系統(tǒng)出現(xiàn)死機，一般分為兩種情況：一是硬件問題；二是軟件問題。 


一、硬件問題 


可以考慮分析以下幾點： 


1、不要超頻CPU，如果已經(jīng)超頻的先回復(fù)到原來的頻率 


雖然平時運行沒有問題，但可能在高負(fù)載的使用中就會出現(xiàn)不可預(yù)料的故障了。特別是linux系統(tǒng)在某些應(yīng)用上，是可以把硬件的性能發(fā)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(rèn)電源供電充足 


必須確保在高負(fù)載的狀態(tài)下，電源可以滿足負(fù)載。 


3、使用memtest86檢查內(nèi)存狀態(tài) 


4、恢復(fù)BIOS到默認(rèn)狀態(tài) 


對于服務(wù)器，可以使用自帶的監(jiān)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(jīng)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(tài)的系統(tǒng)信息了。 

1、運氣足夠好的話，系統(tǒng)死機不一定是完全死掉（此時鍵盤可能還能響應(yīng)），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(dāng)系統(tǒng)出現(xiàn)問題的時候，我們可以使用： 


引用 

Alt+Sysrq-T 獲得進程系統(tǒng)堆棧信息 

Alt+Sysrq-M 獲得內(nèi)存分配信息 

Alt+Sysrq-W 獲得當(dāng)前寄存器信息 

更多的熱鍵可以參考系統(tǒng)上的/usr/src/linux/Documentaion/sysrq.txt 


其中，setterm -blank可以關(guān)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(nèi)核調(diào)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(yīng)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(tǒng)信息發(fā)送到另一臺系統(tǒng)上，方法： 


修改/boot/grub/menu.lst文件，在kernel一行最后增加核心參數(shù)"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(wù)器；進行測試： 

1）使用串口直連線連接客戶機和服務(wù)器，在客戶機上運行： 


cat /dev/ttyS0 


服務(wù)器上運行： 


echo hi > /dev/ttyS0 


如果客戶機有"hi"輸出即可。 

2）服務(wù)器上運行： 


echo w > /proc/sysrq-trigger 


看看客戶機上是否有相應(yīng)的內(nèi)核信息輸出 

3）服務(wù)器上運行： 


modprobe loop 


看看客戶機上是否有相應(yīng)的內(nèi)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(dāng)死機出現(xiàn)的時候，我們就可以從客戶機上看到需要的內(nèi)核信息了（查看/tmp/result）。 


三、總結(jié) 


一般造成Linux系統(tǒng)死機的原因有： 

系統(tǒng)硬件問題（SCSI卡，主板，RAID卡，HBA卡，網(wǎng)卡，硬盤等） 

外圍硬件問題（網(wǎng)絡(luò)等） 

軟件問題（系統(tǒng)、應(yīng)用軟件） 

驅(qū)動bug（找新的驅(qū)動） 

核心系統(tǒng)bug（到LKML看看，或更換核心再試） 

系統(tǒng)設(shè)置（恢復(fù)到缺省狀態(tài)，關(guān)閉防火墻等） 

最新評論