Dotaz: PC zamrzne, problém s syslog

[konecma]

Dobrý den,

potřebuji poradit s tímto problémem, google nepomáhá

mám OpenSUSE 12.2 a PC pravidelně několikrát deně zamrzá, obraz na monitoru zůstane statický, HDD problikává, k PC se nelze připojit ssh, http nereaguje a acpi vypnutí, pomůže jedině restart

Poslední výpis v logu byl od rsyslogd žádná chybová zpráva jen začátek řádku

Nahradil jsem ho syslogd ten pro změnu nelogoval vůbec

Nahradil jsem ho syslog-ng, poslední zpráva před zamrznutím je:

syslog-ng[624]: Log statistics; processed='destination(mailwarn)=0', processed='center(received)=0', processed='destination(mailerr)=0', processed='destination(mailinfo)=2', processed='destination(console)=30', processed='source(src)=6241', processed='destination(newserr)=0', processed='destination(newsnotice)=0', processed='destination(messages)=1348', processed='destination(localmessages)=0', processed='global(payload_reallocs)=455', processed='global(sdata_updates)=0', processed='center(queued)=0', processed='destination(xconsole)=30', processed='destination(newscrit)=0', processed='destination(netmgm)=0', processed='src.internal(src#0)=12', stamp='src.internal(src#0)=1357761550', processed='destination(devnull)=0', processed='global(msg_clones)=0', processed='source(chroots)=0', processed='destination(warn)=30', processed='destination(acpid)=0', processed='destination(firewall)=4891', processed='destination(mail)=2'

nevím co s tím

Odpovědi

[alkoholik]

a) muzes zkusit logovat po siti. Jestli ti chcipne disk, radic, fs nebo neco takoveho, syslog nezapise uz nic.
b) muzes skusit vystup pres seriovy port, ale to bys ho musel mit na desce nebo PCI karte.

[konecma]

Tohle zní jako dobrý nápad, už loguji po sítí a neptrpělivě očekávám výsledky

[alkoholik]

a) muzes zkusit logovat po siti. Jestli ti chcipne disk, radic, fs nebo neco takoveho, syslog nezapise uz nic.
b) muzes zkusit vystup pres seriovy port, ale to bys ho musel mit na desce nebo PCI karte.

[rADOn]

Useknuty radek logu je zpusobeny bufferovanim. V konfiguraku se da bufferovani vypnout, za jistou cenu (ktera ale nebude velka pokud ta masina neloguje prilis).

Zamrznuti je obvykle hw problem, ktery ale muze byt softwarem vydrazdeny. Pro zacatek bych zkontroloval teploty, smart log, vyfoukat prach, pritlacit konektory, poskakat po portech…

[Petr Šobáň]

Já bych to viděl na vadný HDD.

Prostě skontroluj SMART.

No a pokud bude OK další HW .....

[konecma]

Analýzu hw jsem provedl a myslím že je OK, spíš bych řekl, že se jedná o dw problém, protože když jsem použil syslogd, sice logování neprobíhalo (log byl prázdný) ale systém nezamzzal

[Petr Šobáň]

A co vypsal smart? Že se nepochlubíš.

Prostě aby komplet zatuh OS a blikala ledka HDD to fakt vypadá na problém HDD.

A nebo nedostatek ram a swapování zabíjení procesů.

[konecma]

# smartctl --all /dev/sda
smartctl 6.0 2012-10-10 r3643 [x86_64-linux-3.4.11-2.16-desktop] (SUSE RPM)
Copyright (C) 2002-12, Bruce Allen, Christian Franke, www.smartmontools.org

=== START OF INFORMATION SECTION ===
Model Family: SandForce Driven SSDs
Device Model: OCZ-AGILITY3
Serial Number:  **************
LU WWN Device Id: 5 e83a97 edab0de8a
Firmware Version: 2.15
User Capacity: 60 022 480 896 bytes [60,0 GB]
Sector Size: 512 bytes logical/physical
Rotation Rate: Solid State Device
Device is: In smartctl database [for details use: -P show]
ATA Version is: ATA8-ACS, ACS-2 T13/2015-D revision 3
SATA Version is: SATA 3.0, 6.0 Gb/s (current: 6.0 Gb/s)
Local Time is: Thu Jan 10 21:00:45 2013 CET
SMART support is: Available - device has SMART capability.
SMART support is: Enabled

=== START OF READ SMART DATA SECTION ===
SMART overall-health self-assessment test result: PASSED

