Linux系統(tǒng)死機的軟硬件問題分析

系統(tǒng)出現死機，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，如果已經超頻的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(tǒng)在某些應用上，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、確認電源供電充足

必須確保在高負載的狀態(tài)下，電源可以滿足負載。

3、使用memtest86檢查內存狀態(tài)

4、恢復BIOS到默認狀態(tài)

對于服務器，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)，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(tǒng)出現問題的時候，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(tǒng)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(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"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(tǒng)死機的原因有：

系統(tǒng)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(tǒng)、應用軟件)

驅動bug(找新的驅動)

核心系統(tǒng)bug(到LKML看看，或更換核心再試)

系統(tǒng)設置(恢復到缺省狀態(tài)，關閉防火墻等)