如何查找 Linux 死機原因？

Linux 內核雖然號稱“不死族”，幾乎不會崩潰或者死機，但是特殊情況下，還是有一定幾率會宕機的。轉載自 deleak.com

因為 Linux 廣泛用於生產環境，所以每一次宕機都會引起相當大的損失。它 Uptime 達到上百天也許你習以為常，但是只要 Down 十幾秒，就會立即急的滿頭大汗。真的很難以想象證交所宕機會怎麼樣，也許全國股民會鬧翻天。所以我們需要一些小技巧來查找死機的原因，從而避免死機或者內核崩潰。（話說 windows 天天藍屏也沒感覺呀 :-o 難道已經麻木了 :oops: ）

請注意：以下方法可能不適用於 Server，因為桌面環境和 Server 還是有很大區別的。

X Crash

事實上 Linux 內核很少出錯，平常我們所遇到的“死機”都是 X 無響應造成的錯覺。那 X 沒響應了應該怎麼處理呢？

通常套路是 Ctrl + Alt +F7 (F8) 切換到某個 tty，然後用 root 登陸，執行 top 查看吃資源最多的程序，然後使用 pkill/kill/killall 等命令殺死該程序。或使用組合鍵 Ctrl + Alt + Backspace 重啟 X （

黑日白月注

：這個快捷鍵組合在最新的 Ubuntu 和 Fedora 中關閉）。

如果偶遇切換 tty 失敗或者沒響應，可以試著使用 SSH 登陸此電腦，然後再殺死程序。也許只是 X 不響應，而內核和 SSH daemon 仍然工作，故此可以實施此法。

arch 配置 SSH daemon

萬一 X 不給力，各種方法試了無效，又沒有辦法通過 SSH 登陸到此 pc，那怎麼辦呢？別著急，我們還有萬能的 “reisub” 大法。不過在啟用前先要激活內核 sysrq 功能 (via) 。系統啟動時執行： echo "1" > /proc/sys/Kernel/sysrq 或者修改 /etc/sysctl.conf 文件，設置 Kernel.sysrq = 1。系統異常時依次按下 Alt+sysrq+{reisub} ，然後系統會自動重啟。（有關 sysrq 請看：Linux 死機了怎麼辦？）

不建議長按 Power 按鍵強制關機，有可能損壞硬體或者丟失數據，甚至導致磁碟壞道！

X 崩潰而內核完好

常見的癥狀有：程序無響應，花屏，滑鼠移動指針無動作，鍵盤輸入沒有識別等。但後台的音樂可以正常播放，或者鍵盤 Caps Lock/Num Lock/Scroll Lock 按鍵按后對應 LED 可以正常亮滅。遇到此種情況可以使用上述方法重啟 X 或者電腦即可恢復正常。

Application Crash

這個比較常見，但是也是相當難解決的。因為 Linux 上的應用軟體大部分都是開源的，所以可能沒有超高的穩定性。也許由於庫的缺少或者版本錯誤，或者代碼的 Bug，都有可能導致程序出現異常。

一般遇到這種問題，建議檢查配置文件是否正確，對配置文件的錯誤修改可能導致程序的運行失敗。如果您確信配置文件沒有錯誤但是程序仍然異常，可以嘗試把配置文件刪除（注意備份！），然後再次打開軟體嘗試。通常程序的配置文件在：

• ~/.[APPNAME]
• ~/.config/[APPNAME]
• /etc/[APPNAME].conf

或者有可能是庫的錯誤，您可以在終端輸入程序名或者程序路徑運行程序，根據終端的提示信息除錯。由於導致程序崩潰的可能性多種多樣，在此不能一一列舉，所以建議您根據出錯信息去 google 搜索並找到解決方案。

Kernel Panic

X 的問題還好辦，可是如果 RPWT 碰到 Kernel Panic，那可真是上天無路入地無門，撞牆的心都有 :evil: 。

一般引起 Kernel Panic 的原因很多，但是都比較罕見。例如硬體問題 (irq confilct, bad block, high temperature)，軟體問題（錯誤的 mod，內核的 Bug），或者文件系統不支持（沒有內建 ext4 支持卻掛載 ext4 的 root 分區），硬體的變動（如添加/更換內存，不支持架構的cpu），錯誤的驅動。

Kernel Panic 的表現形式也是多種多樣：啟動失敗，不正常的長時間 io 操作，鍵盤燈的不正常頻閃，wireless 等指示燈錯誤閃爍，無響應（請區別 xorg crash 情況），徹底鎖死，黑屏，reisub 大法不靈 等等。

一般情況下，秉承 KISS 原則的 Linux 內核，會儘力解決一切錯誤並正常運行，如果遇到極端情況發生 Panic，它會儘可能把所有相關信息顯示在屏幕上——至於多少，別奢求，Kernel 已經儘力了。

因為 Kernel Panic 是一種很極端的情況，有的人可能自從使用 Linux 就沒有遇到過。所以我們要收集所有相關的信息來解決問題。發生錯誤后的各種輸出是最直接的最有效的（ Dump 在 tty。請關閉 x）。因為 Kernel 已經崩潰，不一定能找到完整的 Log。您可以根據以下線索嘗試：

1. /var/log/messages —— rp 爆發的時候，也許會記錄下很多相關信息。按照時間戳查找。
2. 回溯操作 —— 回憶 Kernel Panic 之前所做的所有事，並回滾。（如安裝了某個程序，可以在 /var/log/pacman.log 找到安裝日誌）
3. Dump 信息 —— 屏幕輸出信息是系統最後的“遺言”，請使用數碼相機或者筆紙記錄。（tty only）

接下來就應該根據錯誤發生的可能原因進行排除。將內核啟動參數化為最簡形式，不應附加任何不必要參數，並 BIOS 中禁用掉所有無關硬體。相關日誌文件：

• /var/log/boot
• /var/log/xorg 所有相關（僅參考）
• /var/log/messages

如果可以，您應該記錄下所有屏幕輸出信息，並查看 /var/log/messages 。

可能遇到的問題，和解決方法：

1. irq conflict （還好我沒碰到），可以嘗試從 bios 修改硬體irq，或者升級 bios，都不生效就換電腦或者禁用衝突硬體；
2. bad balock，嘗試修復壞道或者屏蔽壞道分區，建議更換磁碟；
3. io error，同上，也有可能是沒有內建文件系統支持的原因，重新編譯內核或者找最新版的內核安裝；
4. mod，刪除可能導致錯誤的內核模塊（如 vboxdrv），涉及到的命令有：
   • lsmod: 列出已載入的模塊
   • modprobe: 載入模塊（

     黑日白月註：

     在這裡和其他命令對應的為 insmod + depmod 比較好，modprobe 更類似於 XXXmod 系列命令的升級整合版本。）
   • rmmod: 移除內核中模塊，效果等同於 modprobe -r
   • modinfo: 顯示模塊相關信息
5. driver，a卡或者n卡驅動，也容易造成問題；
6. 硬體本身的問題導致，建議檢測硬體可用性和兼容性（例如 memtest+）；
7. 內核 bug，如果您有能力，建議使用 KDB (Kernel debugger) 排錯，或者重新編譯內核；
8. 不負責任的告訴您，最好的方法是換 windows :mrgreen:

為了方便作者集中回復，請前往原文評論

消息來源