Linux检查硬件错误工具—mcelog命令

Linux检查硬件错误工具—mcelog命令

1、简介

mcelog 是Linux 系统上用来检查硬件错误，特别是内存和CPU错误的工具。未纠正的错误是关键异常，如果 CPU 无法恢复，往往会导致系统上的内核错误。这会导致应用程序重置和中断。对于未纠正的错误，mcelog 捕获错误的能力取决于错误导致热重启还是硬重启。如果是热重启，信息会被 mcelog 捕获，恢复后可看到。硬重启会导致数据丢失，而且 mcelog 可能捕获不到该事件。

2、安装

[root@RedHat_test ~]# yum install mcelog.x86_64

3、mcelog的启动方式

cron : 最老的方式，有确定，定时任务，会丢失一些 daemon : el7上用这种，守护进程的方式 trigger : 高级一点的方式，触发的时候，看man mcelog

4、mcelog相关文件

/dev/mcelog 设备文件  /var/log/mcelog messages日志文件  /etc/mcelog/mcelog.conf配置文件  /var/run/mcelog.pid 默认故障日志只记录在/var/log/mcelog，并不记录到系统日志中。 如果需要在系统日志中也体现，需修改/etc/mcelog/mcelog.conf文件，将前面#去掉，并保存。

5、mcelog后台运行

[root@RedHat_test ~]# mcelog --daemon

6、查看系统是否异常

1.手动运行mcelog的方式

[root@RedHat_test ~]# mcelog --daemon

2.查看mcelog日志

[root@RedHat_test ~]# tail var/log/mcelog # 什么也没有输出，表明正常

3.查看mcelog守护进程是否检测到错误信息

[root@RedHat_test ~]# mcelog --client # 什么也没有输出，表明正常

4.解析系统异常时的mcelog输出

[root@RedHat_test ~]# mcelog --ascii < file.log # or或者 [root@RedHat_test ~]# mcelog --ascii --file file.log

7、测试

1.mce-inject用于测试mcelog能否正确的获取硬件错误信息，并进行正确解码，mce-inject可以向内核注入指定的错误信息，因此，可以很方便的了解到mcelog的功能是否正常。

注意的是，当用户利用mce-inject工具向内核注入不可恢复错误（如：fatal）时，会发生死机重新启动等现象，当然，可以通过更改sys文件系统下的tolerate文件来避免此现象的发生。

[root@RedHat_test ~]# cd sys/devices/system/machinecheck/machinecheck0 ---------------------------------------------------------------------------------------- 位置 : sys/devices/system/machinecheck/machinecheck*/ 说明 : 其中machinecheck* 中的 *号由CPU的个数所决定的，如果是双核的，则存在machinecheck0和machinecheck1两个目录，对应目录里都有一个tolerate文件，tolerate中存放容忍程度值。 功能 : 向用户提供一个可选择的出现相应硬件错误时的容忍程度（tolerate），比如：当tolerate的值为1时，出现fatal错误时就会死机，重新启动，并且该错误信息并不被记录；当tolerate的值为3时（注意该值只用于测试），在出现fatal错误时，机器会容忍该错误不予响应，不会出现死机重新启动现象，并且会记录相关错误信息。 ---------------------------------------------------------------------------------------- [root@RedHat_test machinecheck0]# cat tolerant  1 [root@RedHat_test machinecheck0]# echo 3 > tolerant ---------------------------------------------------------------------------------------- 数值含义 tolerate的取值可以为0、1、2、3。 0: always panic on uncorrected errors, log corrected errors 1: panic or SIGBUS on uncorrected errors, log corrected errors 2: SIGBUS or log uncorrected errors (if possible), log corrected errors 3: never panic or SIGBUS, log all errors (for testing only)

2.安装

[root@RedHat_test ~]# yum install gcc.x86_64 gcc-c++.x86_64 flex.x86_64 dialog.x86_64 ras-utils.x86_64 git.x86_64 ras-utils

3.捏造文件

[root@RedHat_test ~]# cat correct  CPU 1BANK 2 STATUS corrected RIP 0x12341234

4.加载mce-inject模块

[root@RedHat_test ~]# modprobe mce-inject

5.在终端执行文件

[root@RedHat_test ~]# mce-inject ./correct

6.查看/var/log/mcelog,/var/log/messages

[root@RedHat_test ~]# tail var/log/mcelog TIME 1581565856Thu Feb 1311:50:56 2020 MCG status: MCi status: Corrected error Error enabled MCA: No Error STATUS 9000000000000000MCGSTATUS 0 MCGCAP 100010a APICID 1SOCKETID 0 MICROCODE 1 CPUID Vendor Intel Family 6Model 63 [root@RedHat_test ~]# cat /var/log/messages Feb 1311:59:01 RedHat_test systemd: [16423350.358386] Starting machine check poll CPU 1 Feb 1311:59:01 RedHat_test systemd: [16423350.371252] [Hardware Error]: Machine check events logged

8、同样的方式，在el7上设置

tail /var/log/messages 可以看到日志，但是，/var/log/mcelog文件默认在el7上，却不存在！！原因是，默认打到/var/log/messages ，不打到/var/log/mcelog。如果希望打到/var/log/mcelog，需要在mcelog 的service文件中，加入参数--logfile=/var/log/mcelog，然后重启mcelog

ExecStart=/usr/sbin/mcelog --ignorenodev--daemon--syslog--logfile=/var/log/mcelog

扫码