： （按机房清洁周期）确保服务器表面及周边无明显积尘。
• 15. 螺丝与安全： 检查机箱盖板是否盖好，固定螺丝是否齐全（影响散热和安全）。

二、网络设备维护检查（15条）

1. 16. 物理状态检查： 目视检查交换机、路由器、防火墙等设备外观、指示灯（电源、状态、端口灯）是否正常。
2. 17. 电源与供电： 检查冗余电源状态、电源线连接、PDU状态（同服务器检查点）。
3. 18. 风扇与散热： 检查风扇运转状态、噪音、散热口通畅度。
4. 19. CPU与内存利用率： 登录设备CLI或Web界面，检查CPU和内存利用率是否在正常范围（通常<70%），高峰时段重点监控。
5. 20. 端口状态：
• • 检查所有业务端口状态（up/up），速率和双工模式是否正确。
• • 检查有无err-disable端口，并查明原因。
• • 检查关键端口（上联、核心互联）的输入/输出错误计数（input errors, output errors, CRC, giants, runts）是否持续增长或过高。
• 21. 链路聚合状态： 检查聚合端口组状态是否为up，成员端口状态一致，无端口被踢出聚合组。
• 22. 生成树协议状态： 检查STP/RSTP/MSTP根桥位置是否预期，各端口角色（Root, Designated, Alternate/Blocking）是否正确，无异常拓扑变更（TCN）。
• 23. 路由协议状态：
• • 检查BGP/OSPF/EIGRP等邻居状态是否正常（Established, Full）。
• • 检查路由表是否收敛、完整，无异常路由抖动或缺失。
• 24. ACL与策略应用： （按需）检查关键ACL、策略路由、QoS策略是否按预期应用在正确接口。
• 25. 管理访问： 测试带外管理口（如管理网口、Console口）的连通性和登录功能。
• 26. 配置文件与备份： （定期/变更后）检查当前运行配置与启动配置是否一致；（定期）备份设备配置文件到安全位置。
• 27. 日志检查： 检查设备系统日志（Syslog），关注Error, Warning级别信息，特别是链路状态变化、协议邻居震荡、硬件故障等。
• 28. 固件/OS版本： （定期）检查操作系统（IOS, NX-OS, Junos, EOS, VRP等）版本，评估是否需要按计划升级。
• 29. 物理连接与标签： 检查所有网线、光纤跳线连接牢固，光纤接口清洁（无尘），线缆标签清晰准确。
• 30. 机柜内环境： 检查网络设备在机柜内安装是否稳固，线缆整齐规范，散热空间充足。

三、存储系统维护检查（10条）

1. 31. 控制器状态： 检查存储控制器状态是否均为Online，无Failed或Degraded。
2. 32. 电源与风扇： 检查冗余电源、风扇模块状态是否正常（同服务器）。
3. 33. 磁盘柜与磁盘：
• • 检查磁盘扩展柜状态、链路状态。
• • 检查所有物理磁盘状态（Online, Spare, 无Failed, Predictive Failure）。
• • 检查磁盘槽位指示灯。
• 34. 存储池/LUN/卷状态： 检查存储池/卷组状态是否正常（Normal），LUN/卷状态是否为Online，无Degraded。
• 35. RAID状态： 确认RAID组状态为Optimal，无降级或重建中（如有，监控重建进度和性能影响）。
• 36. 缓存状态： 检查读写缓存状态是否启用、电池/电容状态（如BBU, FBWC）是否正常（OK, Charged），无警报。
• 37. 前端端口状态： 检查主机连接（FC, iSCSI, NFS, CIFS）端口状态是否Online，无错误计数异常。
• 38. 后端端口状态： 检查连接磁盘柜的SAS/FC后端端口状态是否正常。
• 39. 性能监控： 检查关键性能指标（IOPS, 吞吐量MB/s, 延迟ms）是否在基线范围内，无异常飙升或持续过高。
• 40. 快照与复制状态： （如配置）检查本地快照、远程复制（同步/异步）状态是否正常，无失败或挂起。
• 41. 容量管理：
• • 检查存储池/文件系统的总容量、已用容量、可用容量。
• • 检查容量利用率是否超过预设阈值（如>80%），提前规划扩容。
• 42. 管理接口与日志： 检查管理接口（带内/带外）连通性，审查系统告警日志和事件日志。
• 43. 固件版本： （定期）检查控制器、磁盘柜、磁盘固件版本，评估升级计划。
• 44. 物理环境： 检查存储设备散热、线缆连接、标签。

