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_OPTIONS="-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)