【银河麒麟高级服务器操作系统·实例分享】裸金属服务器开机失败分析及处理建议

了解更多银河麒麟操作系统全新产品，请点击访问

麒麟软件产品专区：https://product.kylinos.cn

开发者专区：https://developer.kylinos.cn

文档中心：https://documentkylinos.cn

---

现象描述

裸金属物理服务器开机卡在EFI stub页面，无法正常进入系统。

现象分析

单用户

针对开机类问题首先通过grub中添加参数进入单用户模式，尝试恢复系统，但通过添加对应参数进入单用户模式同样会卡在EFI stub页面依旧无法正常进入系统。

救援模式

因单用户无法进入，尝试通过挂载iso镜像至光驱，通过iso镜像进行救援模式操作，挂载的为银河麒麟高级服务器操作系统SP3-iso镜像，通过进入Troubleshooting→Rescue中进救援模式，在救援模式正常进入后，通过chroot /mnt/sysimage进入问题系统进行排查，查看/var/log/messages看到，在5月13日后日志出现停止记录现象，最后记录的信息为符号组成乱码，无有效信息。从日志记录现象得知系统死机时为突发情况，且疑似记录日志的rsyslog等服务写入日志动作未成功完成，偏突发情况。

通过救援模式查看对应/var/crash目录，并未发现生成kernel生成的对应vmcore文件，已知vmcore为系统层分析宕机类问题的重要调试工具，/var/crash为默认vmcore存储目录，以此推断系统本身并无时间主动生成异常日志。

文件系统

通过救援模式观察系统内文件系统分布可知根目录为ext4格式，尝试使用fsck.ext4对/dev/mapper/klas-root等重要文件系统进行检测修复。结果反馈文件系统本身并未出现异常损坏，无法开机问题非常规掉电导致系统内文件系统损坏而无法开机。

尝试对存储磁盘分区的/etc/fstab文件中对除根目录挂载点以外的目录进行注释，排除其他磁盘分区带来的影响，直接重启操作系统测试发现，仍然无法正常进入系统，此时排除其他磁盘分区异常。

串口日志

因系统内无有效日志信息，于是通过开启串口日志，捕获系统侧外的日志信息，观察无法正常开机启动原因。

通过串口日志捕获到在最初存在对应驱动存在mem内存处异常，怀疑为对应驱动模块BUG导致问题，于是在内核加载的grub阶段，对串口日志的报错模块进行禁止加载（modprobe.blacklist）动作，以此排除系统在启动时因个别驱动模块异常导致的无法开机问题。

进行如上图的操作后，发现串口日志仍有Call trace日志输出，如下图。

由该串口日志可以看到，已知comm提示异常进程为systemd-udevd，该进程主要负责系统中的设备管理，处理设备的初始化、热插拔事件和设备节点管理等工作；输出对应的stack limit=0x(__ptrval___)堆栈限制指向该进程在对应堆栈出存在异常。造成该异常可能原因包括内存异常、硬件问题和内核代码问题等。

从现有的堆栈我们可以看到最后的Call trace指向的地址为十六进制的0xffff22563e000008，这可能表示内存地址或内存操作的相关动作，该位置并未打印出对应的内核内部函数，偏向于内存地址本身存在异常，并非在内核函数内部崩溃。

如图中表示的Code:bad PC value通常在系统或应用程序崩溃时出现，说明存在无效的程序计数器（PC）值，PC通常为指向正在执行的指令的寄存器，存储下一条要执行的指令的内存地址，当PC值无效或指向错误地址时，便会出现bad PC value错误。该错误的出现大部分可能由：1、硬件故障；2、软件代码错误；导致。

分析结论

截至现有信息，系统层并无更多有效信息（vmcore）可用于分析死机原因，串口提供的日志更多的指向底层内存异常。且系统侧的恢复手段均无法启动操作系统。

因此建议整机侧协助对底层硬件内存相关设备进行更换检测，后续整机同事更换内存等主板硬件后整机侧反馈可正常开机。

解决建议

整机侧更换服务器主板。