内核参数kernel.unknown_nmi_panic配置错误导致Linux ECS实例异常重启

问题描述

Linux操作系统的ECS实例发生异常重启事件，错误提示如下：

Kernel panic - not syncing: NMI: Not continuing

同时，内核日志打印如下信息：

[645683.754132] Uhhuh. NMI received for unknown reason 20 on CPU 1.
[645683.754133] Do you have a strange power saving mode enabled?
[645683.754133] Kernel panic - not syncing: NMI: Not continuing

可能原因

如果Linux操作系统ECS实例的内核参数kernel.unknown_nmi_panic配置为1，则ECS会在系统收到NMI中断时主动通过panic系统重启。

通常情况下，内核参数kernel.unknown_nmi_panic配置为1的目的是为了通过触发NMI中断主动通过panic系统进行定位。由于个别型号的CPU会在正常业务流程中产生NMI中断，在这种情况下如果将内核参数kernel.unknown_nmi_panic配置为1，将会导致ECS产生非预期的异常重启事件。

解决方案

1. 远程登录ECS实例。
2. 执行以下命令，查看ECS实例内核参数kernel.unknown_nmi_panic的值。

   sysctl -n kernel.unknown_nmi_panic

   如果内核参数的取值为1，说明是由于内核参数配置错误引起的ECS实例异常重启。

   图1 排查结果
   

3. 执行以下命令，查看是否存在内核参数kernel.unknown_nmi_panic相关配置。

   vim /etc/sysctl.conf

   在/etc/sysctl.conf文件中，排查是否存在kernel.unknown_nmi_panic的相关配置。

   • 如果存在kernel.unknown_nmi_panic=1的配置，将该配置改为kernel.unknown_nmi_panic=0
   • 如果不存在kernel.unknown_nmi_panic=1的配置，增加kernel.unknown_nmi_panic=0
   图2 查看/etc/sysctl.conf文件
   
4. 按“Esc”，输入:wq保存并退出。
5. 执行以下命令，使配置生效。

   sysctl –p

   图3 配置生效
   
   

   该修复方案热生效，无需重启ECS。

结果验证

1. 执行以下命令，查看结果是否为0。

   cat /proc/sys/kernel/panic_on_unrecovered_nmi

   图4 检查结果1
   
2. 执行以下命令，查看内核参数sysctl -n kernel.unknown_nmi_panic是否为0。
   图5 检查结果2
   

   如果验证结果符合预期，说明修改成功。