小机器跑 linux 莫名其妙地死机, 一脸迷茫

[Osk]

接 https://www.v2ex.com/t/312648 个帖子, 买了占美 5005u 的小机器,跑 Arch,很好,发热也不高,但最近发现要莫名其妙地死机,死得很奇葩。

1,把网线拔给其它计算机用了一段时间,再插回去,网卡灯不亮,死了,Num Lock 都切换不了。

2,没拨网线,关了路由器,早上出门,晚上回来,死了,

3,早上拔了网线,晚上回家,死了

4,同第二次

共同情况: 断开网络,网卡灯不亮,死机后机身微热

故障不易复现...断网一会儿不会遇到这个问题

其它情况: 有网络的情况下,最长连续 5 天不死机,有网络有负载时,从未死机。机器不存在过热问题。

死机后,没有任何日志什么的,故障又不易复现,简直头大。。。

不知道大家有什么找 bug 的建议,谢谢了!

在 Windows 下测试了一天没出问题，感觉 Windows 也不太可能出这问题，因为全新安装的 Windows 开机一天什么不做机器温热，而跑 Arch 一天什么不做，外壳几乎是冰凉的 。。囧

现在怀疑可能是 linux 的 pm 触发的问题了，我开了 pci 设备的 pm ，所以机器很凉快。现在关了 pci pm 试试看。

看系统 pm 状态用的 powertop 程序

感谢大家的回复，最后的结果：关闭 pci 设备的 pm 就没再死机了。

[ianzhou233]

会是固件问题么？或者有灰什么的。擦擦内存和固态的金手指试试

[ianzhou233]

固件→硬件

[Osk]

@ianzhou233 全新的,我也从不用手接触金手指

[Osk]

r8169: can't disable ASPM; OS doesn't have ASPM control

dmesg 中有这个输出,不知道是不是 ASPM 的锅

[longear]

赶快申请换机，就说不定期死机，要求必须更换，自己记住主板的特征，可以用刀在主板的侧边做个记号（不是板面上），只有自己记得，好用来区分回来的是新主板还原来的。
这些无风扇主机的主板品控就那么回事，虽然用料还可以，那也没用。

[reus]

硬件问题。你看那些跑 linux 的路由，都没这样的。肯定是硬件问题。

[xdeng]

驱动没装好吧

[shijingshijing]

无风扇还是不现实的，稍微有点空气对流温度就会下降很多，最好的选择是静音风扇，然后定期清灰。

[klesh]

硬件问题+1

[alcarl]

有网时不死机？
1 、可以考虑换个其他 linux 或者 windows 观测一下。、
2 、另外可以尝试 bios 禁用网卡，看看死不死。
3 、也有可能是待机醒不过来了，可以在 bios 关掉一些电源管理选项试一试。

[qceytzn]

@shijingshijing 我家的占美买回来一年了，用到现在好好的，包括夏天里摸着有点烫也没事

[zzutmebwd]

@shijingshijing 你真的用过无风扇主机吗？无意引战，只是觉得没有用过就没有发言权。我的笔记本用的 core m5 ， nas 用的 N3150 ，均无风扇，从没有出过问题。

[floopy]

@Osk 我也买的占美的小主机，遇到过同样的问题。你可以尝试升级下内核。

[floopy]

@Osk 怀疑是网卡驱动问题,最好看下

[floopy]

日志

[Osk]

@floopy 日志回家再贴，现在发现是拔网线后就死机，晚上闲置一晚，早上拔网线后，系统日志就断了，没有 Link down 这条记录。
Arch 内核目前是 4.8 。

@alcarl 没有设置待机， bios 禁不了网卡，正在 Windows 10 测试看看。

[mko0okmko0]

重编内核,求快速可直接复制这个 linux 救援 CD 内的 kernel.config 去编译,
www.system-rescue-cd.org/SystemRescueCd_Homepage
也可以复制这个设定后,再次编辑参数,把核心侦错的项目都打勾,尤其是讯息显示的部分.
换完核心后,你再次死机就有很大的机会看到问题点的讯息.

有时候不是温度问题,而是硬体,韧体,有根本上的瑕疵,而你触发了.