四、操作系统维护检查（15条）

1. 45. 系统负载与运行状态：
• • 检查平均负载（uptime, w - Linux；性能监视器 - Windows）。
• • 检查关键服务/进程状态是否运行（systemctl status , ps -ef | grep - Linux；服务管理器 - Windows）。
• 46. CPU利用率： 使用 top, htop, vmstat 1, mpstat -P ALL 1 (Linux) 或任务管理器/性能监视器 (Windows) 监控CPU使用率及%idle，识别高负载进程。
• 47. 内存使用：
• • 检查总内存、已用内存、空闲内存、缓冲区/缓存内存（free -m, vmstat - Linux）。
• • 检查Swap使用量（free, swapon -s - Linux；页面文件使用 - Windows），过高Swap使用是内存不足的信号。
• 48. 磁盘空间：
• • 检查所有挂载点的磁盘使用率（df -h - Linux；资源监视器/wmic - Windows）。
• • 识别大文件或增长过快的目录（du -sh * | sort -h, ncdu - Linux；WinDirStat - Windows）。
• 49. 磁盘I/O： 监控磁盘读写速率、I/O等待时间、队列深度（iostat -dx 1 - Linux；性能监视器 - Windows），识别I/O瓶颈。
• 50. 网络连接与带宽：
• • 检查网络接口状态、IP配置（ip addr, ifconfig - Linux；ipconfig - Windows）。
• • 监控网络流量（iftop, nload, vnstat - Linux；资源监视器/第三方工具 - Windows）。
• • 检查TCP连接状态（netstat -anp, ss - Linux；netstat -ano - Windows），关注TIME_WAIT, CLOSE_WAIT过多。
• 51. 用户与登录：
• • 检查当前登录用户（who, w - Linux；query user - Windows）。
• • 检查最近的登录记录（last - Linux；事件查看器安全日志 - Windows）。
• • 检查异常用户或提权操作。
• 52. 关键进程资源占用： 检查数据库、中间件、应用进程的CPU、内存、句柄数等资源消耗是否异常。
• 53. 系统日志：
• • 集中检查或本地检查核心系统日志（/var/log/messages, /var/log/syslog, dmesg - Linux；事件查看器系统/应用日志 - Windows）。
• • 筛选 ERROR, WARNING, CRIT, FAIL 等级别信息并处理。
• 54. 定时任务： 检查计划任务（crontab -l, /etc/cron*/* - Linux；任务计划程序 - Windows）执行状态，查看日志确认是否成功。
• 55. 文件系统健康： （定期）检查文件系统完整性（fsck - Linux；chkdsk - Windows），通常在维护窗口进行。
• 56. 包管理与补丁：
• • 检查可用的系统更新（yum check-update, apt list --upgradable - Linux；Windows Update）。
• • （按变更管理流程）评估、测试、安排补丁安装。
• 57. 时间同步： 检查NTP服务状态，确认系统时间与NTP服务器同步（ntpq -p, timedatectl - Linux；w32tm /query /status - Windows）。
• 58. 安全更新与配置： （定期）审计系统安全配置（如SSH配置 /etc/ssh/sshd_config，密码策略，防火墙规则 iptables/nftables/firewalld - Linux；Windows防火墙/安全策略）。
• 59. 备份验证： （定期）验证操作系统层面的关键配置文件备份的可用性和完整性。

