需要了解的Linux kernel panic解決方法

kernel panic錯誤表現(xiàn)
kernel panic?主要有以下幾個出錯提示：
Kernel panic-not syncing fatal exception in interrupt
kernel panic - not syncing: Attempted to kill the idle task!
kernel panic - not syncing: killing interrupt handler!
Kernel Panic - not syncing：Attempted to kill init !
kernel錯誤分析
查看了一下?linux的源碼文件，找到相關位置
kernel/panic.c
NORET_TYPE void panic(const char * fmt, …)
{
static char buf[1024];
va_list args;
bust_spinlocks(1);
va_start(args, fmt);
vsnprintf(buf, sizeof(buf), fmt, args);
va_end(args);
printk(KERN_EMERG “Kernel panic - not syncing: %s/n”,buf);
bust_spinlocks(0);

kernel/exit.c

if (unlikely(in_interrupt()))
panic(“Aiee, killing interrupt handler!”); #中斷處理
if (unlikely(!tsk->pid))
panic(“Attempted to kill the idle task!”); #空任務
if (unlikely(tsk->pid == 1))
panic(“Attempted to kill init!”); #初始化


從其他源文件和相關文檔看到應該有幾種原因：

1、硬件問題
使用了?SCSI-device?并且使用了未知命令

#WDIOS_TEMPPANIC Kernel panic on temperature trip
#?
# The SETOPTIONS call can be used to enable and disable the card
# and to ask the driver to call panic if the system overheats.
#?
# If one uses a SCSI-device of unsupported type/commands, one
# immediately runs into a kernel-panic caused by Command Error. To better
# understand which SCSI-command caused the problem, I extended this
# specific panic-message slightly.
#?
#read/write causes a command error from
# the subsystem and this causes kernel-panic

2、系統(tǒng)過熱
如果系統(tǒng)過熱會調用panci，系統(tǒng)掛起

#WDIOS_TEMPPANIC Kernel panic on temperature trip
#?
# The SETOPTIONS call can be used to enable and disable the card
# and to ask the driver to call panic if the system overheats.

3、文件系統(tǒng)引起

#A variety of panics and hangs with /tmp on a reiserfs filesystem
#Any other panic, hang, or strange behavior
#
# It turns out that there’s a limit of six environment variables on the
# kernel command line. When that limit is reached or exceeded, argument
# processing stops, which means that the ‘root=’ argument that UML
# usually adds is not seen. So, the filesystem has no idea what the
# root device is, so it panics.
# The fix is to put less stuff on the command line. Glomming all your
# setup variables into one is probably the best way to go.

Linux內核命令行有6個環(huán)境變量。如果即將達到或者已經超過了的話?root=?參數(shù)會沒有傳進去
啟動時會引發(fā)panics錯誤。
vi grub.conf
#####################
title Red Hat Enterprise Linux AS (2.6.9-67.0.15.ELsmp)
root (hd0,0)
kernel /boot/vmlinuz-2.6.9-67.0.15.ELsmp ro root=LABEL=/
initrd /boot/initrd-2.6.9-67.0.15.ELsmp.img
title Red Hat Enterprise Linux AS-up (2.6.9-67.EL)
root (hd0,0)
kernel /boot/vmlinuz-2.6.9-67.EL ro root=LABEL=/
initrd /boot/initrd-2.6.9-67.EL.img

應該是?其中的?root=LABEL=/?沒有起作用。


4、內核更新
網上相關文檔多半是因為升級內核引起的，建議使用官方標準版、穩(wěn)定版
另外還有使用磁盤的lvm?邏輯卷，添加CPU和內存?？稍贐IOS中禁掉聲卡驅動等不必要的設備。


也有報是ext3文件系統(tǒng)的問題。
解決：?手工編譯內核，把?ext3相關的模塊都編譯進去，


5、處理panic后的系統(tǒng)自動重啟

panic.c源文件有個方法，當panic掛起后，指定超時時間，可以重新啟動機器

if (panic_timeout > 0)
{
int i;
/*
* Delay timeout seconds before rebooting the machine.
* We can’t use the “normal” timers since we just panicked..
*/
printk(KERN_EMERG “Rebooting in %d seconds..”,panic_timeout);
for (i = 0; i < panic_timeout; i++) {
touch_nmi_watchdog();
mdelay(1000);
}

