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


如果系統(tǒng)沒有死干凈，比如磁盤中斷和文件系統(tǒng)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(yīng) (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(tǒng)堆棧信息，按下 Alt-Sysrq-M 獲得內(nèi)存分配信息，按下 Alt-Sysrq-W 獲得當(dāng)前寄存器信息。 


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


# echo 1 > /proc/sys/kernel/sysrq 

# setterm -blank 
這兩個設(shè)置最好加到系統(tǒng)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(tǒng)信息發(fā)送 

到另一臺系統(tǒng)上，這樣可以通過對這些信息分析來定位問題。設(shè)置方法如下： 

準備工作 

1. 一臺被監(jiān)視的服務(wù)器，一臺進行監(jiān)視工作的PC。 
2. 一根串口直連線。 
配置 
1. 在服務(wù)器上，加入一個新的 grub 項目，增加核心參數(shù) "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(wù)器上，修改 /etc/sysconfig/syslog，加入 klogd 選項 "-c 7"，保證更多內(nèi)核信息得到輸出。如： 
KLOGD_OPTIONS="-x -c 7" 
3. 重新啟動服務(wù)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(wù)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(wù)器上運行 "echo w > /proc/sysrq-trigger"，看 PC 上是否有相應(yīng)內(nèi)核信息輸出。 
3) 在PC上運行 "cat /dev/ttyS0"，在服務(wù)器上運行 "modprobe loop"，看 PC 上是否有相應(yīng)內(nèi)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(diào)試功能，也可以一試。 
剩下的，就只有靠經(jīng)驗和運氣了，一般造成 Linux 系統(tǒng)死機的原因有： 
系統(tǒng)硬件問題 (SCSI 卡，主板，RAID 卡，網(wǎng)卡，硬盤...) 
外圍硬件問題 (終端切換器，網(wǎng)絡(luò)...) 

軟件問題 

驅(qū)動 bug (去找更新的驅(qū)動試試) 

核心系統(tǒng) bug (去 LKML 上看看，或換個核心試試) 

系統(tǒng)設(shè)置 


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


PE6650 經(jīng)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(tǒng)可能有和其他人不同之處。 


調(diào)查 Linux 系統(tǒng)死機問題，這既是科學(xué)又是藝術(shù)，牽扯到眾多的硬件軟件知識和經(jīng)驗，是一個不斷學(xué)習(xí)的過程