Tumbleweed 奇怪的死机，应该如何排查硬件问题？

硬件驱动
1

2023 年 3 月开始在这个设备上安装 tw，作为局域网内 pg 服务器使用，最近一次重装是在去年 12 月，经常长时间不关机，一周一升。近两周触发两次系统崩溃，桌面图标变成缺省图标，xfce 小插件消失。第一次开机后自动进入 bios（没有 uefi 引导项），第二次有线键盘无反应，xfceterm 显示文件不存在。
初步怀疑是 m2 固态坏了。

我应该如何排查硬件问题？

eaton@eaton 
----------- 
OS: openSUSE Tumbleweed x86_64 
Host: G1618-04 
Kernel: 6.8.6-1-default 
Uptime: 11 mins 
Packages: 3265 (rpm) 
Shell: bash 5.2.26 
Resolution: 2560x1440 
DE: Xfce 4.18 
WM: Xfwm4 
Theme: Adwaita [GTK2/3] 
Icons: Adwaita [GTK2/3] 
Terminal: xfce4-terminal 
Terminal Font: Monospace 12 
CPU: AMD Ryzen 7 6800U with Radeon Graphics (16) @ 4.768GHz 
GPU: AMD ATI Radeon 680M 
Memory: 2093MiB / 20272MiB 

eaton:/home/eaton # smartctl -l selftest /dev/nvme0
smartctl 7.4 2023-08-01 r5530 [x86_64-linux-6.8.6-1-default] (SUSE RPM)
Copyright (C) 2002-23, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF SMART DATA SECTION ===
Self-test Log (NVMe Log 0x06)
Self-test status: No self-test in progress
Num  Test_Description  Status                       Power_on_Hours  Failing_LBA  NSID Seg SCT Code
 0   Extended          Completed without error                 244            -     -   -   -    -

eaton:/home/eaton # lsblk
NAME        MAJ:MIN RM  SIZE RO TYPE MOUNTPOINTS
sda           8:0    1    0B  0 disk 
sdb           8:16   1    0B  0 disk 
sdc           8:32   0    0B  0 disk 
zram0       254:0    0    4G  0 disk [SWAP]
nvme0n1     259:0    0  1.8T  0 disk 
├─nvme0n1p1 259:1    0  512M  0 part /boot/efi
├─nvme0n1p2 259:2    0  240G  0 part /var
│                                    /srv
│                                    /root
│                                    /opt
│                                    /boot/grub2/x86_64-efi
│                                    /boot/grub2/i386-pc
│                                    /
├─nvme0n1p3 259:3    0  512G  0 part /usr/local
└─nvme0n1p4 259:4    0  1.1T  0 part /home
eaton:/home/eaton # df -Th
文件系统       类型      大小  已用  可用 已用% 挂载点
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /
devtmpfs       devtmpfs  4.0M     0  4.0M    0% /dev
tmpfs          tmpfs     9.9G   13M  9.9G    1% /dev/shm
efivarfs       efivarfs  128K   21K  103K   18% /sys/firmware/efi/efivars
tmpfs          tmpfs     4.0G  2.1M  4.0G    1% /run
tmpfs          tmpfs     9.9G  3.2M  9.9G    1% /tmp
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /boot/grub2/i386-pc
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /boot/grub2/x86_64-efi
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /opt
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /root
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /srv
/dev/nvme0n1p2 btrfs     240G   53G  187G   23% /var
/dev/nvme0n1p3 btrfs     512G  195G  317G   39% /usr/local
/dev/nvme0n1p4 xfs       1.1T  168G  943G   16% /home
/dev/nvme0n1p1 vfat      511M  214M  298M   42% /boot/efi
tmpfs          tmpfs     2.0G   92K  2.0G    1% /run/user/1000
2

journalctl 查看相应时间段的系统日志。

3

我看网上有人说如果把 CPU 超频或者改过电压之类的也可能出现系统不稳定的情况。

4

这种乱七八糟的原因多了去了，总不能一个个地排查吧……

5

超频这个东西不用排查，因为这玩意儿肯定会导致系统不稳定（发生不明原因当机之类的），如果超频过的话自己肯定知道，改回来就好了。

6

我回去看了下我看的教程，发现作者是不建议新手超频，但如果对硬件有足够的了解未必一定会出问题，所以我把上面的观点修改一下：如果对自己电脑里的硬件不够了解，没有信心让各个硬件保持协调稳健的运行却超频了的话，就改回来吧。

再添加一些网上剽来的死机可能的原因 (出处是鸟哥的 Linux 私房菜 2009)：

系统不稳定的可能原因

除此之外，到底哪个组件特别容易造成系统的不稳定呢？有以下几个常见的系统不稳定的状态。

系统超频：这个行为很不好。不要这么做！

电源不稳：这也是个很严重的问题，当你测试完所有的组件都没有啥大问题时，记得测试一下电源的稳定度。

内存无法负荷：现在的内存质量相差很多，差一点的内存，可能会造成你的主机在忙碌的工作时产生不稳定或死机的现象。

系统过热：“热” 是造成电子零件运行不良的主因之一，如果你的主机在夏天容易死机，冬天却还好，那么考虑一下加几个风扇，有助于机箱内的散热，系统会比较稳定。这个问题也是很常见的系统死机的元凶。（鸟哥之前的一台服务器老是容易死机，后来拆开机箱研究后才发现原来是北桥上面的小风扇坏掉了，导致北桥温度太高。后来换掉风扇就稳定多了。）

事实上，要了解每个硬件的详细架构与构造是很难的！这里鸟哥仅是列出一些比较基本的概念而已。另外，要知道某个硬件的制造商是哪个公司时，可以看该硬件上面的信息。举例来说，主板上面都会列出这个主板的开发商与主板的型号，知道这两个信息就可以找到驱动程序了。另外，显卡上面有个小的芯片，上面也会列出显卡厂商与芯片信息。

这种硬件的原因我觉得也算常见原因了，感觉值得排查一下。

7

笔记本方案，一台掌上游戏机。睿频基本跑不到，主要目的就是跑 PostgreSQL 在局域网用。第一次引导（硬盘？）消失，用 liveCD 备份了数据库。

8

无法确定具体是哪一天了，等下一次无法开机后看。看了一下之前的 journalctl，报错有蓝牙、wifi、xfce4 相关组件、tlp 等等……

9

再次发生死机问题。Xfce terminal 里 su 进不去，xfce 图标全部白标且不可执行。

journalctl -b -1

journalctl_-1.log.tar.gz (57.2 KB)

tty 报错

[333638.412000][ T1914] BTRFS error (device nvme0n1p2 state EA): bdevs /dev/nvme0n1p2 errs: wr 43, rd 211, flush 0, corrupt 0, gen 0

求大佬给个排查思路，我个人判断主要问题在固态硬盘上。

10

日志文件里没有看到 btrfs 报错信息。你能看到更多的信息吗？

11

不知道在哪里看 :dizzy_face: