有一台 Linux 工控机，最近频繁死机。具体的现象就是，PING 无响应，串口连接无任何反应。但是网线的灯是闪的，插拔网线也会亮灯和灭灯。长按电源硬重启恢复。开启 kdump 后，在/var/crash 中无任何文件产生，查看/var/log/messages 无任何异常日志，只是日志停在了死机的那一刻，串口也没有任何崩溃输出。 系统负载低，CPU 硬盘负载接近 0%，内存 15%左右，没有跑什么业务，设备的温度不高，都在 40-50°C 以下，死机的时候没有进行任何操作。
目前怀疑方向是前段时间厂家给这个设备加了两个 PCI 扩展卡，目前该扩展卡上面还插了两个 PCI 网卡，以及网卡上面有一个光模块，但是没流量。
这个问题有没有什么好的排查方向，目前在排除扩展卡，还是 PCI 网卡，还是插入的光模块导致。只能一个一个组件进行排除，但是该问题复现时间不确定，整个排查周期可能非常久。有没有什么其他更好的方向分析那个问题呢，还有上面新增的这几个硬件有没有可能导致这种现象发生呢
15 条回复 • 2024-09-27 18:26:53 +08:00
 |
1
Moyyyyyyyyyyye 7 天前
电源是否稳定，检查内存硬盘是否有问题，大概率是硬件问题
|
 |
2
tomemi 7 天前
换个内核看看
|
 |
3
yinmin 7 天前 via iPhone
接显示器/键盘看看死机前有没有报错信息。
另外，你说的情况不一定 linux 死机，也许通过本机键盘能正常登录，只是网络故障。 |
 |
4
hefish 7 天前
硬件。。。慢慢换吧。。
|
 |
5
sublimevsatom 6 天前 via iPad
用最新内核看看
|
 |
6
bli22ard 6 天前
我之前零刻 eq12 ，安装 pve 慢，然后运行中负载搞了就容易死机。换了内存尝试依旧。后面还了 ssd ，好了。奇怪的是这个 ssd 检测，当移动硬盘什么都正常。
|
 |
7
flynaj 6 天前 via Android
https://www.memtest.org/ 先跑内存测试。
|
 |
8
basncy 5 天前
遇到过同样的问题, 当时我的情况是 SSD 硬盘快坏了, 换了块硬盘就好了. 庆幸当时还能把数据读出来.
|
 |
9
bingfengfeifei OP @yinmin console 也没有反应了，而且重启时候的日志分析，日志停在了死机那一刻，CPU 内存状态采集的程序也在那一刻归零一条直线。 大概率还是系统死机了，不仅仅是网络问题
|
|
10
bingfengfeifei OP @flynaj 跑了 3,4 个小时，0 error 。。
|
 |
11
druggo 4 天前
@bingfengfeifei 真正的问题日志可能没有机会存盘了，可以考虑开这个远程记录下内核日志 https://www.kernel.org/doc/html/latest/networking/netconsole.html
|
 |
12
dode 3 天前
键盘大小写呢
|
|
13
flynaj 3 天前
@bingfengfeifei #10 跑一圈，出 pass 就行。然后跑 cpu,windows 下用 aida64 跑系统稳定性测试，只点 fpu. linux 下用 stress-ng --ipsec-mb 0 --ipsec-mb-feature avx2 测试 cpu 。avx2 换成呢最高支持的指令集 avx sse3 sse2 sse 等
|
|
14
flynaj 3 天前
cpu 干完，在测硬盘。硬盘闪存颗粒坏的概率就非常高了。
|
 |
15
liuliancao 15 小时 4 分钟前
dmesg -T|grep -i err 可以看看 另外 crash 没产生 看看 ulimit -a 是否 core 那一行是 0 （应该不是 0 才对）感觉一般是内核或者驱动问题 如果非生产环境，可以先备份好，把系统能升级的升级下 在启动的时候换个内核
|
Select Language