如果問題能夠再現,那么問題已經解決 80% 了,對于操作系統核心而言,如果有問題的再現方法,那么可以說是已經解決 99% 了,經常遇到的問題是系統可以正常運行一段時間,然后死機,如果不好再現問題,那么只有根據死機現場遺留的東西來進行分析了。

如果系統沒有死干凈,比如磁盤中斷和文件系統是好的,那么也許能有日志信息保留在文件中,不過這樣的好運氣我是從來沒有遇到過的,如果鍵盤中斷還能響應 (按下Num Lock,可以看見鍵盤小燈亮滅),那么運氣就算是足夠好了,這時可以祭出 sysrq 大法,同時按下 Alt-Sysrq-T 獲得進程系統堆棧信息,按下 Alt-Sysrq-M 獲得內存分配信息,按下 Alt-Sysrq-W 獲得當前寄存器信息。

linux/Documentation/sysrq.txt,另外,最好關閉終端的自動 blank 功能,這樣系統死的時候至少能從屏幕上看到一些信息,設置方法是：

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

# setterm -blank

這兩個設置最好加到系統啟動腳本中(比如 /etc/rc.d/rc.local),保證每次啟動都能得到運行.

如果很不幸,鍵盤也死悄悄了,(更為不幸的是,這種情況很常見),那么也不是只有等死一個辦法,這時可以用串口終端 (serial console)將系統信息發送

到另一臺系統上,這樣可以通過對這些信息分析來定位問題,設置方法如下：

準備工作:

1.一臺被監視的服務器，一臺進行監視工作的PC。

2.一根串口直連線。

配置:

1.在服務器上，加入一個新的 grub 項目，增加核心參數 "console=ttyS0 console=tty1"，如：

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

console=tty1

2. 在服務器上，修改 /etc/sysconfig/syslog，加入 klogd 選項 "-c 7"，保證更多內核信息得到輸出。如：

KLOGD_OPTIONS="-x -c 7"

3. 重新啟動服務器

4. 用串口直連線連接兩臺機器，測試：

1) 在PC上運行 "cat /dev/ttyS0"，在服務器上運行 "echo hi > /dev/ttyS0"，看在 PC 上是否有 "hi" 輸出。

2) 在PC上運行 "cat /dev/ttyS0"，在服務器上運行 "echo w > /proc/sysrq-trigger"，看 PC 上是否有相應內核信息輸出。

3) 在PC上運行 "cat /dev/ttyS0"，在服務器上運行 "modprobe loop"，看 PC 上是否有相應內核信息輸出。

5.如果測試通過，那么在 PC 上運行:cat /dev/ttyS0 | tee /tmp/result

另外,也可以用 Windows 超級終端獲得串口信息。

that's it.

此外,一些核心支持 LKCD, netdump 等調試功能,也可以一試,剩下的,就只有靠經驗和運氣了,一般造成 Linux 系統死機的原因有：

系統硬件問題 (SCSI 卡，主板，RAID 卡，網卡，硬盤...)

外圍硬件問題 (終端切換器，網絡...)

軟件問題:

驅動 bug (去找更新的驅動試試)

核心系統 bug (去 LKML 上看看，或換個核心試試)

系統設置:

最后,google一把,有時候你可以直接輸入 "Linux 系統死機怎么辦？"

PE6650 經常死機",看有沒有人遇到過和你同樣的問題,即使沒有找到,也是一個有助于分析問題的信息,至少說明你的系統可能有和其他人不同之處。

調查 Linux 系統死機問題,這既是科學又是藝術,牽扯到眾多的硬件軟件知識和經驗,是一個不斷學習的過程.