General SMART Values:
Offline data collection status: (0x00) Offline data collection activity
was never started.
Auto Offline Data Collection: Disabled.
Self-test execution status: ( 0) The previous self-test routine completed
without error or no self-test has ever
been run.
Total time to complete Offline
data collection: ( 2097) seconds.
Offline data collection
capabilities: (0x7f) SMART execute Offline immediate.
Auto Offline data collection on/off support.
Abort Offline collection upon new
command.
Offline surface scan supported.
Self-test supported.
Conveyance Self-test supported.
Selective Self-test supported.
SMART capabilities: (0x0003) Saves SMART data before entering
power-saving mode.
Supports SMART auto save timer.
Error logging capability: (0x01) Error logging supported.
General Purpose Logging supported.
Short self-test routine
recommended polling time: ( 1) minutes.
Extended self-test routine
recommended polling time: ( 48) minutes.
Conveyance self-test routine
recommended polling time: ( 2) minutes.
SCT capabilities: (0x0021) SCT Status supported.
SCT Data Table supported.

SMART Attributes Data Structure revision number: 10
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME FLAG VALUE WORST THRESH TYPE UPDATED WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate 0x000f 080 080 050 Pre-fail Always - 0/10513287
5 Retired_Block_Count 0x0033 100 100 003 Pre-fail Always - 1
9 Power_On_Hours_and_Msec 0x0032 093 093 000 Old_age Always - 6349h+35m+19.420s
12 Power_Cycle_Count 0x0032 100 100 000 Old_age Always - 557
171 Program_Fail_Count 0x0032 000 000 000 Old_age Always - 1
172 Erase_Fail_Count 0x0032 000 000 000 Old_age Always - 0
174 Unexpect_Power_Loss_Ct 0x0030 000 000 000 Old_age Offline - 13
177 Wear_Range_Delta 0x0000 000 000 000 Old_age Offline - 3
181 Program_Fail_Count 0x0032 000 000 000 Old_age Always - 1
182 Erase_Fail_Count 0x0032 000 000 000 Old_age Always - 0
187 Reported_Uncorrect 0x0032 100 100 000 Old_age Always - 0
194 Temperature_Celsius 0x0022 030 030 000 Old_age Always - 30 (Min/Max 30/30)
195 ECC_Uncorr_Error_Count 0x001c 120 120 000 Old_age Offline - 0/10513287
196 Reallocated_Event_Count 0x0033 100 100 003 Pre-fail Always - 1
201 Unc_Soft_Read_Err_Rate 0x001c 120 120 000 Old_age Offline - 0/10513287
204 Soft_ECC_Correct_Rate 0x001c 120 120 000 Old_age Offline - 0/10513287
230 Life_Curve_Status 0x0013 100 100 000 Pre-fail Always - 100
231 SSD_Life_Left 0x0013 100 100 010 Pre-fail Always - 0
233 SandForce_Internal 0x0000 000 000 000 Old_age Offline - 5078
234 SandForce_Internal 0x0032 000 000 000 Old_age Always - 1994
241 Lifetime_Writes_GiB 0x0032 000 000 000 Old_age Always - 1994
242 Lifetime_Reads_GiB 0x0032 000 000 000 Old_age Always - 3570

SMART Error Log not supported

SMART Self-test Log not supported

SMART Selective self-test log data structure revision number 1
SPAN MIN_LBA MAX_LBA CURRENT_TEST_STATUS
1 0 0 Not_testing
2 0 0 Not_testing
3 0 0 Not_testing
4 0 0 Not_testing
5 0 0 Not_testing
Selective self-test flags (0x0):
After scanning selected spans, do NOT read-scan remainder of disk.
If Selective self-test is pending on power-up, resume after 0 minute delay.

[Petr Šobáň]

Jak se má tato hodnota interpretovat u SSD "0/10513287" s SSD nemám skušenosti.

Neměly by tam být nuly "1 Raw_Read_Error_Rate 0x000f 080 080 050 Pre-fail Always - 0/10513287"

[konecma]

Vycházím z toho, že když odstraním syslog-ng a rsyslog tak k problému nedochází...

RAM a swap dostatek

[vencour]

Ty jo, já mam takovej problém podobného druhu, nějak mi padá taky jeden program, dělá to jedině on, když ho mam puštěnej, když mi zase komp padne, tak nemam přístup na disk, nejde z něj číst ... po zabití všech procesů přes SysRq jsem jednou viděl load 400 ... takže u mne to je něčim mezi kernelem a přístupem na disk.
Takže co vy, Magic SysRq vám nějak nepomůže? Klávesnice nereaguje, když to přijde, fakt to slítne až do mrtva?