修改方法：
/etc/sysctl.conf文件中加入
kernel.panic = 30 #panic錯誤中自動重啟，等待時間為30秒
kernel.sysrq=1 #激活Magic SysRq！?否則，鍵盤鼠標沒有響應
Linux Kernel Panic之后的招數(shù)
Linux的穩(wěn)定性勿容置疑，但是有些時候一些Kernel的致命錯誤還是會發(fā)生（有些時候甚至是因為硬件的原因或驅動故障），Kernel Panic會導致系統(tǒng)crash，并且默認的系統(tǒng)會一直hung在那里，直到你去把它重新啟動！
不過你可以在/etc/sysctl.conf文件中加入
kernel.panic = 20
來告訴系統(tǒng)從Panic錯誤中自動重啟，等待時間為20秒！這個由管理員自己設定！
另外一個討厭的事情是系統(tǒng)hung住之后，鍵盤鼠標沒有響應，這個可以通過設置Magic SysRq來試著解決，也是在/etc/sysctl.conf中，
kernel.sysrq=1
來激活Magic SysRq！
這樣在掛住的時候至少還有一招可以使，
按住?[ALT]+[SysRq]+[COMMAND],?這里SysRq是Print SCR鍵，而COMMAND按以下來解釋！b -?立即重啟
e -?發(fā)送SIGTERM給init之外的系統(tǒng)進程
o -?關機
s - sync同步所有的文件系統(tǒng)
u -?試圖重新掛載文件系統(tǒng)
當然，誰也不希望經常用到這些招數(shù)！:O，有備無患而已
Kernel?panic問題如何調試
Linux kernel panic是很難定位和排查的重大故障,一旦系統(tǒng)發(fā)生了kernel panic，相關的日志信息非常少，而一種常見的排查方法—重現(xiàn)法–又很難實現(xiàn)，因此遇到kernel panic的問題，一般比較頭疼。
沒有一個萬能和完美的方法來解決所有的kernel panic問題，這篇文章僅僅只是給出一些思路，一來如何解決kernel panic的問題，二來可以盡可能減少發(fā)生kernel panic的機會。

什么是kernel panic
就像名字所暗示的那樣，它表示Linux kernel走到了一個不知道該怎么走下一步的狀況，一旦到這個情況，kernel就盡可能把它此時能獲取的全部信息都打印出來，至于能打印出多少信息，那就看是那種情況導致它panic了。
有兩種主要類型kernel panic：
1.hard panic(也就是Aieee信息輸出)
2.soft panic (也就是Oops信息輸出)
什么能導致kernel panic
只有加載到內核空間的驅動模塊才能直接導致kernel panic，你可以在系統(tǒng)正常的情況下，使用lsmod查看當前系統(tǒng)加載了哪些模塊。
除此之外，內建在內核里的組件（比如memory map等）也能導致panic。
因為hard panic和soft panic本質上不同，因此我們分別討論。
如何排查hard panic
一般出現(xiàn)下面的情況，就認為是發(fā)生了kernel panic:

機器徹底被鎖定，不能使用

數(shù)字鍵(Num Lock)，大寫鎖定鍵(Caps Lock)，滾動鎖定鍵(Scroll Lock)不停閃爍。

如果在終端下，應該可以看到內核dump出來的信息（包括一段”Aieee”信息或者”O(jiān)ops”信息）

和Windows藍屏相似

原因：
對于hard panic而言，最大的可能性是驅動模塊的中斷處理(interrupt handler)導致的，一般是因為驅動模塊在中斷處理程序中訪問一個空指針(null pointre)。一旦發(fā)生這種情況，驅動模塊就無法處理新的中斷請求，最終導致系統(tǒng)崩潰。
信息收集
根據(jù)panic的狀態(tài)不同，內核將記錄所有在系統(tǒng)鎖定之前的信息。因為kenrel panic是一種很嚴重的錯誤，不能確定系統(tǒng)能記錄多少信息，下面是一些需要收集的關鍵信息，他們非常重要，因此盡可能收集全，當然如果系統(tǒng)啟動的時候就kernel panic，那就無法只知道能收集到多少有用的信息了。

/var/log/messages:?幸運的時候，整個kernel panic棧跟蹤信息都能記錄在這里。

應用程序/庫?日志:?可能可以從這些日志信息里能看到發(fā)生panic之前發(fā)生了什么。

其他發(fā)生panic之前的信息，或者知道如何重現(xiàn)panic那一刻的狀態(tài)

