dmesg 里的硬件报错别忽略

内核日志是硬件出问题时最早开口的地方。可惜 dmesg 平时很少有人翻，多数人第一次认真看它，是在机器已经宕机之后。它记录在内存里，读取不占磁盘，代价是重启即清空。 一、它是什么 dmesg 打印内核环形缓冲区的消息，硬件报错、驱动异常、OOM（内存不足触发杀进程）都记在这里。缓冲区容量有限，新消息会挤掉旧消息，所以要及时看，别攒着。dmesg -T 把时间戳转成人类可读的格式；排查硬件问题的顺序，很多时候就是先看 dmesg，再看监控，最后上机。 二、常见报错样本 I/O error, dev sda, sector 123456：块设备读写失败，可能是盘坏或链路问题，反复出现必须处理。mce: Machine Check Exception：CPU 或内存的机器检查异常，多半指向内存条，配合 EDAC 信息可以定位到具体通道。NIC Link is Down：网卡链路抖动，偶发可忽略，频繁出现要查网线与交换机端口。task blocked for more than 120 seconds：进程长期阻塞，常与存储 IO 挂起相关。同样的日志在高负载机器上未必异常，解读要结合机型和负载。每类报错的处理路径不同，先把关键词记准，再去查对应模块。 三、什么时候联系处理 单次偶发的报错记录下来观察即可；同一类报错短期内重复出现，尤其 I/O error 和 MCE，就该提报障了，把时间点和报错原文附上，别只说"机器有问题"。报障前先自查最近一次变更，固件、驱动、内核升级后出现的新报错要排除自身原因。顺云用户可以直接在官网工单附上日志片段，售后定位会快很多。 四、记录习惯 巡检时把 dmesg --level=err,warn 的输出存档，每次对比有没有新增；重启会清空缓冲区，动手前先 dmesg > /var/log/dmesg-$(date +%F).log 留底，归档保留三个月，对比趋势足够用。巡检脚本里过滤的关键词列表定期更新，把新出现的报错模式补进去。 dmesg 不会主动喊人。把它加进巡检脚本，硬件问题才不至于拖到宕机才被发现。