闫工的工具箱
一线运维的算力观察：数据中心网络排障、GPU 算力集群交付、自研运维小工具，都来自真实机房。
自动化提效
GPU 掉卡要交日志，我受够了手敲命令：写了个脚本一键收
GPU 掉卡、报障时售后要一包诊断日志，手工敲命令容易漏，碰上跳板机和非默认端口更折腾。我写了个脚本：一条命令收齐 9 类日志、按 SN 命名归档。附端口坑和踩过的雷。
系统与存储机器退订了，数据还在盘里躺着？我的五步回收流程
客户退订后机器要重新入池，但盘里的数据得先清干净。没清完就入池，是数据事故。这篇写五步回收流程、擦除标准的分级怎么选、高敏场景的多轮覆写脚本，以及我踩过的几个坑。
自动化提效客户开白名单得等半天？我直接写了个自助开通门户，半分钟搞定
客户开个白名单要走工单、等我手工改防火墙，效率低还容易越权。我做了个自助门户：客户提交、自动下发、全程留痕。中间踩了个 /32 不对称导致撤销静默失效的坑，排查过程写出来给你避坑。
网络工程拿假报告交差？GPU 集群网络验收我列了 6 个必测平面
交付验收只测 RoCE 计算网，等于只验了发动机。我把 6 个网络平面列成一张清单，配 6 个输出 CSV 的一键脚本，还整理了验收报告里最常见的 4 类硬伤——报告能不能签字，看这几条就够。
网络工程NAT 回流：内网通过公网 IP 访问内网服务失败的原因与配置
端口映射做完后，外网访问正常、内网用户用同一个公网 IP 访问服务器却打不开。根因是回包走了非对称路径，附华为/Cisco/Palo Alto 配法与排错表。
算力基建NVIDIA Field Diagnostic 完整工作流：GPU 报障与 RMA 前的硬件体检
GPU 报障走 RMA，售后先要 fieldiag.log。它和 dcgmi、gpu-burn 怎么分工、诊断包从哪获取、skucheck 为什么报板卡不匹配、驱动怎么卸、FAIL 怎么定位到具体 GPU，一篇讲完。