群晖/PVE/ Linux 系统死机如何最小代价的排查问题，每次运行五天后不定时死机。悬赏一包玉溪，采纳后我会 @，先在此谢过了。

内存条换一个看看

群晖不管黑白都非常非常稳定

第一反应是内存； 两根内存留一根，挨个试试？

蹲一个，我朋友那的 x86 软路由也是隔一段时间随机死，为了避免死机都设置成每天定时重启了，现在比较怀疑的是内存，其次是电源，因为工控机 CPU 取不下来（狗头）

@memorybox 嗯嗯，目前准备拔一根试试

早年间把 PCIE3.0*8 的万兆网卡 插到 PCIE3.0 X4 （物理槽是 X8 的），也挂过。

如果是 PVE 的话，我碰上过网卡负载大的时候自动重启的问题，解决方法参考这里：

https://forum.proxmox.com/threads/e1000-driver-hang.58284/page-8#post-390709

我之前也有过会死机的情况，后来发现主板纽扣电池没电了，换了个就再也没出现了

内存没问题的话就换主板吧，顺带买张诊断卡，到时候方便排查具体卡点。

NAS 的话，还要考虑有没有那个应用持续吃内存，把内存爆掉了，然后就会死机了。

这不请出日志大法？能稳定复现的问题一般不会太难查~

内存没问题就直接换主板，排查代价很大，而且基本查不出

我的 pve 每月更新一次系统，在此期间没有死过一次。感觉有没有可能是硬盘问题咧？

我的 8505 装 PVE 或者 unraid 也会死机，后来关掉 C1 就好了

基本主板或者 U 的问题

@zzNucker 这么严重吗 =。=

@null2error 不能稳定复现，每次运行五天以上才会死，五天以后就不定时的死机了

感觉是内存条跟板不兼容 大概率是这样我猜的

不定时死机的问题之前我也遇到过，每次隔一周左右就死机了，情况和楼主的描述也大差不差，不过我的系统是 esxi
```
2024-09-21T09:16:15.508Z cpu2:2099372)[45m[33;1mVMware ESXi 6.7.0 [Releasebuild-15160138 x86_64][0m
Machine Check Exception: Fatal MCE on PCPU2 in world 2099372:vmm2:linux-2?System has encountered a Hardware Error - Please contact the hardware vendor
2024-09-21T09:16:15.508Z cpu2:2099372)cr0=0x80050033 cr2=0x7f3384751518 cr3=0x12e6ea000 cr4=0x152660
2024-09-21T09:16:15.508Z cpu2:2099372)frame=0x451a0261bec0 ip=0x41801354745b err=18 rflags=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)rax=0xffffffffffffffff rbx=0xffffffffffffffff rcx=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)rdx=0xffffffffffffffff rbp=0x1 rsi=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)rdi=0xffffffffffffffff r8=0xffffffffffffffff r9=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)r10=0xffffffffffffffff r11=0xffffffffffffffff r12=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)r13=0xffffffffffffffff r14=0xffffffffffffffff r15=0xffffffffffffffff
2024-09-21T09:16:15.509Z cpu2:2099372)pcpu:0 world:2099368 name:"vmm0:ikuai (V)
2024-09-21T09:16:15.509Z cpu2:2099372)pcpu:1 world:2099590 name:"vmm3:linux-1" (V)
2024-09-21T09:16:15.509Z cpu2:2099372)pcpu:2 world:2099372 name:"vmm2:linux-2 (V)
2024-09-21T09:16:15.509Z cpu2:2099372)pcpu:3 world:2099371 name:"vmm1:linux-3 (V)
2024-09-21T09:16:15.509Z cpu2:2099372)@BlueScreen: Machine Check Exception: Fatal MCE on PCPU2 in world 2099372:vmm2:linux-2?System has encountered a Hardware Error - Please contact the hardware vendor
2024-09-21T09:16:15.509Z cpu2:2099372)Code start: 0x418013400000 VMK uptime: 6:06:35:27.868
```
后来排查发现是宿主机中 CPU 使用率过高，虚拟机无法正常获取资源导致的磁盘 io 延迟过高进而导致 esxi 的崩溃；楼主如果有空的话可尝试装个 esxi 观察几天，等出现紫屏的时候再看看详细的 debug

没日志估计是供电问题，之前我拆开看电源线都烧黑了

群辉死机重启后不应该有异常提示的吗？

把双 16G 内存，换成先挨个用单条试下。

供电问题？我之前 PVE 用的服务器拆机 1u 300w 电源，平时负载在 180w 左右，跑了 2 年没问题，但是突然有一天莫名其妙死机，后来就会断断续续死机，也是查不到日志，各种排除原因是 PVE 系统负载高就会死机，后来换了个全新电源就好了

装个 windows 跑个 tm5 确认不是内存有问题.那基本上大概率是主板有问题

@m1nm13 MTETEST86 和闹着玩一样的,约等于没用

这个真不好查


我也碰到过
以为是买的杂牌 ssd 问题

结果换来换去还是那样

后来上了个稳压电源再没出现过

有可能是内存占满了

负载过高或温度太高.系统假死了

碰到过电压不稳定造成的类似问题，后来直接弄个 UPS 做为前置电源，起到稳压的同时还能在断电后发送关机指令，防止突然断电对硬盘和数据的损坏

我的 pve 之迁移到新固态硬盘，迁移后和你描述的情况差不多，明明这两个固态性能差距没那么大，但是实际使用起来迁移后卡的要死，甚至带蹦 pve, 然后排查原因是 linux 虚拟机迁移后不知什么原因导致 mysql worker 疯狂占用 cpu 资源导致的