五、数据库维护检查（10条）

1. 60. 实例状态： 确认数据库实例运行状态正常（sqlplus / as sysdba -> SELECT status FROM v$instance; - Oracle；SHOW DATABASES; - MySQL；SELECT state_desc FROM sys.databases; - SQL Server）。
2. 61. 监听器状态： 检查数据库监听器是否运行并能接受连接（lsnrctl status - Oracle；SHOW PROCESSLIST; - MySQL；SQL Server配置管理器）。
3. 62. 表空间/文件组使用率： 检查所有表空间/文件组的空间使用情况，确保有足够空闲空间（Oracle: DBA_FREE_SPACE；MySQL: information_schema.FILES；SQL Server: sp_helpdb / sys.database_files）。
4. 63. 性能监控：
• • 监控关键性能指标（活动会话数、逻辑读/物理读、缓存命中率、锁等待）。
• • 识别慢查询（AWR, ASH - Oracle；慢查询日志 - MySQL；sp_whoisactive, 扩展事件 - SQL Server）。
• 64. 备份状态：
• • 检查最近一次全备、增量备/日志备份是否成功完成。
• • 检查备份文件大小是否合理，备份日志有无错误。
• • （定期）进行恢复演练验证备份有效性。
• 65. 日志文件：
• • 检查数据库告警日志（alert_.log - Oracle；错误日志 - MySQL；SQL Server错误日志）是否有 ORA-, Error 信息。
• • 检查事务日志文件状态和使用率（避免日志满）。
• 66. 作业与调度： 检查数据库作业调度器（Oracle Scheduler, MySQL Event Scheduler, SQL Server Agent）中的关键作业（如备份、统计信息收集、数据归档）执行状态是否成功。
• 67. 统计信息： （定期）检查表/索引统计信息是否陈旧，确保自动或手动收集任务正常运行。
• 68. 连接与会话： 检查当前连接数是否在合理范围，识别异常或长时间空闲会话。
• 69. 复制状态： （如配置）检查主从复制（MySQL Replication, SQL Server AlwaysOn/Replication, Oracle DG）状态是否正常，延迟是否在可接受范围内。
• 70. 安全审计： （定期）检查数据库用户权限、审核日志，确保符合安全策略。

六、虚拟化平台维护检查（8条）

1. 71. 集群状态： 检查vCenter/SCVMM/Proxmox VE集群状态是否正常，主机无隔离、无错误。
2. 72. 主机状态： 检查所有ESXi/Hyper-V/KVM宿主机连接状态、健康状态（CPU, 内存, 存储, 网络告警）、补丁级别。
3. 73. 虚拟机状态： 检查所有虚拟机电源状态是否预期，无异常（无响应、启动失败、心跳丢失）。
4. 74. 存储状态： 检查Datastore/LUN/存储池状态、容量使用率、性能指标（延迟、IOPS），确保无数据存储不可访问（APD/ PDL）。
5. 75. 网络状态： 检查虚拟交换机（vSwitch, vDS）、端口组状态、物理网卡绑定状态。
6. 76. 资源池与资源利用率： 监控集群及主机的CPU、内存使用率，是否有资源争用或瓶颈。
7. 77. 高可用与容错： （如配置）检查HA（高可用性）、FT（容错）、DRS（分布式资源调度）功能状态是否正常。
8. 78. 备份状态： 检查虚拟机备份作业是否成功完成，备份文件验证状态。
9. 79. 管理节点： 检查vCenter Server/SCVMM服务器/Proxmox VE管理节点的状态、性能和日志。
10. 80. 固件与驱动： （定期）检查宿主机的HBA卡、网卡固件和驱动版本，评估升级需求。

七、备份系统维护检查（7条）

1. 81. 备份作业状态： 检查所有计划备份作业（全备、增量备、差异备）是否按计划成功完成。重点：检查作业日志中的错误或警告信息。
2. 82. 备份数据验证：
• • （定期）执行备份数据的完整性验证（如果备份软件支持）。
• • （定期）执行关键数据的恢复演练（粒度恢复、整机恢复），验证备份实际可恢复性。这是最重要也是最易被忽略的环节。
• 83. 备份存储容量： 监控备份目标（磁盘库、磁带库、云存储）的存储空间使用率，确保有足够空间容纳未来的备份。
• 84. 介质状态： （如使用磁带）检查磁带驱动器状态、磁带介质状态（清洗带、数据带）、磁带库机械手状态。
• 85. 备份策略审核： （定期）审核备份策略（RPO, RTO）是否仍符合业务需求，备份保留周期是否合理。
• 86. 备份客户端状态： 检查所有需要备份的服务器/应用上的备份代理（Agent）状态是否正常、在线。
• 87. 备份软件状态： 检查备份服务器/介质服务器的状态、性能、日志。确认软件许可证有效。
• 88. 异地备份状态： （如配置）检查异地复制或云备份任务的状态和同步情况。

