Linux检查硬件错误工具—mcelog命令
安装
[root@RedHat_test ~]# yum install mcelog.x86_64
mcelog的启动方式
cron : 最老的方式，有确定，定时任务，会丢失一些
daemon : el7上用这种，守护进程的方式
trigger : 高级一点的方式，触发的时候，看man mcelog
mcelog相关文件
/dev/mcelog 设备文件 /var/log/mcelog messages日志文件 /etc/mcelog/mcelog.conf配置文件 /var/run/mcelog.pid
默认故障日志只记录在/var/log/mcelog，并不记录到系统日志中。
如果需要在系统日志中也体现，需修改/etc/mcelog/mcelog.conf文件，将前面#去掉，并保存。
mcelog后台运行
[root@RedHat_test ~]# mcelog --daemon
查看系统是否异常
1.手动运行mcelog的方式
[root@RedHat_test ~]# mcelog --daemon
查看mcelog日志
[root@RedHat_test ~]# tail /var/log/mcelog # 什么也没有输出，表明正常
查看mcelog守护进程是否检测到错误信息
[root@RedHat_test ~]# mcelog --client # 什么也没有输出，表明正常
解析系统异常时的mcelog输出
[root@RedHat_test ~]# mcelog --ascii < file.log # or或者 [root@RedHat_test ~]# mcelog --ascii --file file.log
测试
1.修改tolerate
mce-inject用于测试mcelog能否正确的获取硬件错误信息，并进行正确解码，mce-inject可以向内核注入指定的错误信息，因此，可以很方便的了解到mcelog的功能是否正常。
注意的是，当用户利用mce-inject工具向内核注入不可恢复错误（如：fatal）时，会发生死机重新启动等现象，当然，可以通过更改sys文件系统下的tolerate文件来避免此现象的发生。
[root@RedHat_test ~]# cd /sys/devices/system/machinecheck/machinecheck0 ---------------------------------------------------------------------------------------- 位置 : /sys/devices/system/machinecheck/machinecheck*/ 说明 : 其中machinecheck* 中的 *号由CPU的个数所决定的，如果是双核的，则存在machinecheck0和machinecheck1两个目录，对应目录里都有一个tolerate文件，tolerate中存放容忍程度值。 功能 : 向用户提供一个可选择的出现相应硬件错误时的容忍程度（tolerate），比如：当tolerate的值为1时，出现fatal错误时就会死机，重新启动，并且该错误信息并不被记录；当tolerate的值为3时（注意该值只用于测试），在出现fatal错误时，机器会容忍该错误不予响应，不会出现死机重新启动现象，并且会记录相关错误信息。 ---------------------------------------------------------------------------------------- [root@RedHat_test machinecheck0]# cat tolerant 1 [root@RedHat_test machinecheck0]# echo 3 > tolerant ---------------------------------------------------------------------------------------- 数值含义： tolerate的取值可以为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)
2.安装
[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
3.捏造文件
[root@RedHat_test ~]# cat correct CPU 1BANK 2 STATUS corrected RIP 0x12341234
4.加载mce-inject模块
[root@RedHat_test ~]# modprobe mce-inject
5.在终端执行文件
[root@RedHat_test ~]# mce-inject ./correct
6.查看/var/log/mcelog,/var/log/messages
[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
同样的方式，在el7上设置
tail /var/log/messages 可以看到日志，但是/var/log/mcelog文件默认在el7上不存在！！原因是默认保存到/var/log/messages。如果希望保存到/var/log/mcelog，需要在mcelog 的service文件中，加入参数--logfile=/var/log/mcelog，然后重启mcelog
ExecStart=/usr/sbin/mcelog --ignorenodev--daemon--syslog--logfile=/var/log/mcelog
