調查潛在的 CPU 故障
在我用於計算的 Ubuntu 伺服器上，我最近觀察到一些 CPU 擴展程序（GUROBI、CPLEX）經常出現段錯誤。
與相應程序的技術支持一致，我被建議這可能是硬體問題。
伺服器的管理員進行了詳細的記憶體測試，結果發現 RAM 模組似乎沒問題。
因此，我使用工具mprime來測試 CPU，並且在執行壓力測試期間，以下兩行多次出現：
$$ Worker #4 Oct 18 18:47 $$致命錯誤：四捨五入為 0.498046875，預計小於 0.4 $$ Worker #4 Oct 18 18:47 $$檢測到硬體故障，請查閱stress.txt 文件。
壓力.txt 文件本身對於導致此錯誤的原因並不是很詳細，所以我想問一下這裡是否有人碰巧知道導致此問題的原因是什麼？我可以執行其他一些測試來進一步解決問題嗎？
在整個壓力測試期間系統（和所有核心）的溫度都很好（+69.0°C（高 = +80.0°C，臨界 = +98.0°C））有問題的 CPU 是Intel Core i7-2600K CPU @ 3.40GHz，未超頻或以任何方式修改。
另外有趣的是，如果我執行 mprime 只對 CPU 施加壓力，所有測試都可以通過。僅當我讓 mprime 對 CPU+RAM 施加壓力時才會觸發該錯誤。
mprime 不會給出誤報，因此您可以假設您有硬體問題。您想一次更換一個具有已知良好元件的組件，並執行相同的測試。我將從 RAM 開始（儘管通過了 memtest），然後是電源，然後是 CPU，然後是主機板。
如果您沒有備用系統或無法使用兼容元件，您可以嘗試一些方法，但可能找不到明確的原因。首先，檢查所有風扇是否自由旋轉。其次，檢查電源的溫度，以及主機板上的 VRM 和 PCH。如果您的伺服器沒有這些探針，請接地，然後用手指觸摸它們。它們可能很熱，但不會太熱，以至於您無法將手指放在它們上面。第三，移除除第一個插槽之外的所有 RAM 模組（如主機板上標記的那樣），如果測試仍然失敗，請將那個替換為您移除的一個。如果兩個或更多失敗，您可以放心地認為它不是 RAM。