文章內(nèi)容

分析Linux系統(tǒng)計算機(jī)死機(jī)的故障原因

發(fā)布時間: 2012/8/8 18:19:46

系統(tǒng)死機(jī)，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(diǎn)：
    1、不要使用超頻CPU，如果已經(jīng)超頻的要先回復(fù)到原來的頻率
    雖然平時運(yùn)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(yùn)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(jìn)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(jī)狀態(tài)的系統(tǒng)信息了。
    1、運(yùn)氣足夠好的話，系統(tǒng)死機(jī)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(jìn)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(hù)，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(jìn)行測試：
    1)使用串口直連線連接客戶機(jī)和服務(wù)器，在客戶機(jī)上運(yùn)行：
    cat /dev/ttyS0
    服務(wù)器上運(yùn)行：
    echo hi > /dev/ttyS0
    如果客戶機(jī)有"hi"輸出即可。
    2)服務(wù)器上運(yùn)行：
    echo w > /proc/sysrq-trigger
    看看客戶機(jī)上是否有相應(yīng)的內(nèi)核信息輸出
    3)服務(wù)器上運(yùn)行：
    modprobe loop
    看看客戶機(jī)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(jī)上運(yùn)行：
    cat /dev/ttyS0 | tee /tmp/result
    當(dāng)死機(jī)出現(xiàn)的時候，我們就可以從客戶機(jī)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(jī)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)