Máy chủ ESX gặp sự cố trong cùng một cụm vcenter

Tôi có một cụm vcenter gồm 12 máy chủ ESX (ClusterA) và một cụm khác gồm 3 máy chủ ESX (ClusterB). Tất cả những thứ này là sự kết hợp giữa poweredge r620s và r630s.

Một số máy chủ có lỗi phần cứng có thể nhìn thấy trong nhật ký iDRAC và màn hình LCD phía trước, chẳng hạn như:

• Lỗi kiểm tra máy CPU
• Đã vượt quá tỷ lệ lỗi bộ nhớ có thể sửa được Theo dự kiến, điều này khiến các máy chủ đó không khả dụng (Không phản hồi) trong cụm.

Sửa các lỗi phần cứng này thường bao gồm các bước sau:

1. tắt nguồn
2. tháo card mạng
3. bật nguồn và đợi khởi động thành công vào hệ điều hành
4. tắt nguồn
5. đặt lại cùng một card mạng
6. bật nguồn Tôi thấy lạ là điều này sẽ sửa lỗi CPU & bộ nhớ, nhưng đó là điều luôn xảy ra.

ClusterB vẫn ổn - không có vấn đề gì. Vấn đề thực sự mà tôi gặp phải là khi tôi sửa một vài máy chủ từ ClusterA, 1-3 máy chủ ngẫu nhiên khác trong ClusterA sẽ gặp sự cố trong vòng một hoặc hai ngày. Sau 1-3 sự cố ban đầu đó, nếu tôi để yên mọi thứ, sẽ không có máy chủ nào gặp sự cố sau đó trong nhiều tuần. Điều này đưa tôi trở lại nơi tôi đã bắt đầu và tôi đã quan sát hành vi này nhiều lần.

Bất kỳ ý tưởng về những gì để kiểm tra?