请教如何分析 Linux 系统意外重启

• 資深大佬 : mikeguan

  需要排查下硬件情况，特别是内存 /硬盘是否报错，有条件还是去机房看下具体情况比较好

• 主 資深大佬 : king1688888888

  @mikeguan 嗯假设是硬件没有任何告警的情况下，单纯从操作系统上分析。

• 資深大佬 : sean10

  抓内核日志，看是不是内存页访问报错

• 資深大佬 : flowercoder

  我能想到的是不知道你那服务器有没有管理口，进入设置的地方把日志打开，把日志记录打开，等着问题再度复现咯。
  还有就是看看 corntab 有没有什么自动重启的设定咯 /有没有人远程操作关机呢？还有能想到的就是电源问题了，双电还是单电？电源是做冗余的吗？有条件的换个电源看看。另外系统有条件用 vcenter 管理，重要的服务器可以在做好服务器群组后做 HA

• 資深大佬 : ysc3839

  把 Linux 的 console 改成串口，然后外接一个设备记录串口输出内容？假如是 kernel panic 导致的重启，重启后也许不会留下任何信息。这种情况可能没什么好办法。

• 資深大佬 : Enya

  配 kdump 服务，抓 vmcore，用 crash 分析。这才是标准操作啊。

  搞 linux 的为什么不上 docs.redhat.com 看专业文档，中文版的都有了。

• 資深大佬 : nevin47

  开 crash 看临终遗言和 vmcore，只要能复现的问题分分钟找到原因

• 資深大佬 : xsen

  １．若是系统原因导致的重启（包括不限于应用、内核模块或驱动等，及内存泄露或溢出）
  基本是可以通过系统日志可以看到端倪。系统或内核日志一般都在 /var/log 下

  ２．对于可能的内核 crash，建议开启 kdump
  其实对于这个，#1 中的日志是可以获取到蛛丝马迹的

  通过系统的 uptime 可以初步确定系统重启的时间点，然后结合系统日志，可以初步确定是软件原因（上述的#1/2 ）导致的重启

  若日志都很正常，那基本是可以确定是硬件的原因，比如电源或别的

• 資深大佬 : MeteorCat

  kdump+1

• 資深大佬 : zydrsnuo

  除了看日志和 vmcore，还要考虑硬件的问题。
  我遇到过两次硬件问题，一次是机柜送风口被遮住了导致温度过高，一次是内存条有问题。
  温度监控可以提前添加到 zabbix 之类的监控平台，也可以看 IPMI。
  内存检测可以用 memtest 做个可启动优盘。也可以往 /dev/shm 里写数据，同时查看内存错误计数。
  查看内存错误计数： grep “[0-9]” /sys/devices/system/edac/mc/mc*/csrow*/ch*ce_count ​

• 資深大佬 : zhao305149619

  @Enya 你这,这个要是 kernel panic 才会有 vmcore 啊,并不是标准操作,很多系统 hang 住的情况 kdump 不一定工作.

• 資深大佬 : zhao305149619

  IPMI 是直接入口,先排除 messages 有无明显的错误,甚至直接到 /var/crash 看有没有日志,第二看一下 IPMI 是否是硬件错误,最后查看一下是不是 watchdog 导致问题重启.

• 資深大佬 : dorothyREN

  rhel 还折腾啥啊，直接 call 技术支持。

• 資深大佬 : lvzhiqiang

  服务器型号？ 如果在保，直接找厂家帮忙分析下，排除人为设置，一般 Linux 运行都是非常非常稳定的。

• 資深大佬 : lvzhiqiang

  @dorothyREN rhel 除非业务非常非常重要，一般很少买技术支持的。

• 資深大佬 : dorothyREN

  @lvzhiqiang #15 不买技术支持为什么要用 rhel 呢，centos，ubuntu，suse 不香吗

• 資深大佬 : lvzhiqiang

  @dorothyREN 有些只买了一年，后续不买的。 不买的话，但是用 centos 和用 rhel 其实没有区别，一样没有技术支持。只是 rhel 发行版 ，系统相对更成熟的更稳定的。