历时一个星期终于 OVH给换个CPU了

74次阅读

共计 3443 个字符，预计需要花费 9 分钟才能阅读完成。

情况是这样的, 有一台母鸡老是自动关机.(一天出现那么一次两次的样子)
刚开始以为是内核 bug 更新了内核之后发现还是这样.
觉得不大对劲.
于是看系统日志发现有了硬件错误 mcelog: Hardware event. This is not a software error.
于是乎装了 mcelog 去看到底出了啥问题.
结果抓取到了这样的错误信息

Jun 5 22:38:41 mcelog: Hardware event. This is not a software error.
Jun 5 22:38:41 mcelog: MCE 0
Jun 5 22:38:41 mcelog: CPU 3 BANK 0 TSC 2e1e030dc25
Jun 5 22:38:41 mcelog: ADDR 1ffffa10e622b
Jun 5 22:38:41 mcelog: TIME 1654438657 Sun Jun 5 22:17:37 2022
Jun 5 22:38:41 mcelog: MCG status:
Jun 5 22:38:41 mcelog: MCi status:
Jun 5 22:38:41 mcelog: Corrected error
Jun 5 22:38:41 mcelog: Error enabled
Jun 5 22:38:41 mcelog: MCi_ADDR register valid
Jun 5 22:38:41 mcelog: MCA: Instruction CACHE Level-0 Instruction-Fetch Error
Jun 5 22:38:41 mcelog: STATUS 9400004000040150 MCGSTATUS 0
Jun 5 22:38:41 mcelog: MCGCAP c0a APICID 6 SOCKETID 0
Jun 5 22:38:41 mcelog: MICROCODE 7c
Jun 5 22:38:41 mcelog: CPUID Vendor Intel Family 6 Model 158
Jun 5 22:38:41 mcelog: Hardware event. This is not a software error.
Jun 5 22:38:41 mcelog: MCE 1
Jun 5 22:38:41 mcelog: CPU 1 BANK 0 TSC 57cb95e28cf
Jun 5 22:38:41 mcelog: ADDR 1ffffa1a98a1d
Jun 5 22:38:41 mcelog: TIME 1654439339 Sun Jun 5 22:28:59 2022
Jun 5 22:38:41 mcelog: MCG status:
Jun 5 22:38:41 mcelog: MCi status:
Jun 5 22:38:41 mcelog: Corrected error
Jun 5 22:38:41 mcelog: Error enabled
Jun 5 22:38:41 mcelog: MCi_ADDR register valid
Jun 5 22:38:41 mcelog: MCA: Instruction CACHE Level-0 Instruction-Fetch Error
Jun 5 22:38:41 mcelog: STATUS 9400004000040150 MCGSTATUS 0
Jun 5 22:38:41 mcelog: MCGCAP c0a APICID 2 SOCKETID 0
Jun 5 22:38:41 mcelog: MICROCODE 7c
Jun 5 22:38:41 mcelog: CPUID Vendor Intel Family 6 Model 158
Jun 5 22:38:41 mcelog: Hardware event. This is not a software error.
Jun 5 22:38:41 mcelog: MCE 2
Jun 5 22:38:41 mcelog: CPU 3 BANK 0 TSC 6b1889177ae
Jun 5 22:38:41 mcelog: ADDR 1ffffa1242aaa
Jun 5 22:38:41 mcelog: TIME 1654439655 Sun Jun 5 22:34:15 2022
Jun 5 22:38:41 mcelog: MCG status:
Jun 5 22:38:41 mcelog: MCi status:
Jun 5 22:38:41 mcelog: Corrected error
Jun 5 22:38:41 mcelog: Error enabled
Jun 5 22:38:41 mcelog: MCi_ADDR register valid
Jun 5 22:38:41 mcelog: MCA: Instruction CACHE Level-0 Instruction-Fetch Error
Jun 5 22:38:41 mcelog: STATUS 9400004000040150 MCGSTATUS 0
Jun 5 22:38:41 mcelog: MCGCAP c0a APICID 6 SOCKETID 0
Jun 5 22:38:41 mcelog: MICROCODE 7c
Jun 5 22:38:41 mcelog: CPUID Vendor Intel Family 6 Model 158
Jun 5 22:38:41 mcelog: warning: 8 bytes ignored in each record
Jun 5 22:38:41 mcelog: consider an update

复制代码

随后找 OVH 客服跟他们说系统老挂啊给解决一下吧.
客服说行我给你看一下吧.
然后一顿操作猛如虎
先跑了个压测没死 (这小子忽悠我呢？)
把 CPU 重新插拔了内存也插拔了
跟我说我试过了你说的问题没遇到啊. 机器没问题
你发的错误啊系统都自动修复了.(可能是真修复了, 但是没修复的时候我估计就挂了.)
你接着用吧.
LZ 心想既然你都压测了没啥毛病可能是我系统的姿势不到位?
于是把小鸡全部备份打包重装系统 (升级内核) 历时一天然后很平静的过去了
跑去跟客服说你真牛逼我机器不死了.
TMD 当天晚上就打脸了有木有.（又 TM 自动炸了）
LZ 很苦逼的半夜三更被监控叫起来重启母鸡.
说来也奇怪每次 TMD 炸机都是凌晨..
LZ 也不大好意思找客服了怕被脸打肿.. 坚持了几天后今天凌晨 4 点它又崩溃了
然后 LZ 也崩溃了尼玛我不重启了.. 给客服看去.
疯狂的找资料
发现了有个老外和 LZ 一样的经历

CPU Hardware Error
byu/BlasterXD222 inlinuxquestions

然后把这个贴子给 OVH 的客服看你看啊这货和我一样也炸了啊人家都说是 CPU 或者主板出的毛病.
说把 bios 重置了让机器休息会就好了.

结果早上 8 点发的 TK

下午三点客服终于通知说 CPU 给你换了主板也给你重置了机器我们还得再试试..
试到晚上 6 点我收了个邮件机器进入到恢复模式了
还给发了 root 密码想着那我进去看看吧 ..
看了下 /var/log 里面木有硬件错误了
改了硬盘启动把母鸡重启了..
一个小时后被客服来问了..
机器咋重启了 … 这下尴尬了..
跟他说我 TM 以为你弄好了..
你要没弄完那你继续弄吧我等你回复..

这一天就这么过去了.. 尼玛到现在还没折腾好..

Our DC Team has been actively working on the server.

网友回复：

注册：笑死

0x99：用了十多年机器头一次遇到 CPU 爆炸的情况希望这次能给折腾好..

MrJoker：关于到手烤鸡检测硬件这件事。

0x99：还真没见过 cpu 炸的

infplus：他们家的 D1540 多少都有点问题。

ealkeq：问题的关键在于烤鸡是正常的.. 就是间歇性的抽风..

infplus：太折腾了，不如直接换一台，带着你的硬盘直接过去

0x99：之前看到 mjj 到手恢复硬盘数据，结果

weiai：我之前的 D1540 cpu+ 内存测试必过不去然后给换机了。手上的 D1540 都换成了 D1541。