服务器UPS不稳定事件调查报告

背景

这件事从最开始发现到现在已经有将近一年了，而直到现在也不能得出100%确定的原因，本文中所得出的结论也只是我的推测。任何复杂的系统，都难以通过单方面的判断得出有效的结论，消融实验是必要的，而很多时候又没有做消融实验的条件和时机。谨以本篇文章，还原我从发现UPS不稳定，到得出结论的心路历程，希望能带给读者一些参考。如果有读者遇到类似的事件，不妨与我讨论。

本文中涉及的UPS型号为山特 SANTAK TG-BOX 850，但本文不认为该 UPS 有质量问题，甚至这个 UPS 质量非常好，精度非常高，我们会在后文讨论。

本文一切内容均来自个人经验，并非相关品牌专业人士的官方声明，请在专业人士指导下进行相关操作。

突如其来的告警

那是一个平凡的夏天，我正坐在电脑前吹着空调看着番剧吃着雪糕，几个告警突然从手机弹出：UPS is on battery power。

正当我困惑，家里没停电啊，为什么 UPS 进入电池模式了，难道是误报？突然又收到一条告警已清除的邮件，随后就来来回回不停地收到一堆“抖动”的告警。

我开始检查 NAS 的状况，我有理由怀疑是 NAS 因为莫名其妙的原因触发了告警，而实际上 UPS 并没有发出告警，因为实际上并没有断电。但我并没有什么方法从 NAS 上找到线索，因为它的配置似乎是正常的。UPS 触发 NAS 告警的原理应该是：UPS 通过 USB 协议向 NAS 发送通知，NAS 上的服务接收到通知后，通过 SMTP 发到我的邮箱里。现在 USB 协议这段出现了莫名其妙的故障，导致了误触发，至少我当时是这么考虑的。我甚至考虑过暂时性地把联动关闭，但是风险很大，所以我一开始也只是延长了从断电到关机的时间，以在“抖动”中寻求稳定和折中。

我开始检查 UPS 的状况，发现好像确实在每次告警的时候，UPS 进入了电池模式，因为 UPS 的硬件告警灯亮了。这瞬间让我意识到没有关闭联动的必要性，如果我关闭了联动，而恰好 UPS 消耗光了电量，将会发生什么不可逆的后果。而调查也有了思路：线路故障，或者 UPS 本身故障。

消融实验

我一开始怀疑线路故障，因为插线板经常就会出现接触不良的问题，所以我在线更换了一个插线板，在更换完的一天内确实没有出现过告警，而之后又再次出现了，可以证明并非线路故障，因为该插线板在其他线路中工作正常。

随着告警越来越多，我在一次告警中观察到了长时间的 UPS 断电告警，我把 UPS 从系统中分离以进行进一步的测试。直到我把 UPS 插在我工作台的插座上，仍然提示告警，我坚信，这一定是 UPS 故障导致的。于是我立马联系 UPS 的售后，得知了这台 UPS 拥有三年质保，厂商的处理很迅速，从我寄过去到 UPS 寄回只用了不到一周时间。果然，新的 UPS 就再也没有发生过这种问题了。

然而，最近又开始断断续续地发生着告警，我很疑惑，所有的模块我都做过消融实验了啊，难道这个型号的 UPS 就有问题吗？但是既没有收到厂商对产品的召回，网络上也没有讨论相关话题的。

结论

直到我最近在小区的物业群里看到了有人在讨论最近小区电力不稳，一切都迎刃而解了。我迅速找到去年的告警，果然也是在夏天。这一切的一切，只有一个东西没有做过消融实验——那就是上游供电。我怎么就不能怀疑是它不稳导致的呢？但是我家里的另外两台 UPS 都工作正常，只有这台不正常，而且电脑也一直在持续稳定运行，因此我一开始就忽略掉了这个最不应该忽略的因素。因为电脑电源的电容很大所以稳定是正常的，而其他 UPS 可能对电压不稳并没有这么敏感，只有这台 UPS 的精度很高，对于哪怕电压出现的一丁点异常都能检测出来并及时接管供电。而都是发生在夏天，因为夏天大家都在使用，尤其是我发现天气越热就越容易出现这种情况，那一切就都解释清楚了。时间点也对得上，这些告警都是在晚上出现的，而晚上应该也是空调使用最多的时间段。

虽然我这么认为了，不过未来还会不会有其他证据推翻我的猜测呢？谁也不好说，因为没有确定性的证据，这些猜想，都只是我的一厢情愿，但姑且认为是这样子吧。我最近也开始在家里着手节能减排的规划了，先停掉了一个冰柜，然后将厨房的热水器也停掉了（冬天会改成定时运行），烧水器也改成只有白天运行了。虽然这并没有什么用，但我还是打算避免不必要的浪费。