Linux 系统崩溃卡死，但没有任何 dump 输出，该如何排查？

[villivateur]

设备：rk3568 平台，Linux 4.19 ，Ubuntu 20.04

崩溃概率：偶现。

崩溃的时候系统彻底卡死，调试串口也没有任何输出，连 panic 都不打印。

我尝试 echo c > /proc/sysrq-trigger ，发现调试串口是有调用栈打印的。我也启用了 nmi_watchdog，在手动 echo c > /proc/sysrq-trigger 的时候看门狗能正常启动，但卡死的时候看门狗也失效了。

这个内核是我自己改过的，我该如何排查：

1. 这个问题是硬件问题还是软件问题导致的？
2. 如果是软件问题，我该如何 debug ？

[XDiLa]

想把发弄个日志收集工具 把 kern.log syslog dmesg 推送出去，等到到时候服务器夯住了就可以分析了

[villivateur]

@XDiLa 连调试串口都不打印东西了，日志肯定也没有啊，主要就是死机之前啥异常都没有，突然就死了

[CapNemo]

一个想法是往地址线上挂个示波器，看看还有没有在执行任何指令

[leonshaw]

内存够的话把 kdump 开起来

[villivateur]

@leonshaw kdump 似乎只能分析 kernel-panic 一类的问题，我这个是彻底死掉了，切换内核的动作理论上也无法完成

[villivateur]

@CapNemo 哈哈，这确实也是个没有办法的办法了

[LXGMAX]

rk 啊，应该是供电不够了

[villivateur]

@LXGMAX 你是有经验吗？

[LXGMAX]

@villivateur 我做 rk 方案的

[villivateur]

@LXGMAX 供电不足是因为供电芯片的 bug 导致电压抖动，还是说在高负载情况下电压持续性偏低？因为我的设备在轻载情况下也会死机。

[myxvhgiile]

既然是你改过的内核，那首先应该尝试还原修改看看能不能复现吧，如果还原后就不会复现了就从你修改的部分入手去调试呗。除此以外我能想到就是 jlink 连上尝试调试一下了，既然内核是你自己编译的，gdb 调试一下还是很有可能看到程序具体是跑到哪里了的。

[LXGMAX]

@villivateur 检查下硬件，DDR 那块，或者是不是虚焊了

[Geekerstar]

有没有显卡，装显卡驱动没有？

[Geekerstar]

@Geekerstar rk3568 平台是开发板啊，当我没说

[villivateur]

@LXGMAX 应该不是生产制造的问题，我这边有三个样品，都一样会死

[updateing]

卡死的时候从串口输入 SysRq （ Break + 字母键，不是 shell echo ）还有反应吗？如果没有，那可能是在硬中断关闭时死循环或者挂掉了。有的话就可以通过 SysRq 看到很多信息。如果这个板子支持 JTAG 之类的更底层的调试手段也可以试试。

[txx]

我最近遇到了类似的问题，ubuntu 直接卡住完全没有任何日志。

我之前以为是我 pytorch 炼丹过热导致的，后来发现也不是这么回事，因为我做并发下载测试数据的时候也挂了，但是温度很低。实在忍不了了就去了趟电脑城找人查一下是不是主板硬件故障。

结果做完 memtest 发现，是 DDR5 四通道有问题，两组双通道套条 单独插就一点问题没有，四条全插上就在内存压力测试的时候偶发错误。

现在拆掉了一对之后什么事都没了，除了偶尔 oom…