Linux检查硬件错误工具—mcelog命令

共计 3131 个字符，预计需要花费 8 分钟才能阅读完成。

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

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

/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。

[root@RedHat_test ~]# mcelog --daemon

[root@RedHat_test ~]# mcelog --daemon

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

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

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

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)

[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

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

[root@RedHat_test ~]# modprobe mce-inject

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

[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

tail /var/log/messages 可以看到日志，但是 /var/log/mcelog 文件默认在 el7 上不存在！！原因是默认保存到 /var/log/messages。如果希望保存到 /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

阿里云 2 核 2G 服务器 3M 带宽 61 元 1 年，有高配

腾讯云新客低至 82 元 / 年，老客户 99 元 / 年

代金券：在阿里云专用满减优惠券