分析Linux系统计算机死机的故障原因

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） 本文作者: