我最近开始尝试在我们的数据中心build立/pipe理Linux（Ubuntu 10.04.2 LTS）服务器（所有其他服务器都是Windows的）。 服务器周期性挂起，变得没有反应，我很遗憾find任何日志中的任何东西，指出一个具体的原因。 有时会有几个小时，有时几天（最长14天）。 挂起后显示器没有任何显示。 为了解决这个问题，我们尝试了禁用APIC，更多的是出于“受教育的绝望”而不是其他任何事情。 不幸的是，我们在一些我们可以做的故障排除方面有限，因为我们有一个单独的客户网站（我们设置它的原因），所以任何涉及显着的停机时间是一个问题。
由于这是我们第一次尝试build立一个linux系统，所以我们使用的是“配备齐全”的桌面级机器，而不是我所说的“服务器级”硬件。 这是一个独立的盒子，而不是VPS。 我们正在使用硬件，而不是软件，RAIDarrays，并在盒子里有大量的内存。
在这一点上，我们尝试了两个Linux设置。 第一个是在这个硬件configuration相同，但没有实际的硬件重用。 这个尝试是使用CentOS，我们试图build立CPanel。 我们因为同样的问题而报废了这个安装（定期崩溃/挂起）。
第二次尝试（这一次）显示了相同的行为。 我唯一能看到的共同点就是硬件configuration（尽pipeCentOS和Ubuntu可能比我想象的要多）。
这个盒子可以运行几个小时，几天，甚至几个星期，然后完全停止响应。 我检查了所有我知道要检查的日志（主要是消息，syslog和kern.log），但是我没有看到任何对我来说似乎是错误的东西。 我确实看到了我不明白的可能或不可能成为问题的线条，例如：
rsyslogd: [origin software="rsyslogd" swVersion="4.2.0" x-pid="814" x-info="http://www.rsyslog.com"] rsyslogd was HUPed, type 'lightweight'. 我们的大多数系统日志条目似乎是运行webmin相关cron作业的日志。 我的直觉告诉我，在我们的configuration中可能有一些组件不喜欢或者需要驱动程序更新（例如raid卡），但我不确定如何做更多来追踪或确定可能是什么。 猜测和检查是昂贵的。
我的另一个想法是，一个或多个正在运行的cron作业正在绊倒某些东西，但它似乎不是可以根据需求重现的，而且我又在如何testing这个理论任何进一步。 每次服务器出现故障时，相同的cron作业似乎都不会运行。
这是我们上次挂起之前的日志的一部分：
Aug 8 11:00:01 linhost01 CRON[10771]: (www-data) CMD ([ -x /usr/lib/cgi-bin/awstats.pl -a -f /etc/awstats/awstats.conf -a -r /var/log/apache2/access.log ] && /usr/lib/cgi-bin/awstats.pl -config=awstats -update >/dev/null) Aug 8 11:00:01 linhost01 CRON[10772]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:01:01 linhost01 CRON[10799]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) Aug 8 11:05:01 linhost01 CRON[10898]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:06:01 linhost01 CRON[10924]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) Aug 8 11:09:01 linhost01 CRON[11007]: (root) CMD ( [ -x /usr/lib/php5/maxlifetime ] && [ -d /var/lib/php5 ] && find /var/lib/php5/ -type f -cmin +$(/usr/lib/php5/maxlifetime) -print0 | xargs -n 200 -r -0 rm) Aug 8 11:10:01 linhost01 CRON[11023]: (www-data) CMD ([ -x /usr/lib/cgi-bin/awstats.pl -a -f /etc/awstats/awstats.conf -a -r /var/log/apache2/access.log ] && /usr/lib/cgi-bin/awstats.pl -config=awstats -update >/dev/null) Aug 8 11:10:01 linhost01 CRON[11024]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:11:01 linhost01 CRON[11063]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) Aug 