終端屏幕dump信息，一般OS被鎖定后，復制，粘貼肯定是沒戲了，因此這類信息，你可以需要借助數(shù)碼相機或者原始的紙筆工具了。

如果kernel dump信息既沒有在/var/log/message里，也沒有在屏幕上，那么嘗試下面的方法來獲?。ó斎皇窃谶€沒有死機的情況下）：

如果在圖形界面，切換到終端界面，dump信息是不會出現(xiàn)在圖形界面的，甚至都不會在圖形模式下的虛擬終端里。

確保屏幕不黑屏，可以使用下面的幾個方法：

setterm -blank 0

setterm -powerdown 0

setvesablank off

從終端，拷貝屏幕信息（方法見上）

完整棧跟蹤信息的排查方法
棧跟蹤信息(stack trace)是排查kernel panic最重要的信息，該信息如果在/var/log/messages日志里當然最好，因為可以看到全部的信息，如果僅僅只是在屏幕上，那么最上面的信息可能因為滾屏消失了，只剩下棧跟蹤信息的一部分。如果你有一個完整棧跟蹤信息的話，那么就可能根據(jù)這些充分的信息來定位panic的根本原因。要確認是否有一個足夠的棧跟蹤信息，你只要查找包含”EIP”的一行，它顯示了是什么函數(shù)和模塊調用時導致panic。大概就像下面這個例子一樣：
EIP is at _dlgn_setevmask [streams-dlgnDriver] 0xe
hard panic的一個完整跟蹤信息例子：
Unable to handle kernel NULL pointer dereference at virtual address 0000000c
printing eip:
f89e568a
*pde = 32859001
*pte = 00000000
Oops: 0000
Kernel 2.4.9-31enterprise
CPU: 1
EIP: 0010:[] Tainted: PF
EFLAGS: 00010096
EIP is at _dlgn_setevmask [streams-dlgnDriver] 0xe
eax: 00000000 ebx: f65f5410 ecx: f5e16710 edx: f65f5410
esi: 00001ea0 edi: f5e23c30 ebp: f65f5410 esp: f1cf7e78
ds: 0018 es: 0018 ss: 0018
Process pwcallmgr (pid: 10334, stackpage=f1cf7000)
Stack: 00000000 c01067fa 00000086 f1cf7ec0 00001ea0 f5e23c30 f65f5410 f89e53ec
f89fcd60 f5e16710 f65f5410 f65f5410 f8a54420 f1cf7ec0 f8a4d73a 0000139e
f5e16710 f89fcd60 00000086 f5e16710 f5e16754 f65f5410 0000034a f894e648
Call Trace: [setup_sigcontext+218/288] setup_sigcontext [kernel] 0xda
Call Trace: [] setup_sigcontext [kernel] 0xda
[] dlgnwput [streams-dlgnDriver] 0xe8
[] Sm_Handle [streams-dlgnDriver] 0×1ea0
[] intdrv_lock [streams-dlgnDriver] 0×0
[] Gn_Maxpm [streams-dlgnDriver] 0×8ba
[] Sm_Handle [streams-dlgnDriver] 0×1ea0
[] lis_safe_putnext [streams] 0×168
[] __insmod_streams-dvbmDriver_S.bss_L117376 [streams-dvbmDriver] 0xab8
[] dvbmwput [streams-dvbmDriver] 0×6f5
[] dvwinit [streams-dvbmDriver] 0×2c0
[] lis_safe_putnext [streams] 0×168
[] lis_strputpmsg [streams] 0×54c
[] __insmod_streams_S.rodata_L35552 [streams] 0×182e
[] sys_putpmsg [streams] 0×6f
[system_call+51/56] system_call [kernel] 0×33
[] system_call [kernel] 0×33
Nov 28 12:17:58 talus kernel:
Nov 28 12:17:58 talus kernel:
Code: 8b 70 0c 8b 06 83 f8 20 8b 54 24 20 8b 6c 24 24 76 1c 89 5c
完整棧信息無效的排查方法
如果只有部分跟蹤信息，要快速定位問題的根本原因就變得很難，因為沒有明顯的信息來告訴我們是哪個模塊或者函數(shù)的調用導致了內核panic，你可能只能看到kernel最后的一些指令。這種情況下，要盡可能多的收集信息，包括程序日志，庫的跟蹤信息，故障重現(xiàn)的步驟等。
Hard panic?部分跟蹤信息例子（沒有EIP信息）：
[] ip_rcv [kernel] 0×357
[] sramintr [streams_dlgnDriver] 0×32d
[] lis_spin_lock_irqsave_fcn [streams] 0×7d
[] inthw_lock [streams_dlgnDriver] 0×1c
[] pwswtbl [streams_dlgnDriver] 0×0
[] dlgnintr [streams_dlgnDriver] 0×4b
[] Gn_Maxpm [streams_dlgnDriver] 0×7ae
[] __run_timers [kernel] 0xd1
[] handle_IRQ_event [kernel] 0×5e
[] do_IRQ [kernel] 0xa4
[] default_idle [kernel] 0×0
[] default_idle [kernel] 0×0
[] call_do_IRQ [kernel] 0×5
[] default_idle [kernel] 0×0
[] default_idle [kernel] 0×0
[] default_idle [kernel] 0×2d
[] cpu_idle [kernel] 0×2d
[] __call_console_drivers [kernel] 0×4b
[] call_console_drivers [kernel] 0xeb
Code: 8b 50 0c 85 d2 74 31 f6 42 0a 02 74 04 89 44 24 08 31 f6 0f
<0> Kernel panic: Aiee, killing interrupt handler!
In interrupt handler – not syncing
使用內核調試工具(kenrel debugger ,aka KDB)
如果跟蹤信息只有一部分且不足以用來定位問題的根本原因時，kernel debugger(KDB)就需要請出來了。
KDB編譯到內核里，panic發(fā)生時，他將內核引導到一個shell環(huán)境而不是鎖定。這樣，我們就可以收集一些與panic相關的信息了，這對我們定位問題的根本原因有很大的幫助。
使用KDB需要注意，內核必須是基本核心版本，比如是2.4.18，而不是2.4.18-5這樣子的，因為KDB僅對基本核心有效。
如何排查soft panic
癥狀：

