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
1
Moyyyyyyyyyyye 75 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 75 天前
换个内核看看
|
3
yinmin 75 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 75 天前
硬件。。。慢慢换吧。。
|
5
sublimevsatom 74 天前 via iPad
用最新内核看看
|
6
bli22ard 74 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 74 天前 via Android
https://www.memtest.org/ 先跑内存测试。
|
8
basncy 73 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 72 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 72 天前
键盘大小写呢
|
13
flynaj 71 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 71 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 68 天前
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
|