请问各位大佬， Linux 在空闲时期时不时死机该怎么排查？

[Wdafff]

1.服务器运行快一年了，最近一个月内，空闲时 CPU 突然飙升，然后死机。

2.添加了 crash log ，死机重启后并没有日志。

3.系统是 CentOS Linux 7 ，Kernel: Linux 3.10.0-1160.71.1.el7.x86_64 。

4.服务器是一台 CDH6.3.2 数据节点，配置 24C128G 。

现在加了每分钟记录 top ，等下次死机出现看看。。。

[msclelo]

1. 开启 coredump ，必要时 gdb 分析日志，对技术要求高一点
2. 检查下系统日志，看能不能找到些蛛丝马迹
3. 通过脚本获取 cpu 、内存占用信息，排查下是不是哪个进程导致（这种不一定有效，特别是突发情况，很难捕捉和定位到具体根因）
4. 重装大法

[wuruxu]

整个监控脚本，CPU 飙升时，运行 top 看看是那个软件搞事情，然后对症下药

[Wdafff]

@msclelo #1 2 、3 都排查过了，看不出问题，现在试试开启 coredump ，实在不行再重装了

[pupboss]

CPU 飙升有时候是磁盘 IO 等待导致的，你这个情况可以重点排查磁盘

[Wdafff]

@wuruxu #2 CPU 开始上升时就已经死机了，所有的监控都断了，脚本还会运行吗

[tlxxzj]

对网络流量监控看看，可能是被挖矿了

[Wdafff]

@pupboss #4 空闲时也有可能死机，看历史监控磁盘 IO 并不高，单独压测服务器又没有问题

[jinyunboss]

找块新硬盘 dd 过去,排除硬盘问题

[Wdafff]

@tlxxzj #6 内网服务器也不安装其他软件，应该不会吧，流量看着和其他正常服务器差别不大

[duzhor]

你都说是 hadoop 节点了。cpu 、内存、磁盘，不外乎这几个导致的，大部分情况可能是内存频繁 OOM 、磁盘读写过高而引起，写个脚本记录 top10 进程，总能找到蛛丝马迹

[Eytoyes]

物理服务器可以跑硬件诊断看看，排除硬件问题

遇到过一个问题和你类似，也是不定期卡死，高负载、低负载都会死，后来跑诊断到 cpu 直接卡死，400 来换了个 CPU 之后故障消失

[Wdafff]

@Eytoyes #11 就是跑一遍压测吗

[fengfisher3]

如果进程占用系统层面的问题都排查了。那就可能是操作系统（重装系统）或硬件的问题大概率是磁盘。Eytoyes 说得对。

[fengfisher3]

不过，如果你是最近一个月才出现的问题，按理不应该是系统和硬件的呢。出问题前有没有做过什么调整，包括搬动位置，或者是修改过什么配置等，先从有变动的地方去定位问题。

[Wdafff]

@fengfisher3 #14 硬件、系统没有改动，唯一改动的就是任务代码，但是代码有问题也不应该就影响一台服务器

[Eytoyes]

@Wdafff #12 服务器 boot 时选择 Hardware Diagnostics 功能，全面检测耗时较长，建议在允许服务器长时间下线的情况下再去操作

[bitdepth]

如果是 hardware 問題，你這個 server 沒有 BMC 嗎？

[LXGMAX]

遇到过硬盘坏块导致系统动不了的，可以扫磁盘看看

[la2la]

CDH 数据节点，直接下线重做系统