Linux系統(tǒng)死機(jī)的軟硬件問題分析

系統(tǒng)出現(xiàn)死機(jī)，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(diǎn)：

　　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(shí)運(yùn)行沒有問題，但可能在高負(fù)載的使用中就會(huì)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(duì)于服務(wù)器，可以使用自帶的監(jiān)測(cè)工具進(jìn)行測(cè)試，也是一個(gè)不錯(cuò)的排錯(cuò)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(shí)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(shí)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(shí)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(tái)的顯示模式為80x25，在/boot/grub/menu.lst中對(duì)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(tái)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(xiàng)"-c 7"，如：[!--empirenews.page--]

　　引用

　　KLOGD_OPTIONS="-x -c 7"

　　重啟服務(wù)器;進(jìn)行測(cè)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(cè)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(shí)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(dòng)bug(找新的驅(qū)動(dòng))

　　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)