伺服器隨機凍結並僅在冷啟動時啟動

我面臨著關於一台伺服器的非常奇怪的問題，它隨機凍結/掛起，伺服器上沒有輸出，並且不響應短鍵，並且需要冷啟動，當用冷啟動啟動時，啟動螢幕上根本沒有錯誤。

它在重負載下根本不會凍結，大約 9-20% 的 cpu wheb 崩潰，平均負載大約 2-5（12 核 cpu）和 128gb ram

我們嘗試檢查日誌，沒有顯示核心恐慌或與問題本身相關的任何內容。

在冷啟動後的所有凍結中，當我們檢查日誌時，我們確實看到正常的 OOM 收割者正在殺死 php procces（使用者達到限制）但沒有太濫用，但總是在 OOM 上，有時當伺服器凍結在日誌中時，您會看到目前時間，有時就像它在崩潰的目前時間之後顯示的舊日期幾行，並凍結。

日誌中沒有任何內容可以確定軟體相關，或者在重負載下，只是正常執行，這是從舊機器升級的機器，多年來穩定..凍結是隨機的，可能是伺服器啟動一周後，或者兩天或三個星期等等……

我們還嘗試提取伺服器凍結的 vmcore 轉儲，但仍然沒有擷取任何內容。

它只是凍結，沒有螢幕輸出，但伺服器仍在執行但不可發送，無法訪問 ssh，也 kvm 正如我所說的在螢幕上根本沒有輸出。

它可能與可能有故障的硬體有關嗎？因為我的暫停是關於記憶體故障？

我對這個問題非常迷茫..謝謝

我們剛剛遷移到另一台伺服器，但經過大量搜尋並嘗試調試後，看起來硬體問題與主機板有關，因為我在一些論壇中檢查過來自 asrock rack 和 ryzen cpus 的主機板，即使在 Windows 10 上，我也設法找到了幾個相同問題的案例或 Windows 伺服器出現藍屏當機。正如作業系統支持在這種情況下建議的那樣，不要更改主機板品牌，因為可能會被拒絕啟動，並像我們一樣遷移到新伺服器。在我們遷移到新伺服器後，所有問題都解決了。所以我想它確實與硬體問題而不是軟體有關。

1. 確保溫度良好，CPU/RAM/CHIPSET/DISKS，由於 OOM，我假設您是 linux 使用者，安裝lm-sensors，並使用命令檢查 temps sensors。
2. 這是你的 RAM，執行 memtest86，注意 128GB 的​​完整測試可能需要一周時間。

引用自：https://serverfault.com/questions/1080950