[[317433]]

了解是什么原因導致你的 Linux 硬件發生故障，以便你可以將其恢復并快速運行。

Linux 服務器在物理機、虛擬化、私有云、公共云和混合云等許多不同種類的基礎設施中運行著關鍵的業務應用程序。對于 Linux 系統管理員來說，了解如何管理 Linux 硬件基礎設施（包括與 網絡、存儲、Linux 容器相關的軟件定義功能）和 Linux 服務器上的多種工具非常重要。

在 Linux 上進行排除和解決與硬件相關的問題可能需要一些時間。即使是經驗豐富的系統管理員，有時也會花費數小時來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 Linux 中的硬件進行故障排除。許多不同的事情都可能導致 Linux 硬件出現問題。在開始診斷它們之前，明智的做法是了解最常見的問題以及最有可能找到問題的地方。

快速診斷設備、模塊和驅動程序

故障排除的第一步通常是顯示 Linux 服務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硬件的詳細信息。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有顯示任何錯誤，請使用初始化系統（例如 systemd）查看 Linux 服務器的工作方式。 systemd 是最流行的初始化系統，用于啟動用戶空間并控制多個系統進程。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
....

深入到各個日志當中

使用 dmesg 可以找出內核最新消息中的錯誤和警告。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 系統日志，在該文件中你可以找到與特定問題相關的錯誤。當你對硬件進行修改（例如安裝額外的磁盤或添加以太網網卡）時，通過 tail 命令實時監視消息是值得的。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

分析網絡功能

你可能有成千上萬的云原生應用程序在一個復雜的網絡環境中為業務提供服務，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，你應該分析網絡連接是否正常工作。弄清 Linux 服務器中網絡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

對 Linux 硬件進行故障排除需要大量的知識，包括如何使用功能強大的命令行工具以及找出系統日志記錄。 你還應該知道如何診斷內核空間，在那里你可以找到許多硬件問題的根本原因。請記住，Linux 中的硬件問題可能來自許多不同的來源，包括設備、模塊、驅動程序、BIOS、網絡，甚至是普通的舊硬件故障。