银河麒麟OS物理服务器硬件故障时，须用原生工具kylin-diagnose-cli快速定位：先确认工具存在，再执行quick自检，对FAIL项深挖detail，最后导出带时间戳JSON报告；同时启用healthd服务实时捕获瞬态硬件告警，并辅以lscpu、dmidecode、smartctl、ipmitool等命令及麒麟管家图形界面综合诊断。
麒麟OS物理服务器出现硬件故障时，需立即使用系统自带工具定位问题，避免依赖第三方软件引入兼容风险或信创合规问题。银河麒麟V10 SP3及KOS 11.0已深度集成原生诊断套件与内核级健康轮询机制，所有操作均在不重启、不重装前提下完成。
启用kylin-diagnose-cli执行全模块快速诊断
该工具由麒麟软件官方开发，预装于所有信创认证物理服务器镜像中，输出结果直通等保2.0测评要求，无需联网下载额外包。
第一步：确认工具存在——终端中执行which kylin-diagnose-cli，若返回/usr/bin/kylin-diagnose-cli则已就绪；若无输出，说明系统为精简部署版，需执行sudo apt install kylin-diagnose-tools安装。
第二步：运行基础自检——输入sudo kylin-diagnose-cli --mode quick，该命令在90秒内完成主板供电状态、内存ECC校验计数、存储控制器链路、GPU显存完整性四类关键检测，输出含“PASS/FAIL”明确标识。
第三步：对失败项定向深挖——如输出中某模块标为FAIL（例如storage: FAIL），立即执行sudo kylin-diagnose-cli --module storage --action detail，获取PCIe拓扑、AHCI/NVMe驱动加载状态、SMART健康摘要三合一报告。
第四步：导出带时间戳的结构化报告——运行sudo kylin-diagnose-cli --export json > server_diag_$(date +%Y%m%d_%H%M%S).json，生成文件可直接提交至运维平台或等保审计系统。
调用healthd服务查看实时硬件告警日志
healthd是麒麟OS内建守护进程，专为物理服务器设计，每30秒轮询一次内核硬件事件缓冲区，捕获传统日志无法记录的瞬态错误（如电源浪涌、DIMM温度越界、PCIe AER错误）。
执行sudo systemctl enable --now healthd.service启用服务并设为开机自启。
查看最近5分钟全部硬件相关告警：sudo journalctl -u healthd --since "5 minutes ago" --no-pager | grep -E "(error|warn|overheat|timeout|linkdown)"。
若发现PCIe link training failed on device 0000:1a:00.0类报错，说明对应插槽网卡或RAID卡物理连接异常，需立即断电检查金手指与插槽接触；【切勿继续运行，否则可能引发总线级连锁故障】。
使用标准Linux命令组合核查底层硬件状态
方法一：CPU与内存健康速查
执行lscpu | grep -E "(Model|Socket|Thread|MHz)"确认多路CPU识别是否完整；运行sudo dmidecode -t memory | grep -E "(Size|Type|Speed|Manufacturer)"验证每条内存是否被BIOS正确上报，若输出中出现Size: No Module Installed但插槽物理有条，即主板内存控制器故障。
方法二：存储控制器与磁盘链路诊断
先执行lspci | grep -i "raid\|sata\|nvme\|ahci"，确认RAID卡或NVMe控制器是否被识别；再运行sudo smartctl -a /dev/sda | grep "SMART overall-health"，若返回SMART support is: Disabled，说明SATA控制器工作在IDE模式，需进BIOS强制切换为AHCI。
方法三：电源与温度传感器读取
执行sudo ipmitool sdr list 2>/dev/null | grep -E "(Temp|Voltage|PS)"（需已加载ipmi_si内核模块），直接调用BMC芯片原始传感器数据；若提示Could not open device，运行lsmod | grep ipmi确认ipmi_si和ipmi_devintf是否已加载，未加载则执行sudo modprobe ipmi_si ipmi_devintf。
通过麒麟管家图形界面触发设备级健康扫描
适用于远程桌面接管物理服务器场景，无需SSH权限即可启动底层传感器采集。
点击屏幕左下角“开始菜单”→在搜索框输入“麒麟管家”并回车→左侧导航栏选择“设备管理”→右侧顶部点击“健康检测”按钮。
首次运行会弹出硬件访问授权窗口，必须点击“允许”并输入管理员密码；若按钮灰色不可点，说明当前用户未加入adm组，需执行sudo usermod -aG adm $USER后重新登录。
扫描完成后，界面以红/黄/绿三色标注各部件状态：红色项（如“电源冗余失效”“内存ECC错误计数＞3”）需立即更换硬件；黄色项（如“CPU温度78℃”）需检查散热风道是否堵塞。
