Debian的Linux服务器挂了一个星期左右

服务器真的挂了吗？还是只能ping不通？

安装一个监控工具，比如Munin（或类似的），它可以显示CPU负载，内存状态，磁盘使用情况以及其他各种各样的graphics – 你可以configuration它监视很多方面。 Nex时间挂起服务器，检查图表是否有任何不寻常的迹象。 你将学会看看一个正常的图表是什么样的，所以任何异乎寻常的东西都是可疑的（尽pipe不一定是错误的）。

你确定你正在检查所有的服务器日志吗？ 即你有Web /邮件/ FTP / DNS /其他服务器？ 检查所有这些日志！ 不要忘记在故障排除时启用debugging日志logging。

如果服务器每个星期左右崩溃，那么它可能会定期发生，例如cron作业或日志轮转等等。

确保你得到所有的系统邮件（root别名）。 您甚至可以安装OSSEC，这是一个很好的工具，可以在出现问题时关注日志并收取电子邮件。 但是这个OSSEC工具只是一个查看日志的自动化方式，所以没有什么不可思议的。

networking问题？ dhcp租约过期了吗？

请显示/ var / log / messages和/或/var/log/kern.log的相关内容，这可能是内核logging了一些崩溃报告或其他可能导致问题的东西。 当我遇到这种无法解释的挂起时，这是由于一个糟糕的驱动程序，因为日志不是很详细，我无法find确切的驱动程序。

在我的情况下，有软locking（内核：[XXXX]错误：软locking – CPU＃X）。 经过一番研究，我发现http://bugs.debian.org/cgi-bin/bugreport.cgi?bug=556030 ，最后的评论提供了一些见解和一种使日志更加冗长的方法。 这是一个简单的内核修改，但如果你觉得编译自己的内核感觉不舒服，那么可能不是最好的。

只需更新内核或安装较新版本并重新启动即可解决问题。

引用：

我们广泛研究了这个问题。

TLB刷新软锁只是一个死锁的结果。

背景：CPU使用处理器间中断来发出TLB刷新，以便处理分页更改。 然后，发出CPU循环，直到所有处理器都确认更改。 如果这样的处理器在自旋锁上处于死锁状态，那么这个处理器永远不会移动，然后触发软件locking。 死锁出现在自旋锁上，这个锁有时可以由用户代码保存（通过模块的/ proc或/ sys接口）。

识别根本原因（即哪个驱动程序导致问题）的唯一方法是将所有CPU堆栈转储到软locking代码中。

一种方法是修改内核并添加

arch_trigger_all_cpu_backtrace() 

在里面

  kernel/softlockup.c:softlockup_tick() 

function。

这是基于NMI IPI，即使在死锁的情况下，也确保所有的堆栈都被转储（不要指望不可能发生）。

你应该很容易find错误的驱动程序，并发布相关的错误。

显然这个问题与一些导致服务器挂起的python脚本有关。 我不明白他们为什么吊死服务器，但至less他们不再挂上。