linux 死機日誌分析

系統出現死機，一般分為兩種情況：一是硬體問題；二是軟體問題。

一、硬體問題

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複到原來的頻率

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系統在某些應用上，是可以把硬體的效能發揮到極限的，但這樣的硬體運行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下，電源可以滿足負載。

3、使用memtest86檢查記憶體狀態

4、恢複BIOS到預設狀態

對於伺服器，可以使用內建的監測工具進行測試，也是一個不錯的排錯方法。

二、軟體問題

如果已經基本排除硬體問題，那我們就必須考慮從軟體上去獲得死機狀態的系統資訊了。

1、運氣足夠好的話，系統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。

前提是我們必須先開啟sysrq功能：

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

#setterm -blank

這樣，當系統出現問題的時候，我們可以使用：

引用

Alt+Sysrq-T 獲得進程系統堆棧資訊

Alt+Sysrq-M 獲得記憶體配置資訊

Alt+Sysrq-W 獲得當前寄存器資訊

更多的熱鍵可以參考系統上的/usr/src/linux/Documentaion/sysrq.txt

其中，setterm -blank可以關閉字元下定時黑屏保護，方便記錄螢幕資訊。

2、為了讓螢幕顯示更多的核心調試資訊，可以修改控制台的顯示模式為80x25，在/boot/grub/menu.lst中對應的kernel一行最後，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，那我們只能採用串口方式，把系統資訊發送到另一台系統上，方法：

修改/boot/grub/menu.lst檔案，在kernel一行最後增加核心參數"console=ttyS0 console=tty1"，如：

引用

kernel /boot/grub/vmlinuz-2.4.21-9.30AXsmp ro root=/LABEL=/1 console=ttyS0 console=tty1

然後，修改/etc/sysconfig/syslog，加入klogd選項"-c 7"，如：

引用

KLOGD_OPTIONS="-x -c 7"

重啟伺服器；進行測試：

1）使用串口直連線串連客戶機和伺服器，在客戶機上運行：

cat /dev/ttyS0

伺服器上運行：

echo hi > /dev/ttyS0

如果客戶機有"hi"輸出即可。

2）伺服器上運行：

echo w > /proc/sysrq-trigger

看看客戶機上是否有相應的核心資訊輸出

3）伺服器上運行：

modprobe loop

看看客戶機上是否有相應的核心資訊輸出

如果測試都通過的話，那麼在客戶機上運行：

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核心資訊了（查看/tmp/result）。

三、總結

一般造成Linux系統死機的原因有：

系統硬體問題（SCSI卡，主板，RAID卡，HBA卡，網卡，硬碟等）

外圍硬體問題（網路等）

軟體問題（系統、應用軟體）

驅動bug（找新的驅動）

核心系統bug（到LKML看看，或更換核心再試）

系統設定（恢複到預設狀態，關閉防火牆等）