核心是让cpu、内存、硬盘、电源、散热系统在极限负载下持续运行24小时以上，通过prime95 blend模式压测、fio随机io、ipmitool监控温压与电源波动，并注入故障验证自愈能力。
测试服务器在高压环境下的硬件稳定性，核心是让关键部件（CPU、内存、硬盘、电源、散热系统）在接近极限的负载下持续运行，并观察是否出现错误、降频、重启或性能衰减。这不是跑一次短时基准分就能判断的事，而是需要分部件、长时间、带监控的组合验证。
CPU与内存联合满载测试
单独测CPU或内存容易漏掉耦合问题，比如内存带宽瓶颈导致CPU无法持续满频。推荐用Prime95的Blend模式（Windows/Linux通用），它同时压CPU计算和内存读写，模拟真实高密度计算场景。运行时间建议不少于24小时，期间用HWMonitor或ipmitool sensor实时看：
- CPU温度是否稳定在85℃以下（Intel/AMD主流服务器CPU安全阈值）
- 是否触发Thermal Throttling（降频）或Package Power Limit throttling
- 内存ECC错误计数是否增长（通过
rasdaemon或edac-util -v查看）
硬盘持续随机IO压力测试
数据库、虚拟化等典型业务不是顺序大文件读写，而是大量4K随机读写。用fio构建贴近真实的长期IO压力：
- 命令示例：
fio --name=randrw-4k --filename=/data/testfile --rw=randrw --bs=4k --rwmixread=70 --size=50G --numjobs=8 --runtime=86400 --iodepth=64 --direct=1 - 重点监控：
iostat -x 1看%util是否持续100%、await是否突增、svctm是否波动；同时用smartctl -a /dev/sdX检查重映射扇区、UDMA CRC错误等早期故障信号
整机协同压力+温控验证
单部件稳不代表整机稳。要让CPU、内存、硬盘、网卡（如用iperf3打满万兆口）同时满载，再叠加环境压力：
- 关闭机房空调（仅限测试机房且有专人值守）或调高环境温度至35–40℃，验证散热冗余能力
- 用
ipmitool power status和ipmitool sensor查电源输出电压波动（±5%内为正常）、风扇转速是否自动拉升、各区域温度是否均衡 - 若服务器支持Redfish API，可调取
/redfish/v1/Chassis/1/Thermal获取完整热区数据
故障注入与恢复观察
真正考验稳定性的，是出问题后能否自愈。可在高压运行中人为触发边界条件：
- 拔掉一个电源模块（双电配置下），观察是否无缝切换、负载是否重新分配、日志有无PSU-related AER报错
- 热拔插一块NVMe盘（需确认驱动支持），检查OS是否识别设备丢失、应用是否超时而非崩溃、BMC是否上报事件
- 用
echo 1 > /proc/sys/kernel/sysrq+echo s > /proc/sysrq-trigger手动触发同步，验证存储栈在高压下是否仍响应底层指令
