私はCentOS 6.8サーバーが数日ごとにクラッシュする理由を見つけようとしています。カーネルバージョン2.6.32-642.1.1.el6.x86_64を使用しています。これまで、カーネルパニックによって生成されたカーネルダンプを調べるのに役立つクラッシュプログラムをインストールしました。しかし、正直なところ、私はそれが出力する多くの情報をよく理解していません。
[root@resh boot]# crash /usr/lib/debug/lib/modules/2.6.32-642.1.1.el6.x86_64/vmlinux /var/crash/127.0.0.1-2016-08-02-09\:12\:20/vmcore
KERNEL: /usr/lib/debug/lib/modules/2.6.32-642.1.1.el6.x86_64/vmlinux
DUMPFILE: /var/crash/127.0.0.1-2016-08-02-09:12:20/vmcore [PARTIAL DUMP]
CPUS: 32
DATE: Tue Aug 2 09:09:29 2016
UPTIME: 12:47:24
LOAD AVERAGE: 4.78, 4.66, 4.55
TASKS: 998
NODENAME: resh.cluster.org
RELEASE: 2.6.32-642.1.1.el6.x86_64
VERSION: #1 SMP Tue May 31 21:57:07 UTC 2016
MACHINE: x86_64 (2294 Mhz)
MEMORY: 31.8 GB
PANIC: "BUG: unable to handle kernel NULL pointer dereference at 0000000000000002"
PID: 42993
COMMAND: "kslowd002"
TASK: ffff88040d88d520 [THREAD_INFO: ffff880100000000]
CPU: 7
STATE: TASK_RUNNING (PANIC)
衝突追跡:
crash> bt
PID: 42993 TASK: ffff88040d88d520 CPU: 7 COMMAND: "kslowd002"
#0 [ffff8801000039c0] machine_kexec at ffffffff8103fdcb
#1 [ffff880100003a20] crash_kexec at ffffffff810d1fe2
#2 [ffff880100003af0] oops_end at ffffffff8154bd00
#3 [ffff880100003b20] no_context at ffffffff810518cb
#4 [ffff880100003b70] __bad_area_nosemaphore at ffffffff81051b55
#5 [ffff880100003bc0] bad_area_nosemaphore at ffffffff81051c23
#6 [ffff880100003bd0] __do_page_fault at ffffffff8105231c
#7 [ffff880100003cf0] do_page_fault at ffffffff8154dc8e
#8 [ffff880100003d20] page_fault at ffffffff8154af95
[exception RIP: unknown or invalid address]
RIP: 0000000000000002 RSP: ffff880100003dd8 RFLAGS: 00010202
RAX: ffffffffa0465a80 RBX: ffff8801bc7da200 RCX: ffff8801bc7da2a8
RDX: 0000000000000002 RSI: 00000000ffffffff RDI: ffff8801bc7da200
RBP: ffff880100003e20 R8: ffffffff81ad12d8 R9: fe2582cc8764a601
R10: 0000000000000001 R11: 0000000000000000 R12: 0000000000000000
R13: ffff8801bc7da248 R14: ffff8801bc7da290 R15: 00000000ffffffff
ORIG_RAX: ffffffffffffffff CS: 0010 SS: 0018
#9 [ffff880100003dd8] fscache_object_slow_work_execute at ffffffffa0460e9f [fscache]
#10 [ffff880100003e28] slow_work_execute at ffffffff81121363
#11 [ffff880100003e68] slow_work_thread at ffffffff81121645
#12 [ffff880100003ee8] kthread at ffffffff810a662e
#13 [ffff880100003f48] kernel_thread at ffffffff8100c28a
競合ログ:
BUG: unable to handle kernel NULL pointer dereference at 0000000000000002
IP: [<0000000000000002>] 0x2
PGD 0
Oops: 0010 [#1] SMP
last sysfs file: /sys/devices/system/cpu/online
CPU 7
Modules linked in: nfs nfsd lockd nfs_acl auth_rpcgss sunrpc 8021q garp stp llc cpufreq_ondemand freq_table pcc_cpufreq cachefiles fscache(T) ipv6 ipt_REJECT nf_conntrack_ipv4 nf_defrag_ipv4 xt_state nf_conntrack iptable_filter ip_tables xfs exportfs ext2 power_meter acpi_ipmi ipmi_si ipmi_msghandler microcode iTCO_wdt iTCO_vendor_support hpilo hpwdt igb i2c_algo_bit i2c_core ptp pps_core sg serio_raw lpc_ich mfd_core ioatdma dca shpchp ext4 jbd2 mbcache sd_mod crc_t10dif hpsa ahci dm_mirror dm_region_hash dm_log dm_mod [last unloaded: scsi_wait_scan]