八、安全设备与策略维护检查（10条）

1. 89. 防火墙状态： 检查防火墙引擎状态、HA状态（主备/集群）、接口状态、会话数是否正常。
2. 90. 安全策略状态： 检查关键安全策略（ACL、NAT、IPS/IDS策略、应用控制策略）是否处于激活状态。
3. 91. 威胁检测与日志：
• • 检查IPS/IDS告警日志，分析最新威胁事件。
• • 检查防火墙拒绝日志（deny），分析是否有异常扫描或攻击尝试。
• 92. VPN状态： （如配置）检查VPN隧道状态（是否up）、用户连接数。
• 93. 防病毒状态： （网络层/终端层）检查防病毒控制台，确认病毒定义更新正常，扫描任务执行正常，无大规模病毒感染告警。
• 94. 漏洞扫描结果： （定期）查看最新漏洞扫描报告，跟踪高中危漏洞的修复进度。
• 95. 日志审计： 检查集中日志平台（SIEM）或安全设备本地日志，关注安全事件（登录失败、权限变更、策略修改、高危操作）。
• 96. 访问控制列表： （定期）审计防火墙、路由器、服务器上的访问控制列表（ACL），清理过期或无效规则。
• 97. 证书状态： 检查SSL VPN、HTTPS代理等服务使用的数字证书有效期，避免过期。
• 98. 配置备份： （变更后/定期）备份安全设备（防火墙、IPS、WAF）的配置文件。
• 99. 固件/特征库更新： 检查安全设备的操作系统版本、IPS特征库、病毒库版本，按计划进行更新。

九、机房基础设施维护检查（10条）

1. 100. 温湿度监控： 实时监控机房温度和湿度（通常温度22-24°C，湿度40-60%RH），确保在设定阈值范围内。
2. 101. UPS状态：
   * 检查UPS输入/输出电压、电流、频率、负载百分比。
   * 检查电池状态（浮充电压、内阻、后备时间估算）。
   * 检查UPS运行模式（通常应为Normal在线模式）。
3. 102. 精密空调状态： 检查空调运行状态、设定温度/湿度、送回风温度、压缩机/风机状态、告警信息。
4. 103. 配电柜状态： 检查配电柜总输入、各输出支路电流、电压、开关状态、指示灯。注意安全，非专业人员勿操作。
5. 104. 漏水检测： 检查漏水检测系统状态是否正常，探头位置合理，无漏水告警。
6. 105. 消防系统状态： （专业人员/维保人员）检查气体灭火系统、烟感温感探测器状态是否正常，压力表指示在绿区。严禁非授权操作。
7. 106. 门禁系统状态： 测试门禁刷卡/生物识别功能、门磁状态、记录查询功能是否正常。
8. 107. 视频监控状态： 检查摄像头画面是否清晰、覆盖关键区域（出入口、机柜通道、配电间、空调间）、录像存储正常。
9. 108. 物理环境：
   * 检查机房清洁卫生，地面、机柜顶部无积尘。
   * 检查通道（冷/热通道）是否畅通无阻，无杂物堆放。
   * 检查机柜门是否关闭。
10. 109. 标签标识： 检查所有设备、线缆、开关、配电回路标签是否清晰、准确、完整。

十、文档与流程

• • Checklist执行记录： 每次执行检查后，应有记录（时间、执行人、结果、异常处理情况）。
• • 异常处理流程： 对检查中发现的异常，应有明确的报告、响应、升级和处理流程。
• • 定期Review： 定期（如每季度/半年）Review这份Checklist本身，根据业务变化、技术演进、故障教训进行增删修订。
• • 知识库更新： 将检查标准、常见问题处理方案沉淀到运维知识库。