Linux 硬件故障排除指南

了解是什么原因?qū)е履愕?linux 硬件發(fā)生故障，以便你可以將其恢復(fù)并快速運(yùn)行。-- Daniel Oh（作者）

Linux 服務(wù)器在物理機(jī)、虛擬化、私有云、公共云和混合云等許多不同種類的基礎(chǔ)設(shè)施中運(yùn)行著關(guān)鍵的業(yè)務(wù)應(yīng)用程序。對(duì)于 Linux 系統(tǒng)管理員來(lái)說(shuō)，了解如何管理 Linux 硬件基礎(chǔ)設(shè)施（包括與網(wǎng)絡(luò) 、存儲(chǔ)、Linux 容器相關(guān)的軟件定義功能）和 Linux 服務(wù)器上的多種工具非常重要。

在 Linux 上進(jìn)行排除和解決與硬件相關(guān)的問(wèn)題可能需要一些時(shí)間。即使是經(jīng)驗(yàn)豐富的系統(tǒng)管理員，有時(shí)也會(huì)花費(fèi)數(shù)小時(shí)來(lái)解決神秘的硬件和軟件差異。

以下提示可以使你更快、更輕松地對(duì) Linux 中的硬件進(jìn)行故障排除。許多不同的事情都可能導(dǎo)致 Linux 硬件出現(xiàn)問(wèn)題。在開(kāi)始診斷它們之前，明智的做法是了解最常見(jiàn)的問(wèn)題以及最有可能找到問(wèn)題的地方。

快速診斷設(shè)備、模塊和驅(qū)動(dòng)程序

故障排除的第一步通常是顯示 Linux 服務(wù)器上安裝的硬件的列表。你可以使用諸如 lspci 、 lsblk 、 lscpu 和 lsscsi 之類的列出命令獲取有關(guān)硬件的詳細(xì)信息。例如，這是 lsblk 命令的輸出：

# lsblk
NAME    MAJ:MIN RM SIZE RO TYPE MOUNTPOINT
xvda    202:0    0  50G  0 disk
├─xvda1 202:1    0   1M  0 part
└─xvda2 202:2    0  50G  0 part /
xvdb    202:16   0  20G  0 disk
└─xvdb1 202:17   0  20G  0 part

如果這些列出命令沒(méi)有顯示任何錯(cuò)誤，請(qǐng)使用初始化系統(tǒng)（例如 systemd）查看 Linux 服務(wù)器的工作方式。 systemd 是最流行的初始化系統(tǒng)，用于啟動(dòng)用戶空間并控制多個(gè)系統(tǒng)進(jìn)程。例如，這是 systemctl status 命令的輸出：

# systemctl status
● bastion.f347.internal
    State: running
     Jobs: 0 queued
   Failed: 0 units
    Since: Wed 2018-11-28 01:29:05 UTC; 2 days ago
   CGroup: /
           ├─1 /usr/lib/systemd/systemd --switched-root --system --deserialize 21
           ├─kubepods.slice
           │ ├─kubepods-pod3881728a_f2af_11e8_af77_06af52f87498.slice
           │ │ ├─Docker-88b27385f4bae77bba834fbd60a61d19026bae13d18eb147783ae27819c34967.scope
           │ │ │ └─23860 /opt/bridge/bin/bridge --public-dir=/opt/bridge/static --config=/var/console-config/console-c
           │ │ └─docker-a4433f0d523c7e5bc772ee4db1861e4fa56c4e63a2d48f6bc831458c2ce9fd2d.scope
           │ │   └─23639 /usr/bin/pod
....

深入到各個(gè)日志當(dāng)中

使用 dmesg 可以找出內(nèi)核最新消息中的錯(cuò)誤和警告。例如，這是 dmesg | more 命令的輸出：

# dmesg | more
....
[ 1539.027419] IPv6: ADDRCONF(NETDEV_UP): eth0: link is not ready
[ 1539.042726] IPv6: ADDRCONF(NETDEV_UP): veth61f37018: link is not ready
[ 1539.048706] IPv6: ADDRCONF(NETDEV_CHANGE): veth61f37018: link becomes ready
[ 1539.055034] IPv6: ADDRCONF(NETDEV_CHANGE): eth0: link becomes ready
[ 1539.098550] device veth61f37018 entered promiscuous mode
[ 1541.450207] device veth61f37018 left promiscuous mode
[ 1542.493266] SELinux: mount invalid.  Same superblock, different security settings for (dev mqueue, type mqueue)
[ 9965.292788] SELinux: mount invalid.  Same superblock, different security settings for (dev mqueue, type mqueue)
[ 9965.449401] IPv6: ADDRCONF(NETDEV_UP): eth0: link is not ready
[ 9965.462738] IPv6: ADDRCONF(NETDEV_UP): vetheacc333c: link is not ready
[ 9965.468942] IPv6: ADDRCONF(NETDEV_CHANGE): vetheacc333c: link becomes ready
....