Pid: 42993, comm: kslowd002 Tainted: G -- ------------ T 2.6.32-642.1.1.el6.x86_64 #1 HP ProLiant DL360e Gen8
RIP: 0010:[<0000000000000002>] [<0000000000000002>] 0x2
RSP: 0018:ffff880100003dd8 EFLAGS: 00010202
RAX: ffffffffa0465a80 RBX: ffff8801bc7da200 RCX: ffff8801bc7da2a8
RDX: 0000000000000002 RSI: 00000000ffffffff RDI: ffff8801bc7da200
RBP: ffff880100003e20 R08: ffffffff81ad12d8 R09: fe2582cc8764a601
R10: 0000000000000001 R11: 0000000000000000 R12: 0000000000000000
R13: ffff8801bc7da248 R14: ffff8801bc7da290 R15: 00000000ffffffff
FS: 0000000000000000(0000) GS:ffff8800380e0000(0000) knlGS:0000000000000000
CS: 0010 DS: 0018 ES: 0018 CR0: 000000008005003b
CR2: 0000000000000002 CR3: 0000000001a8d000 CR4: 00000000000407e0
DR0: 0000000000000000 DR1: 0000000000000000 DR2: 0000000000000000
DR3: 0000000000000000 DR6: 00000000ffff0ff0 DR7: 0000000000000400
Process kslowd002 (pid: 42993, threadinfo ffff880100000000, task ffff88040d88d520)
Stack:
ffffffffa0460e9f ffff880100003e00 ffff8801bc7da238 ffff8801bc7da298
<d> 0000000000000002 ffffffff81f55ec0 ffff8801bc7da290 ffff8801bc7da298
<d> 0000000000000001 ffff880100003e60 ffffffff81121363 ffff880100003e60
Call Trace:
[<ffffffffa0460e9f>] ? fscache_object_slow_work_execute+0xaf/0x1c0 [fscache]
[<ffffffff81121363>] slow_work_execute+0x233/0x310
[<ffffffff81121645>] slow_work_thread+0x205/0x360
[<ffffffff810a6ac0>] ? autoremove_wake_function+0x0/0x40
[<ffffffff81121440>] ? slow_work_thread+0x0/0x360
[<ffffffff810a662e>] kthread+0x9e/0xc0
[<ffffffff8100c28a>] child_rip+0xa/0x20
[<ffffffff810a6590>] ? kthread+0x0/0xc0
[<ffffffff8100c280>] ? child_rip+0x0/0x20
Code: Bad RIP value.
RIP [<0000000000000002>] 0x2
RSP <ffff880100003dd8>
CR2: 0000000000000002
衝突の原因を理解する人はいますか?問題を診断するのに役立つプログラムがある場合は、そのプログラムのコメントを聞きたいです。
答え1
迅速な答え:
これは次のように見えます。カーネルのバグ #13998(以下で私がこの結論に達した方法を参照してください。)この結論は、以降のカーネルバージョンでは再現されませんでした。その場合は、最新のカーネル(または最新バージョンのCentOS、同じ違い)にアップグレードしてください。しなければならないモジュールに関する問題を解決しますfscache
。
fscache
問題の手がかり:
PANIC: "BUG: unable to handle kernel NULL pointer dereference at 000000000000002"
カーネルが意味のないメモリアドレスをロードしようとしていることを意味します。
COMMAND: "kslowd002"
これは、パニックが発生したときにカーネルが実行しようとするコマンドです。これが必ずしも衝突を起こした命令という意味ではありませんが、良い出発点になります。何ですかkslowd
?よく読んでくださいここ。
逆追跡で:
#9 [ffff880100003dd8] fscache_object_slow_work_execute at ffffffffa0460e9f [fscache]
以前に実行された最後のプロセスです。
[exception RIP: unknown or invalid address]
これはカーネルが逆参照できないNULLポインタです。つまり、カーネルが検索しようとするが存在しないため、見つからないメモリの位置です。これは既知のバグであり、fscache
以降のカーネルバージョンでは解決されたようです。
こここれは、未解決の同じ問題に対するCentOS-6関連のバグレポート(#0007782)です。 CentOSの推奨事項には、カーネルが利用可能な最新バージョンであることを確認することも含まれます。この場合、CentOSの次の安定したメジャーバージョンにアップグレードする必要があるかもしれません。
これらのクラッシュダンプを読む方法の詳細については、次のチュートリアルをお勧めします。 http://www.dedoimedo.com/computers/crash-analyze.html