三招幫你排查Linux中的硬件問題
譯文【51CTO.com快譯】Linux服務器在許多不同類型的基礎架構中運行關鍵任務型業務應用程序，包括物理機、虛擬機、私有云、公共云和混合云。對于Linux系統管理員來說，了解如何管理Linux硬件基礎架構很重要，包括與網絡和存儲有關的軟件定義功能、Linux容器和Linux服務器上的多個工具。
排查并解決Linux上與硬件有關的問題可能需要一些時間。連經驗豐富的系統管理員有時也要花幾小時來解決莫名其妙的軟硬件問題。
下列貼士幫助你更快速更輕松地為Linux中的硬件排查故障。許多不同的因素可能導致Linux硬件出現問題;在你開始嘗試診斷之前，了解最常見的問題以及最有可能找到原因的環節是明智之舉。
1.快速診斷設備、模塊和驅動程序
故障排查的第一步通常是顯示Linux服務器上安裝的硬件列表。你可以使用ls命令獲取硬件的詳細信息，比如lspci、lsblk、lscpu和lsscsi。比如說，這是lsblk命令的輸出結果：
- # 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ls命令沒有顯示任何錯誤，使用初始化進程(比如systemd)查看Linux服務器的運行狀況。systemd是啟動用戶空間、控制多個系統進程的最流行的初始化進程。比如說，這是systemctl status命令的輸出結果：
- # 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
2.深入研究多個日志
dmesg讓你可以搞清楚內核的最新信息中的錯誤和警示內容。比如說，這是dmesg | more命令的輸出結果：
- # 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
- ....
你還可以查看/var/log/messages文件中的所有Linux系統日志，在這里找到與特定問題有關的錯誤。如果你對硬件進行改動，比如掛載額外磁盤或添加以太網網卡，有必要通過tail命令實時密切關注信息。比如說，這是tail -f /var/log/messages命令的輸出結果：
- # 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
3.分析網絡功能
你可能在復雜的網絡環境中有成千上萬個云原生應用程序為業務服務提供服務;這些可能包括虛擬化、多云和混合云。這意味著你應該分析網絡連接是否正常運行，這是故障排查的一部分。分析Linux服務器中網絡功能的實用命令包括ip addr、traceroute、nslookup、dig和ping等。比如說，這是ip addr show命令的輸出結果：
- # 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
- ....
結束語
Linux硬件故障排查需要具備相當扎實的知識，包括如何使用功能強大的命令行工具、解讀系統日志。你還應該知道如何診斷內核空間，可以在內核空間找到許多硬件問題的根本原因。請記住，Linux中的硬件問題可能由許多不同的方面引起，包括設備、模塊、驅動程序、BIOS、網絡，甚至是舊硬件故障。
原文標題：Troubleshooting hardware problems in Linux，作者：Daniel Oh
【51CTO譯稿，合作站點轉載請注明原文譯者和出處為51CTO.com】
