文章內容

分析Linux系統計算機死機的故障原因

發布時間: 2012/8/8 18:19:46

系統死機，一般可分為兩種情況：那就是硬件和軟件問題。
    一、硬件的問題
    可以先分析以下幾點：
    1、不要使用超頻CPU，如果已經超頻的要先回復到原來的頻率
    雖然平時運行沒有問題，但可能在高負載的使用中就會出現不可預料的故障了。特別是linux系統在某些應用上，是可以把硬件的性能發揮到極限的，但這樣的硬件運行Windows可能是沒有問題的。
    2、確認電源供電充足
    必須確保在高負載的狀態下，電源可以滿足負載。
    3、使用memtest86檢查內存狀態
    4、恢復BIOS到默認狀態
    對于服務器，可以使用自帶的監測工具進行測試，也是一個不錯的排錯方法。
    二、軟件問題
    如果已經基本排除硬件問題，那我們就必須考慮從軟件上去獲得死機狀態的系統信息了。
    1、運氣足夠好的話，系統死機不一定是完全死掉(此時鍵盤可能還能響應)，那我們就可以使用Sysrq大法。
    前提是我們必須先打開sysrq功能：
    #echo "1" > /proc/sys/kernel/sysrq
    #setterm -blank
    這樣，當系統出現問題的時候，我們可以使用：
    引用
    Alt+Sysrq-T 獲得進程系統堆棧信息
    Alt+Sysrq-M 獲得內存分配信息
    Alt+Sysrq-W 獲得當前寄存器信息
    更多的熱鍵可以參考系統上的/usr/src/linux/Documentaion/sysrq.txt
    其中，setterm -blank可以關閉字符下定時黑屏保護，方便記錄屏幕信息。
    2、為了讓屏幕顯示更多的內核調試信息，可以修改控制臺的顯示模式為80x25，在/boot/grub/menu.lst中對應的kernel一行最后，增加vga=0x305，如：
    引用
    kernel /boot/vmlinuz-2.4.21-9.30AXsmp ro root=/LABEL=/1 vga=0x305
    3、萬一鍵盤也不幸死掉了，那我們只能采用串口方式，把系統信息發送到另一臺系統上，方法：
    修改/boot/grub/menu.lst文件，在kernel一行最后增加核心參數"console=ttyS0 console=tty1"，如：
    引用
    kernel /boot/grub/vmlinuz-2.4.21-9.30AXsmp ro root=/LABEL=/1 console=ttyS0 console=tty1
    然后，修改/etc/sysconfig/syslog，加入klogd選項"-c 7"，如：
    引用
    KLOGD_OPTIONS="-x -c 7"
    重啟服務器;進行測試：
    1)使用串口直連線連接客戶機和服務器，在客戶機上運行：
    cat /dev/ttyS0
    服務器上運行：
    echo hi > /dev/ttyS0
    如果客戶機有"hi"輸出即可。
    2)服務器上運行：
    echo w > /proc/sysrq-trigger
    看看客戶機上是否有相應的內核信息輸出
    3)服務器上運行：
    modprobe loop
    看看客戶機上是否有相應的內核信息輸出
    如果測試都通過的話，那么在客戶機上運行：
    cat /dev/ttyS0 | tee /tmp/result
    當死機出現的時候，我們就可以從客戶機上看到需要的內核信息了(查看/tmp/result)。
    三、總結
    一般造成Linux系統死機的原因有：
    系統硬件問題(SCSI卡，主板，RAID卡，HBA卡，網卡，硬盤等)
    外圍硬件問題(網絡等)
    軟件問題(系統、應用軟件)
    驅動bug(找新的驅動)
    核心系統bug(到LKML看看，或更換核心再試)
    系統設置(恢復到缺省狀態，關閉防火墻等)