Linux檢查硬體錯誤工具—mcelog命令

導讀	mcelog 是  系統上用來檢查硬體錯誤，特別是記憶體和CPU錯誤的工具。未糾正的錯誤是關鍵異常，如果 CPU 無法恢復，往往會導致系統上的核心錯誤。這會導致應用程式重置和中斷。對於未糾正的錯誤，mcelog 捕獲錯誤的能力取決於錯誤導致熱重啟還是硬重啟。如果是熱重啟，資訊會被 mcelog 捕獲，恢復後可看到。硬重啟會導致資料丟失，而且 mcelog 可能捕獲不到該事件。

[root@RedHat_test ~]# yum install mcelog.x86_64

cron : 最老的方式，有確定，定時任務，會丟失一些

daemon : el7上用這種，守護程式的方式

trigger : 高階一點的方式，觸發的時候，看man mcelog

/dev/mcelog 裝置檔案
/var/log/mcelog messages日誌檔案
/etc/mcelog/mcelog.conf配置檔案
/var/run/mcelog.pid

預設故障日誌只記錄在/var/log/mcelog，並不記錄到系統日誌中。

如果需要在系統日誌中也體現，需修改/etc/mcelog/mcelog.conf檔案，將前面#去掉，並儲存。

[root@RedHat_test ~]# mcelog --daemon

[root@RedHat_test ~]# mcelog --daemon

[root@RedHat_test ~]# tail /var/log/mcelog
# 什麼也沒有輸出，表明正常

[root@RedHat_test ~]# mcelog --client
# 什麼也沒有輸出，表明正常

[root@RedHat_test ~]# mcelog --ascii < file.log
# or或者
[root@RedHat_test ~]# mcelog --ascii --file file.log

mce-inject用於測試mcelog能否正確的獲取硬體錯誤資訊，並進行正確解碼，mce-inject可以向核心注入指定的錯誤資訊，因此，可以很方便的瞭解到mcelog的功能是否正常。

注意的是，當使用者利用mce-inject工具向核心注入不可恢復錯誤（如：fatal）時，會發生當機重新啟動等現象，當然，可以透過更改sys檔案系統下的tolerate檔案來避免此現象的發生。

[root@RedHat_test ~]# cd /sys/devices/system/machinecheck/machinecheck0
----------------------------------------------------------------------------------------
位置 : /sys/devices/system/machinecheck/machinecheck*/
說明 : 其中machinecheck* 中的 *號由CPU的個數所決定的，如果是雙核的，則存在machinecheck0和machinecheck1兩個目錄，對應目錄裡都有一個tolerate檔案，tolerate中存放容忍程度值。
功能 : 向使用者提供一個可選擇的出現相應硬體錯誤時的容忍程度（tolerate），比如：當tolerate的值為1時，出現fatal錯誤時就會當機，重新啟動，並且該錯誤資訊並不被記錄；當tolerate的值為3時（注意該值只用於測試），在出現fatal錯誤時，機器會容忍該錯誤不予響應，不會出現當機重新啟動現象，並且會記錄相關錯誤資訊。
----------------------------------------------------------------------------------------
[root@RedHat_test machinecheck0]# cat tolerant
1
[root@RedHat_test machinecheck0]# echo 3 > tolerant
----------------------------------------------------------------------------------------
數值含義：
tolerate的取值可以為0、1、2、3。
0: always panic on uncorrected errors, log corrected errors
1: panic or SIGBUS on uncorrected errors, log corrected errors
2: SIGBUS or log uncorrected errors (if possible), log corrected errors
3: never panic or SIGBUS, log all errors (for testing only)

[root@RedHat_test ~]# yum install gcc.x86_64 gcc-c++.x86_64 flex.x86_64 dialog.x86_64 ras-utils.x86_64 git.x86_64 ras-utils

[root@RedHat_test ~]# cat correct
CPU 1BANK 2
STATUS corrected
RIP 0x12341234

[root@RedHat_test ~]# modprobe mce-inject

[root@RedHat_test ~]# mce-inject ./correct

[root@RedHat_test ~]# tail /var/log/mcelog
TIME 1581565856Thu Feb 1311:50:56 2020
MCG status:
MCi status:
Corrected error
Error enabled
MCA: No Error
STATUS 9000000000000000MCGSTATUS 0
MCGCAP 100010a APICID 1SOCKETID 0
MICROCODE 1
CPUID Vendor Intel Family 6Model 63
[root@RedHat_test ~]# cat /var/log/messages
Feb 1311:59:01 RedHat_test systemd: [16423350.358386] Starting machine check poll CPU 1
Feb 1311:59:01 RedHat_test systemd: [16423350.371252] [Hardware Error]: Machine check events logged

tail /var/log/messages 可以看到日誌，但是/var/log/mcelog檔案預設在el7上不存在！！原因是預設儲存到/var/log/messages。如果希望儲存到/var/log/mcelog，需要在mcelog 的service檔案中，加入引數 --logfile=/var/log/mcelog，然後重啟mcelog

ExecStart=/usr/sbin/mcelog --ignorenodev--daemon--syslog--logfile=/var/log/mcelog

原文來自：