ESXi主机发生紫屏死机时的解决方法

紫屏死机（PSoDs， Purple Screen of Death）
有一种在ESX和ESXi主机上都可能发生的故障，叫做紫屏死机（可以说是臭名昭著的微软蓝屏死机的VMware版）。紫屏死机会导致ESX/或ESXi主机突然崩溃、变得无法操作。当PSoDs发生时，ESX会完全死机，没有任何反应。硬件问题（坏有问题的内存是最常见的原因）或ESX中的BUG是导致PSoDs的典型原因。当PSoDs发生时，你只能关闭并重启主机。屏幕上的提示信息非常有用，应该尝试记录它：可以使用带有拍照功能的手机给它照相，或者，如果存在的话，可以从一个远程管理面板上截图。你或许看不明白这些捕获下来的信息，但是，这些信息对VMware的技术支持来说非常有用。屏幕上显示的信息包括ESX的版本和build号、异常类型、寄存器转储（register dump）、崩溃时每个CPU正在跑什么、回溯追踪（back-trace）、服务器运行时间、错误日志、内存硬件信息等。
当你遇到PSoDs并重启主机之后，在ESX主机或/root文件夹下，会有一个以vmkernel-zdump开头（命名）的文件。这个文件对VMware技术支持非常有用，同时，你也可以使用该文件，通过vmkdump工具提取 VMkernel日志信息、寻找与PSoDs有关的线索，从而判断PSoDs发生的原因。要使用这个命令，输入vmkdump –l dump <文件名>。如前所述，坏有问题的内存是PSoDs中常见的原因。 你可以使用dump 文件识别引起问题的内存模块，从而将其替换掉。
如果怀疑是坏内存引起PSoDs，可以使用一些内存压力测试工具来检测主机的内存。这些工具需要你关闭主机并从CD启动以进行内存测试。一个常用的工具是Memtest86+，它可以进行广泛的内存测试，比如，检测邻近内存单元的相互影响，以确保要写某单元时不会覆盖邻近的单元。 当你在某个主机上首次部署ESX的时候，进行一次内存测试是个好主意，这样可以避免在以后某个时候内存故障引起麻烦。许多的内存问题都是不明显的，简单的内存测试，比如POST过程中的内存校验可能都发现不了问题。你可以下载Memtest86+测试工具，一个2MB大小的ISO文件，将这个文件刻录成CD，让主机从该CD启动，然后运行该工具至少24小时以完成多种内存测试。主机中的内存越大，完成一次测试的时间越长，一个拥有32GB内存的主机完成一次测试大概需要1天的时间。除了系统内存，Memtest86+还检测CPU的L1和L2 cache。Memtest86+的运行时间不确定，当所有的测试都完成时，通过的计数器会增加。（Memtest86+ will run indefinitely, and the pass counter will increment as all the tests are run.）

水心儿  发表于: 2010-01-24