我已经在arch
linux上运行了一个全新的系统大约3个星期,昨晚它自动重启.
在重新启动时,在journalctl中没有关闭/暂停,所以我很确定这是与硬件相关的,而不是用户空间程序或acpi.
journalctl Jul 01 06:21:15 euclid sshd[25731]: ... -- Reboot -- Jul 01 06:24:46 euclid systemd-journald[305]: Time spent on flushing to /var is 547us for 0 entries.
然后,在开机期间,
Jul 01 06:24:46 euclid kernel: .... node #0,cpus: #1 #2 #3 Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: Machine check events logged Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: cpu 3: Machine Check: 0 Bank 5: bea0000000000108 Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: TSC 0 ADDR 1ffff810b4260 MISC d012000101000000 SYND 4d000000 IPID 500b000000000 Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: PROCESSOR 2:800f11 TIME 1498915479 SOCKET 0 APIC 3 microcode 800111c Jul 01 06:24:46 euclid kernel: #4 #5 #6 #7 #8 #9 #10 #11 #12 #13 #14 #15
当我尝试运行mcelog时,我明白了
0 % mcelog mcelog: ERROR: AMD Processor family 23: mcelog does not support this processor. Please use the edac_mce_amd module instead. cpu is unsupported
我怀疑要么1)我为这个系统缩小了PSU,或者2)在某个地方过热.
我运行的所有PSU计算器给了我750W的推荐值,所以我使用了850W的PSU.不过,现在我正在考虑升级到1000W的PSU.
我的问题是,如何解释机器检查事件？我想这是我的cpu特有的？ AMD是否提供了任何可以解码该错误的信息？而且,我怎么知道我是否因为过热而重新启动？我无法在BIOS(华硕)中找到任何事件日志.
编辑：更多细节
处理器：Ryzen 7 1700
Mobo：华硕Prime x370-Pro
RAM：G.SKILL Trident Z(4x 8GB)3200(F4-3200C16D-16GTZKW)
PSU：EVGA SuperNOVA 850 P2 80 PLATINUM 850W
GPU：GTX 1080-TI x2
处理0x0000,DMI类型0,24字节
BIOS信息
供应商：American Megatrends Inc.
版本：0604
发布日期：04/06/2017
没有超频.库存BIOS设置.
它稳定运行了几个星期.事件发生前几天我确实增加了3倍硬盘.
编辑：同样的崩溃似乎再次发生
Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: Machine check events logged Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: cpu 12: Machine Check: 0 Bank 5: bea0000000000108 Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: TSC 0 ADDR 1ffff810b3ef6 MISC d012000101000000 SYND 4d000000 IPID 500b000000000 Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: PROCESSOR 2:800f11 TIME 1499406389 SOCKET 0 APIC c microcode 800111c
解决方法
这似乎是cpu硬件问题.在AMD社区论坛(
https://community.amd.com/thread/215773)中,有人建议禁用SMT或OpCache作为解决方法,直到修复为止.
我在BIOS中禁用了OpCache,启动时mce：[硬件错误]消息消失了.我有两个相同的系统,与冻结/重新启动有相同的问题.到目前为止,两个系统都没有冻结.
