对于多 CPU 同时运行的 Linux 生产环境(比如大型服务器),Linux 6.1 新增了一个非常实用的功能:在出故障的时候,错误消息将通知你到底是哪个 CPU 出了问题。
改功能来自 Linux 6.1 合并窗口的 x86/cpu 分支补丁:在出现分段错误(segfault)时,故障消息会打印出“有嫌疑”的 CPU 编号。
补丁作者 Rik van Riel 解释了该功能的开发动机和运作原理:
在足够大的计算机群中,通常会有几个坏的 CPU。一般情况下可以通过查看运行的内核代码来识别。如果存在有问题的 CPU,那内核代码在其他地方运行良好,而在某个故障的 CPU 内核上不断崩溃。
然而这么多年来,出问题的 CPU 的故障模式是非常具体的,你可能在 bash、python 或各种系统守护程序中找到分段错误,然而故障消息不会告诉你是哪个 CPU 出了问题。现在我们将 printk() 添加到 show_signal_msg() ,就可以在分段错误时打印对应的 CPU、内核和套接字。
目前这个功能还不完美,可能出现误报的情况。因为从发生故障到输出对应的错误消息,任务可能会在另一个 CPU 上重新安排,导致报告的 CPU 编号出错。
但它已经足以帮助人们识别出大部分有故障的 CPU 内核。
下面是一个功能示例:
segfault[1349]: segfault at 0 ip 000000000040113a sp 00007ffc6d32e360 error 4 in segfault[401000+1000] likely on CPU 0 (core 0, socket 0)
这个 printk 可以通过 /proc/sys/debug/exception-trace
来控制。据外媒 Phoronix 报道,该功能将在 10 月的 Linux 6.1 稳定版中正式启用。
关于 segfault
segfault :分段错误/段错误/段出错,是软件开发中经常会遇到的错误,也是 Linux 内核中最常见的 bug。
该错误是由非法内存访问造成的,如空指针引用、在只读内存区域进行写操作、访问受保护的内存区域等。