https://www.cciepro.cn/ Recent content in 闫工的工具箱 · 博客 on 闫工的技术博客 Hugo -- gohugo.io zh-cn © 2026 闫工 · [宁ICP备2026002305号-3](https://beian.miit.gov.cn/) Mon, 31 Aug 2026 00:00:00 +0800 https://www.cciepro.cn/about/ Mon, 31 Aug 2026 00:00:00 +0800 https://www.cciepro.cn/about/ <h2 class="relative group">关于闫工 <div id="关于闫工" class="anchor"></div> <span class="absolute top-0 w-6 transition-opacity opacity-0 -start-6 not-prose group-hover:opacity-100 select-none"> <a class="text-primary-300 dark:text-neutral-700 !no-underline" href="#%e5%85%b3%e4%ba%8e%e9%97%ab%e5%b7%a5" aria-label="锚点">#</a> </span> </h2> <p>十年运营商机房 IT 运维，CCIE。工作围绕数据中心网络架构、GPU 服务器硬件维护，以及裸金属服务器初始化交付。</p> https://www.cciepro.cn/posts/gpu-throttling-93c/ Wed, 26 Aug 2026 07:00:00 +0800 https://www.cciepro.cn/posts/gpu-throttling-93c/ 凌晨训练任务挂了，8 卡只剩 7 卡，温度 93°C 还带 Throttling——卡没坏，是太热了。从确认告警、风道检查、清灰换硅脂到 vBIOS 更新，完整排查流程，满载压回 80°C。 https://www.cciepro.cn/posts/bmc-batch-password/ Fri, 21 Aug 2026 07:00:00 +0800 https://www.cciepro.cn/posts/bmc-batch-password/ 新机房上架 100 多台服务器，BMC 还是出厂默认密码？逐台登 Web 改要一整天。用 IPMI 写个批量脚本：改密、建监控账号、并发重试、失败清单，100 台 20 分钟跑完。 https://www.cciepro.cn/posts/raid-false-alarm-hdd/ Fri, 31 Jul 2026 07:30:00 +0800 https://www.cciepro.cn/posts/raid-false-alarm-hdd/ 服务器报警说硬盘坏了，监控群里喊换盘。我没换——因为那多半是 RAID 卡误报的「疑似坏盘」标记，盘根本没坏。用 StorCLI 5 分钟平反：先看全局、再查 SMART 和健康日志，逻辑问题一键重建，真有物理坏道才换。别让一块好盘白白被换掉。 https://www.cciepro.cn/posts/gpu-bmc-troubleshooting-3am/ Sun, 26 Jul 2026 07:30:00 +0800 https://www.cciepro.cn/posts/gpu-bmc-troubleshooting-3am/ 凌晨3点，集群一台8卡GPU节点硬掉线。SSH连不上、ping不通，但BMC还活着。翻SEL发现供电在抖，锁定了坏掉的PSU3，顺带挖出NVIDIA驱动和内核的兼容性雷。不卖工具，卖教训。