你還可以在 /var/log/messages 文件中查看所有 Linux 系統(tǒng)日志，在該文件中你可以找到與特定問(wèn)題相關(guān)的錯(cuò)誤。當(dāng)你對(duì)硬件進(jìn)行修改（例如安裝額外的磁盤或添加以太網(wǎng)網(wǎng)卡）時(shí)，通過(guò) tail 命令實(shí)時(shí)監(jiān)視消息是值得的。例如，這是 tail -f /var/log/messages 命令的輸出：

# tail -f /var/log/messages
Dec  1 13:20:33 bastion DNSmasq[30201]: using nameserver 127.0.0.1#53 for domain in-addr.arpa
Dec  1 13:20:33 bastion dnsmasq[30201]: using nameserver 127.0.0.1#53 for domain cluster.local
Dec  1 13:21:03 bastion dnsmasq[30201]: setting upstream servers from DBus
Dec  1 13:21:03 bastion dnsmasq[30201]: using nameserver 192.199.0.2#53
Dec  1 13:21:03 bastion dnsmasq[30201]: using nameserver 127.0.0.1#53 for domain in-addr.arpa
Dec  1 13:21:03 bastion dnsmasq[30201]: using nameserver 127.0.0.1#53 for domain cluster.local
Dec  1 13:21:33 bastion dnsmasq[30201]: setting upstream servers from DBus
Dec  1 13:21:33 bastion dnsmasq[30201]: using nameserver 192.199.0.2#53
Dec  1 13:21:33 bastion dnsmasq[30201]: using nameserver 127.0.0.1#53 for domain in-addr.arpa
Dec  1 13:21:33 bastion dnsmasq[30201]: using nameserver 127.0.0.1#53 for domain cluster.local

分析網(wǎng)絡(luò)功能

你可能有成千上萬(wàn)的云原生應(yīng)用程序在一個(gè)復(fù)雜的網(wǎng)絡(luò)環(huán)境中為業(yè)務(wù)提供服務(wù)，其中可能包括虛擬化、多云和混合云。這意味著，作為故障排除的一部分，你應(yīng)該分析網(wǎng)絡(luò)連接是否正常工作。弄清 Linux 服務(wù)器中網(wǎng)絡(luò)功能的有用命令包括：ip addr、traceroute、nslookup、dig 和 ping 等。例如，這是 ip addr show 命令的輸出：

# ip addr show
1: lo: <LOOPBACK,UP,LOWER_UP> mtu 65536 qdisc noqueue state UNKNOWN group default qlen 1000
    link/loopback 00:00:00:00:00:00 brd 00:00:00:00:00:00
    inet 127.0.0.1/8 scope host lo
       valid_lft forever preferred_lft forever
    inet6 ::1/128 scope host
       valid_lft forever preferred_lft forever
2: eth0: <BROADCAST,MULTICAST,UP,LOWER_UP> mtu 9001 qdisc mq state UP group default qlen 1000
    link/ether 06:af:52:f8:74:98 brd ff:ff:ff:ff:ff:ff
    inet 192.199.0.169/24 brd 192.199.0.255 scope global noprefixroute dynamic eth0
       valid_lft 3096sec preferred_lft 3096sec
    inet6 fe80::4af:52ff:fef8:7498/64 scope link
       valid_lft forever preferred_lft forever
3: docker0: <NO-CARRIER,BROADCAST,MULTICAST,UP> mtu 1500 qdisc noqueue state DOWN group default
    link/ether 02:42:67:fb:1a:a2 brd ff:ff:ff:ff:ff:ff
    inet 172.17.0.1/16 scope global docker0
       valid_lft forever preferred_lft forever
    inet6 fe80::42:67ff:fefb:1aa2/64 scope link
       valid_lft forever preferred_lft forever
....

總結(jié)

對(duì) Linux 硬件進(jìn)行故障排除需要大量的知識(shí)，包括如何使用功能強(qiáng)大的命令行工具以及找出系統(tǒng)日志記錄。你還應(yīng)該知道如何診斷內(nèi)核空間，在那里你可以找到許多硬件問(wèn)題的根本原因。請(qǐng)記住，Linux 中的硬件問(wèn)題可能來(lái)自許多不同的來(lái)源，包括設(shè)備、模塊、驅(qū)動(dòng)程序、BIOS、網(wǎng)絡(luò)，甚至是普通的舊硬件故障。

via: https://opensource.com/article/18/12/troubleshooting-hardware-problems-linux

作者： Daniel Oh 選題： lujun9972 譯者： wxy 校對(duì)： wxy

本文由 LCTT 原創(chuàng)編譯， Linux中國(guó) 榮譽(yù)推出