沒有hard panic嚴重

通常導致段錯誤(segmentation fault)

可以看到一個oops信息，/var/log/messages里可以搜索到’Oops’

機器稍微還能用（但是收集信息后，應該重啟系統(tǒng)）

原因：
凡是非中斷處理引發(fā)的模塊崩潰都將導致soft panic。在這種情況下，驅動本身會崩潰，但是還不至于讓系統(tǒng)出現(xiàn)致命性失敗，因為它沒有鎖定中斷處理例程。導致hard panic的原因同樣對soft panic也有用（比如在運行時訪問一個空指針)
信息收集：
當soft panic發(fā)生時，內核將產生一個包含內核符號(kernel symbols)信息的dump數(shù)據(jù)，這個將記錄在/var/log/messages里。為了開始排查故障，可以使用ksymoops工具來把內核符號信息轉成有意義的數(shù)據(jù)。
為了生成ksymoops文件,需要：

從/var/log/messages里找到的堆棧跟蹤文本信息保存為一個新文件。確保刪除了時間戳(timestamp)，否則ksymoops會失敗。

運行ksymoops程序（如果沒有，請安裝）

詳細的ksymoops執(zhí)行用法，可以參考ksymoops(8)手冊。

下面是一個soft panic的oopsg跟蹤例子：
Code: 8b 70 0c 50 e8 69 f9 f8 ff 83 c4 10 83 f8 08 74 35 66 c7 47
EIP; f89ba71e <[streams-dlgnDriver]_dlgn_setidlestate+1e/8c>
Trace; f8951bd6 <[streams]lis_wakeup_close+86/110>
Trace; f8a2705c <[streams-dlgnDriver]__module_parm_r4_feature+280/1453>
Trace; f8a27040 <[streams-dlgnDriver]__module_parm_r4_feature+264/1453>
Trace; f89b9198 <[streams-dlgnDriver]dlgnwput+e8/204>
案例分析
Kernel Panic – not syncing: attempted to kill idle task
出現(xiàn)這種錯誤是進入不了操作系統(tǒng)的，kernel panic的成因有多種多樣，但這種情況是比較奇特的一種，因為它很可能不是軟件的問題，而是硬件的問題。幾年前我用帶奔三的舊主板時遇到過，當時不知道如何解決，只知道它偶爾出現(xiàn)，放一放也會自行消失，所以當初沒有重視。現(xiàn)在，當我重新用上舊主板，這種情況又出現(xiàn)了，而且這一次比較頑固，無論怎樣重啟，總是這條錯誤，不但硬盤上現(xiàn)有的兩個操作系統(tǒng)都進不去，而且連光驅里的LiveCD也進不去了，這顯然不是硬盤的問題，也不是內核的問題。以前我就明白應該是主板的問題，可能是主板太舊，電路信號不太通暢的原因，但不知道怎么辦，害得我一天一宿沒上網。今天早上去網吧，查了點資料，大體上有幾種說法：
一種是在grub作內核引導時添加idle參數(shù)，這一種是國內網常見的一種說法；
第二個方法是注意一下bios中顯示的CPU或者內存條的溫度；
第三種是重新作initrd，即mkinitrd；
第四種是在grub中啟動memtest86來測試內存，
這幾個是外國人的論壇上說的。我回到家以后，先試了第一種，加了idle的各種參數(shù)后，毫無效果，關于第二種方法，我在bios中看到似乎硬件的溫度不是可以調節(jié)的，但我從這個思路出發(fā)，考慮到，如果與內存有關，不妨把三個內存條互換一下位置，也許有效，于是，我把我的三個SD內存換了位置，然后開機，一切正常了。
?Kernel Panic – not syncing: attempted to kill init
這一種情況的表現(xiàn)是系統(tǒng)的極不穩(wěn)定?；蛘哌M入不了系統(tǒng)，syslog停止于kernel panic；或者重啟后可以進入系統(tǒng)，但不久就死機，鍵盤上的Caps-Lock與Scroll-Lock兩個燈在閃。這種錯誤與上面那個有相同的成因，解決方法也相同。


?