自组 Linux Server 奇怪问题，请大家帮忙诊断

[cwbsw]

用淘汰下来的配件装了一台机器，系统是 Debian 13 ，配置了文件下载、共享等等服务，一直以来运行都挺好的。 前段时间想着增加硬盘扩下容，向新硬盘用 rsync 传输了大概 3T 的数据，都是 PT 保种用的，PT 软件用的是 Transmission ，虽然迁移数据不要求重新校验，但保险起见还是都校验了，结果发现有十几个种子校验不通过，手动复制后重新校验均通过，可见源硬盘上的数据是完整的。

于是第一个问题：文件传输出错是源硬盘读取错误、新硬盘写入错误、内存错误、软件错误还是其它原因？如何排查？

接下来就比较奇怪了。因为怀疑内存出错，于是就进 BIOS 取消了 XMP ，然后 U 盘引导跑 memtest86 ，跑了一个多小时没有发现错误，重启后继续用 Transmission 校验，然后过了一段时间后居然就死机了，SSH 断开，网络也 ping 不通，显示器画面冻住无法切换控制台，只能强制关机，应该是内核崩了。此故障可以稳定复现，开机后待机一晚上也没事，编译软件 ffmpeg 转码也正常，但是只要 Transmission 校验，一段时间之后必然死机，死机时正在校验的种子没有发现有规律。试过 BIOS 恢复默认、重装系统，无法修复。这个故障我真的很蒙圈，感觉无处下手，还请大家帮忙诊断。

[233373]

Debian 有 13 了吗？不是 11 吗

[cwbsw]

@233373 哈哈，笔误。

[cathiabi]

找一下系统日志，看看死机前发生了什么。校验的话，不知道文件传输是否跨了操作系统 /文件系统。

[min]

换全部内存，或者拔条子排除

[cev2]

建议先排除硬件再排除软件，如果是我我会选择 AIDA64 单烤 FPU ，同时观察 12V 供电（是否过 /欠压）和散热是否有问题。

[powergx]

用 ecc 内存看看

[chenxytw]

我上次遇到类似的奇怪的问题（特定用户跑特定的程序必现死机...）是 CPU 坏了...

[cwbsw]

@cathiabi 日志没记录到有价值的东西。是本机传输，每个硬盘是单独的文件系统。

@min
@cev2 所以说还是 CPU/内存的嫌疑比较大么。

[cwbsw]

@powergx 意思传输错误是内存出错的锅吗？但就算是非 ECC ，复制个几 T 文件就坏十几个，这概率有点高啊。

@chenxytw 希望能通过 BIOS 设置抢救一下……毕竟高负载下还是正常的。

[gengchun]

试一下 magic sysreq 看看。最好看一下 top ，首先要排除 transmission 进程的问题，最好看看能不能升级一下，或者启动不要校验。

[documentzhangx66]

1.memtest86 ，跑了一个多小时没有发现错误？？？？

memtest86 不是这样用的。memtest86 ，以 pass 作为一次轮回。一次 pass 表示跑完一轮所有的内存位置。新买的内存，至少要跑一次 pass 来检查是否有坏块。洋垃圾二手内存一般至少跑 2 - 3 个 pass 。

2.服务器是否为 ECC 或 RECC 内存？

3.磁盘用 HD Tune Pro 跑过全盘检查没？

[Cooky]

用 md5sum sha1sum 之类的持续校验几个大文件试试？

[seers]

内存问题概率大

[kuichieh]

是不是早期的 Ryzen 平台？

[wsseo]

插了几根内存？一根根拔下来，直到正常。

[flynaj]

内存问题，我的 Windows 10 差不多一个星期蓝屏一次，memtest86-pro 跑下来没有故障。换了内存才好。软件测试内存不靠谱，除非是明显故障。

[cwbsw]

@documentzhangx66
第一次跑了 2.5pass ，昨天又跑了 4pass ，没有出错。
非 ECC 。
现在机械盘全拔了只留下 SSD ，换 qBittorrent 开始下载，结果还没下完又崩了。

[cwbsw]

@Cooky 现在不用校验了，在 BT 下载途中就崩了。

[documentzhangx66]

跑个烤机试试，分设备跑。

比如烤内存、烤 CPU 、烤硬盘、烤网卡、烤显卡试试，总有一个部件烤着烤着就死机。

[yanqiyu]

先打开 kdump 看看更完整的崩溃的 dmesg ？不过考虑到 kernel panic 可能性也就硬件故障和驱动 bug 两种可能性了