Раньше я много занимался устранением неполадок оборудования в крупных центрах обработки данных, я бы порекомендовал найти загрузочный дистрибутив Linux, подойдет любой. Обязательно найдите один с 64-битным изображением, если у вас 64-битный процессор. Stresslinux содержит целый набор инструментов для повышения нагрузки на ваши серверы и устранения любых сбоев оборудования.

Я лично отношусь к инструменту «стресс» - он может повредить жесткий диск (диски). , память и процессор (ы).

стресс

Небольшая заметка о memtest86 +

Это не часть пакета стресса, но, очевидно, вы знаете, что он существует. Обязательно убедитесь, что вы используете memtest86 + (акцент на +) - он обрабатывает 64-битные системы и большие выделения памяти намного лучше, чем исходный memtest86.

Тестирование памяти

Это вызовет n процессов, выполняемых на malloc () по 256 МБ каждый.

stress -m n &

Итак, вам нужно разделить объем имеющейся памяти на 256 МБ (примерно), чтобы задействовать всю ее. Это устранит любые очевидные ошибки, вы, скорее всего, увидите EDAC или MCE (в зависимости от вашего процессора / материнской платы) или панику ядра / жесткий сбой. В идеале вы можете дать ему поработать несколько часов, чтобы он нагрелся под нагрузкой. Вы можете проверить системный журнал на наличие этих ошибок.

CPU Testing

Это вызовет n процессов, вращающихся на sqrt ().

stress -c n &

Вы захотите, чтобы n был количество ядер в вашей системе. Та же концепция применима и здесь, если дать ему поработать некоторое время.

Тестирование дисковой подсистемы

Для этого требуется, чтобы жесткие диски были каким-то образом отформатированы, если вы используете RAID, вы ' Получите лучшие результаты, если вы уже настроили это перед подключением дисков и их нагрузкой.

Измените каталог на раздел / область диска, на который вы хотите воздействовать. Чем больше свободного места, тем лучше.

cd /hard/disk/partition

Это вызовет n процессов, вращающихся при записи () по 1 ГБ каждый

stress -d 32 n &

Мониторинг ввода-вывода диска с помощью:

iostat -x 5

Killing Stress

Чтобы убить все стрессовые процессы , да, вы можете запускать проверки памяти, процессора и жесткого диска одновременно, но это немного усложняет изоляцию компонентов:

pkill -9 -f stress

Проверка ваших тестов

Очевидно, вы выполняете все эти действия, и вам нужно увидеть какой-то результат или

Память / ЦП

Вам просто нужно проверить системный журнал на наличие таких вещей, как исключение проверки компьютера (MCE), обнаружение и исправление ошибок (EDAC), недостаток памяти (OOM) и т. д.

zgrep -i -P ".*(error|warn|fail|panic|edac|mce|exception|oom-killer|oops).*" /var/log/kern.log* /var/log/dmesg /var/log/daemon.log* 

Дисковая подсистема

Это, вероятно, легче всего обнаружить, чем любой другой компонент, smartctl обычно устанавливается в большинстве операционных систем * NIX, он является частью smartmontools пакет. Для следующей команды требуется root-доступ:

Аспект / dev / sda может потребоваться изменить, если у вас несколько дисков или RAID-контроллер.

sudo smartctl -a /dev/sda

Ниже приведен пример вывода полной команды, I Я укажу, что вы действительно должны искать дальше по странице.

SMART Attributes Data Structure revision number: 16
Vendor Specific SMART Attributes with Thresholds:
ID# ATTRIBUTE_NAME          FLAG     VALUE WORST THRESH TYPE      UPDATED  WHEN_FAILED RAW_VALUE
1 Raw_Read_Error_Rate     0x000b   099   099   016    Pre-fail  Always       -       65537
2 Throughput_Performance  0x0005   136   136   054    Pre-fail  Offline      -       95
3 Spin_Up_Time            0x0007   121   121   024    Pre-fail  Always       -       320 (Average 304)
4 Start_Stop_Count        0x0012   100   100   000    Old_age   Always       -       18
5 Reallocated_Sector_Ct   0x0033   100   100   005    Pre-fail  Always       -       0
7 Seek_Error_Rate         0x000b   100   100   067    Pre-fail  Always       -       0
8 Seek_Time_Performance   0x0005   144   144   020    Pre-fail  Offline      -       28
9 Power_On_Hours          0x0012   098   098   000    Old_age   Always       -       15407
10 Spin_Retry_Count        0x0013   100   100   060    Pre-fail  Always       -       0
12 Power_Cycle_Count       0x0032   100   100   000    Old_age   Always       -       18
192 Power-Off_Retract_Count 0x0032   100   100   000    Old_age   Always       -       37
193 Load_Cycle_Count        0x0012   100   100   000    Old_age   Always       -       37
194 Temperature_Celsius     0x0002   253   253   000    Old_age   Always       -       22 (Min/Max 15/31)
196 Reallocated_Event_Count 0x0032   100   100   000    Old_age   Always       -       0
197 Current_Pending_Sector  0x0022   100   100   000    Old_age   Always       -       0
198 Offline_Uncorrectable   0x0008   100   100   000    Old_age   Offline      -       0
199 UDMA_CRC_Error_Count    0x000a   200   200   000    Old_age   Always       -       0

Основные атрибуты, о которых вы хотите знать, следующие:

Reallocated_Sector_Ct

Обычно это значение должно быть меньше 1000.

Это секторы, которые пришлось перераспределить в другую часть жесткого диска, потому что предыдущий сектор был неработоспособным.

Temperature_Celsius

Это должно быть меньше 55,