Linux系统死机的软硬件问题分析

    系统出现死机，一般分为两种情况：一是硬件问题;二是软件问题。

    一、硬件问题

    可以考虑分析以下几点：

    1、不要超频CPU，如果已经超频的先回复到原来的频率

    虽然平时运行没有问题，但可能在高负载的使用中就会出现不可预料的故障了。特别是Linux系统在某些应用上，是可以把硬件的性能发挥到极限的，但这样的硬件运行Windows可能是没有问题的。

    2、确认电源供电充足

    必须确保在高负载的状态下，电源可以满足负载。

    3、使用memteST86检查内存状态

    4、恢复BIOS到默认状态

    对于服务器，可以使用自带的监测工具进行测试，也是一个不错的排错方法。

    二、软件问题

    如果已经基本排除硬件问题，那我们就必须考虑从软件上去获得死机状态的系统信息了。

    1、运气足够好的话，系统死机不一定是完全死掉(此时键盘可能还能响应)，那我们就可以使用Sysrq大法。

    前提是我们必须先打开sysrq功能：

    #echo "1" > /proc/sys/kernel/sysrq

    #setterm-blank

    这样，当系统出现问题的时候，我们可以使用：

    引用

    Alt+Sysrq-T 获得进程系统堆栈信息

    Alt+Sysrq-M 获得内存分配信息

    Alt+Sysrq-W 获得当前寄存器信息

    更多的热键可以参考系统上的/usr/src/linux/DocumentaiON/sysrq.txt

    其中，setterm -blank可以关闭字符下定时黑屏保护，方便记录屏幕信息。

    2、为了让屏幕显示更多的内核调试信息，可以修改控制台的显示模式为80x25，在/boot/grub/menu.lst中对应的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、万一键盘也不幸死掉了，那我们只能采用串口方式，把系统信息发送到另一台系统上，方法：

    修改/boot/grub/menu.lst文件，在kernel一行最后增加核心参数"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选项"-c 7"，如：

    引用

    KLOGD_OPTI*="-x -c 7"

    重启服务器;进行测试：

    1)使用串口直连线连接客户机和服务器，在客户机上运行：

    cat /dev/ttyS0

    服务器上运行：

    echo hi > /dev/ttyS0

    如果客户机有"hi"输出即可。

    2)服务器上运行：

    echo w > /proc/sysrq-trigger

    看看客户机上是否有相应的内核信息输出

    3)服务器上运行：

    modprobe loop

    看看客户机上是否有相应的内核信息输出

    如果测试都通过的话，那么在客户机上运行：

    cat /dev/ttyS0 | tee /tmp/result

    当死机出现的时候，我们就可以从客户机上看到需要的内核信息了(查看/tmp/result)。

    三、总结

    一般造成Linux系统死机的原因有：

    系统硬件问题(SCSI卡，主板，RAID卡，HBA卡，网卡，硬盘等)

    外围硬件问题(网络等)

    软件问题(系统、应用软件)

    驱动bug(找新的驱动)

    核心系统bug(到LKML看看，或更换核心再试)

    系统设置(恢复到缺省状态，关闭防火墙等)