[shijingshijing]

@zzutmebwd 家里两三个 ATOM ， hp 的 T550 改造了一个，自己买配件组装了一个，都热得烫手。硬盘温度超过 60 度寿命就会大幅下降，而且这玩意儿毕竟性能有限，多跑几个爬虫就不行了。帮别人组装过真正的 0 分贝主机，用的海韵 X400FL 电源，无风扇设计， CPU 散热器用的 Zalman FX100 ，上的 i7 2600k ，根本压不住，游戏半个小时 CPU 温度就到了 85 的样子。加了个 500 RPM 的 12 寸风扇侧吹，温度马上降到 58 度。目前来看，完全无风扇只能做到可用，温度太高还是有很大的危害的，所以我说稍微加上一个低转速风扇让空气流动一下就很不一样。

我现在自己搭了一个服务器，用的联想 T168 老箱子，低功耗 Xeon E3-1260L ， 1 个 SSD ， 1 个 2T 硬盘，挂爬虫挂 NAS ，待机在 30w 的样子，全速在 74w 的样子， CPU 散热器用的是热管 + 低速大风扇，前面板挂了个 12 寸风扇进风，刚好对准硬盘吹。整机噪音非常小，几乎听不见。

其实功耗和温度有两个隐形的死角我们往往不会注意，第一是电源一定要用转换率高的 80plus 电源，特别是在全速运行的时候， 80plus platinum 电源能达到 90%+的电能转换率，一年能节省不少电费；第二就是 intel 的 PCH 芯片组其实温度也不低，我试过了，从 H55 开始一直到现在的 Z170 ，没有不烫手的，我硬盘少，硬盘间缝隙大，前面板的大风扇吹的风能正对着 PCH 上面的散热片吹，即使是这样，我把原来的小散热片也改成了大铝片。

终极的解决方案，我认为还是风道+低转速风扇+大散热片，噪音，灰尘，散热都能得到有效解决。

[Osk]

@mko0okmko0 谢谢，我也准备开启 kdump 看看，但是死机时显示器关闭

[Osk]

@mko0okmko0 死机时显示器关闭了，黑屏状态怎么办？

[mko0okmko0]

知道有持续 LOG 到硬碟的选项和设定但没用过,所以无法回答你.
我有时候被当机搞到火大
就直接把 SystemRescueCd 内的核心跟模组档案
直接复制到我的主机内用这个救援核心去跑
还蛮稳的,
他码的自己编的没有这个稳= =

[raptor]

妥妥的硬件稳定性差

[Osk]

@mko0okmko0 我会试试看，谢谢。

[Osk]

@mko0okmko0 关闭 PCI 设备的 PM 后，故障没再出现了

[snip]

@Osk 怎么关闭 pci 设备的 pm ？遇到了同样的问题

[Osk]

@snip 不知道你的 CPU 是什么型号的？能不能复现死机或者找到死机时的共同特点呢？

分享下我当时的思路：
1. 更新 cpu microcode ， 有些 CPU 有 bug ，最好更新
2. 使用 powertop 命令，切换到 Tunable 选项卡下，注意看看 网卡和 PCI 设备 PM 是否为 bad ，比如我的（关闭 PCI PM 后没有 bug 时）：

Bad Runtime PM for PCI Device Realtek Semiconductor ... PCI Express Gigabit Ethernet Controller

之前是我将笔记本的一些 PM 设置复制过去，结果就遇到了本贴描述的 bug ，不知道是谁的锅，主要是这个 udev 规则开启了所有 PCI 设备的 PM ：
ACTION=="add", SUBSYSTEM=="pci", ATTR{power/control}="auto"

在 powertop 的 Tunable 选项卡里面如果不确定的话，先将 PCI 设备的 PM 状态调成 bad 观察下，这些设置重启会还原成系统默认的，不必担心

还有就是据说一些新的赛扬 /奔腾 SoC 跑 Linux 并使用睡眠的话确实是有问题的，具体我也不清楚，没用过，但是这些 SoC 似乎 s3 睡眠是有点不一样的，在 Windows 里面， CherryTrail SoC 通过 powercfg /a 命令显示不支持 s3 睡眠，转而使用 Microsoft 所谓的“现代待机”了，不知道这是不是和硬件固件有关还是 Windows 自己搞的新一套

[Midnight]

我也想搞个经济型的 Linux 机器放家里充当服务器，选来选去一直没什么中意的