Linux检查硬件错误工具mcelog命令

Linux检查硬件错误工具mcelog命令

mcelog 是Linux 系统上用来检查硬件错误,特别是内存和CPU错误的工具。未纠正的错误是关键异常,如果 CPU 无法恢复,往往会导致系统上的内核错误。这会导致应用程序重置和中断。对于未纠正的错误,mcelog 捕获错误的能力取决于错误导致热重启还是硬重启...

mcelog 是Linux 系统上用来检查硬件错误,特别是内存和CPU错误的工具。

未纠正的错误是关键异常,如果 CPU 无法恢复,往往会导致系统上的内核错误。

这会导致应用程序重置和中断。

对于未纠正的错误,mcelog 捕获错误的能力取决于错误导致热重启还是硬重启。

如果是热重启,信息会被 mcelog 捕获,恢复后可看到。

硬重启会导致数据丢失,而且 mcelog 可能捕获不到该事件。

安装:

[[email protected]_test ~]# yum install mcelog.x86_64

mcelog的启动方式

 cron : 最老的方式,有确定,定时任务,会丢失一些
 daemon : el7上用这种,守护进程的方式
 trigger : 高级一点的方式,触发的时候,看man mcelog

mcelog相关文件

/dev/mcelog 设备文件
 /var/log/mcelog messages日志文件
 /etc/mcelog/mcelog.conf配置文件
 /var/run/mcelog.pid
 默认故障日志只记录在/var/log/mcelog,并不记录到系统日志中。
 如果需要在系统日志中也体现,需修改/etc/mcelog/mcelog.conf文件,将前面#去掉,并保存。

mcelog后台运行

[[email protected]_test ~]# mcelog --daemon

查看系统是否异常

1、手动运行mcelog的方式
[[email protected]_test ~]# mcelog --daemon
2、查看mcelog日志
 [[email protected]_test ~]# tail /var/log/mcelog
 # 什么也没有输出,表明正常
3、查看mcelog守护进程是否检测到错误信息
 [[email protected]_test ~]# mcelog --client
 # 什么也没有输出,表明正常
4、解析系统异常时的mcelog输出
 [[email protected]_test ~]# mcelog --ascii < file.log
 # or或者
 [[email protected]_test ~]# mcelog --ascii --file file.log

测试

1、mce-inject用于测试mcelog能否正确的获取硬件错误信息,并进行正确解码,mce-inject可以向内核注入指定的错误信息,因此,可以很方便的了解到mcelog的功能是否正常。

注意的是,当用户利用mce-inject工具向内核注入不可恢复错误(如:fatal)时,会发生死机重新启动等现象,当然,可以通过更改sys文件系统下的tolerate文件来避免此现象的发生。

 [[email protected]_test ~]# cd /sys/devices/system/machinecheck/machinecheck0
 ----------------------------------------------------------------------------------------
 位置 : /sys/devices/system/machinecheck/machinecheck*/
 说明 : 其中machinecheck* 中的 *号由CPU的个数所决定的,如果是双核的,则存在machinecheck0和machinecheck1两个目录,对应目录里都有一个tolerate文件,tolerate中存放容忍程度值。
 功能 : 向用户提供一个可选择的出现相应硬件错误时的容忍程度(tolerate),比如:当tolerate的值为1时,出现fatal错误时就会死机,重新启动,并且该错误信息并不被记录;当tolerate的值为3时(注意该值只用于测试),在出现fatal错误时,机器会容忍该错误不予响应,不会出现死机重新启动现象,并且会记录相关错误信息。
 ----------------------------------------------------------------------------------------
 [[email protected]_test machinecheck0]# cat tolerant 
 1
 [[email protected]_test machinecheck0]# echo 3 > tolerant
 ----------------------------------------------------------------------------------------
 数值含义
 tolerate的取值可以为0、1、2、3。
 0: always panic on uncorrected errors, log corrected errors
 1: panic or SIGBUS on uncorrected errors, log corrected errors
 2: SIGBUS or log uncorrected errors (if possible), log corrected errors
 3: never panic or SIGBUS, log all errors (for testing only)
2、安装
[[email protected]_test ~]# yum install gcc.x86_64 gcc-c++.x86_64 flex.x86_64 dialog.x86_64 ras-utils.x86_64 git.x86_64 ras-utils
3、捏造文件
[[email protected]_test ~]# cat correct 
 CPU 1BANK 2
 STATUS corrected
 RIP 0x12341234
4、加载mce-inject模块
[[email protected]_test ~]# modprobe mce-inject
5、在终端执行文件
[[email protected]_test ~]# mce-inject ./correct
6、查看/var/log/mcelog,/var/log/messages
 [[email protected]_test ~]# tail /var/log/mcelog
 TIME 1581565856Thu Feb 1311:50:56 2020
 MCG status:
 MCi status:
 Corrected error
 Error enabled
 MCA: No Error
 STATUS 9000000000000000MCGSTATUS 0
 MCGCAP 100010a APICID 1SOCKETID 0
 MICROCODE 1
 CPUID Vendor Intel Family 6Model 63
 [[email protected]_test ~]# cat /var/log/messages
 Feb 1311:59:01 RedHat_test systemd: [16423350.358386] Starting machine check poll CPU 1
 Feb 1311:59:01 RedHat_test systemd: [16423350.371252] [Hardware Error]: Machine check events logged

同样的方式,在el7上设置

tail /var/log/messages 可以看到日志,但是,/var/log/mcelog文件默认在el7上,却不存在!!原因是,默认打到/var/log/messages ,不打到/var/log/mcelog。如果希望打到/var/log/mcelog,需要在mcelog 的service文件中,加入参数–logfile=/var/log/mcelog,然后重启mcelog

ExecStart=/usr/sbin/mcelog --ignorenodev--daemon--syslog--logfile=/var/log/mcelog

本文链接:https://www.vipiu.net/archives/2020/02/13/6511.html,转载请注明出处。

0

评论0

请先

赞助会员享海量VIP资源免费下载 自助开通
没有账号? 注册  忘记密码?