8 11:15:01 linhost01 CRON[11149]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:16:01 linhost01 CRON[11176]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) Aug 8 11:17:01 linhost01 CRON[11243]: (root) CMD ( cd / && run-parts --report /etc/cron.hourly) Aug 8 11:20:01 linhost01 CRON[11279]: (www-data) CMD ([ -x /usr/lib/cgi-bin/awstats.pl -a -f /etc/awstats/awstats.conf -a -r /var/log/apache2/access.log ] && /usr/lib/cgi-bin/awstats.pl -config=awstats -update >/dev/null) Aug 8 11:20:01 linhost01 CRON[11280]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:21:01 linhost01 CRON[11307]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) Aug 8 11:25:01 linhost01 CRON[11392]: (root) CMD (/etc/webmin/status/monitor.pl) Aug 8 11:26:01 linhost01 CRON[11432]: (root) CMD (/etc/webmin/virtual-server/collectinfo.pl) [SERVER DOWN AFTER THIS POINT]
如果任何人能帮助摆脱任何光线，甚至给我任何东西，我可以在这里发布，可能是有益的，我会非常感激。 我全部都是为了边干边练边学，但是我已经开始在这条线上结束了。
很高兴发布任何特定的日志信息或信息，可能有助于提供任何build议。
为了完整起见，我想我只是把这个包起来。 经过一年多的这种行为，服务器终于死亡。 只有在尝试（和失败）重buildRAID时，我们发现不是一个，而是两个硬盘坏了。
这个服务器的问题的确切原因仍然是不知道，但（我对Linux仍然有点了解），我怀疑这两个驱动器有一段时间的问题，试图使用坏的驱动器间歇性地导致服务器崩溃/ 重启。
我们的最终解决scheme是使用几乎完全相同的configuration，但使用全新的硬件来重新构build服务器。 我们所做的唯一重要的configuration更改是使用ext4而不是xfs作为文件系统。 这个盒子已经连续好几个月没有问题了。
我只是回答这个问题，因为对于我们来说，驱动器故障似乎是原因，更换所有硬件是解决问题的最佳解决scheme。 这就是说，我不知道这个答案对大多数人来说太有帮助了。
我会张贴这个评论，但我缺乏声誉。
也就是说，对日志进行随意审查的唯一原因是新风格。 如果是我，我会禁用新风格。 这些说明应该可以帮到你。
您也可以find以下severfaultpost相关的，也许是有帮助的，如果没有其他的原因，而不是暴露你的一些工具来帮助排除故障。
如何在重新启动后诊断Ubuntu系统冻结
（如何）我可以使用系统日志来诊断神秘的崩溃？
Ubuntu 10.10 Maverick Server使系统locking随机间隔（i7 930; 12GB RAM）
祝你好运！
目前还不清楚究竟是什么意思。 我知道你提到它的遥控器是如此的困难。 但是，像这样的崩溃是至关重要的，要知道机器是完全冻结的。 当它崩溃时，控制台仍然工作（通过工作，我的意思是你可以按回车，它是否显示密码提示，你可以login）？ 对于数据中心中的一台机器来说，将某种控制台放入其中是个不错的主意。 这是便宜的select：
http://international.opengear.com/SD4001_Single_Port_Advanced_Device_Server_p/sd4001.htm
这需要一些设置来configuration串行控制台部分。 一个更简单但更昂贵的解决scheme将是KVM。 一旦确定在停机期间物理控制台是否被冻结，它应该有助于确定下一步的操作。 如果物理控制台也被冻结，那么很可能是硬件问题。 如果这个盒子还没有ECC内存，你应该看看testing或者更换它。 如果问题只是RAID卡等子系统的驱动程序错误，则控制台不太可能locking。 如果控制台在这些停机期间确实响应，并且您可以login，则应尝试运行一些命令。 如果问题相当频繁，您可能只想设置一个cron作业，捕获这些每分钟的输出：
lsof -n＃将列出系统上所有打开的FD，希望显示是否有东西正在使用所有的资源
netstat -an; netstat -s＃任何networking引起的问题应该显示在这里像是用尽缓冲区
ps -eaf＃一般过程堆积？
date戳输出，然后尝试find崩溃前的最后一个。 如果这是一个子系统的问题，这将从这里的输出显而易见。