软死锁的检测--看门狗

软死锁(Soft Lockup)检测中,看门狗(Watchdog)的核心原理是 通过周期性检查 CPU 调度是否正常,判断是否因任务长时间霸占 CPU 导致无法调度其他任务,以下展开说明:

1. 基础机制:定时器 + 内核线程

  • 定时器触发 :系统为每个 CPU 启动高精度定时器(hrtimer) ,周期性执行 watchdog_timer_fn 函数(类似 "定时检查" 逻辑),默认间隔由 watchdog_thresh 控制(通常初始 10 秒,可通过 sysctl 调整 )。
  • 内核线程辅助 :同时,为每个 CPU 创建优先级最高的内核线程(如 watchdog/XX 为 CPU 编号 ),线程运行时会调用 __touch_watchdog() 更新时间戳(watchdog_touch_ts) ,标记 "CPU 调度正常"。

2. 检测逻辑:对比时间戳判断 "僵死"

定时器到期后,watchdog_timer_fn 会执行关键检查:

  • 读取当前时间 now,并获取上一次 "喂狗" 的时间戳 touch_ts(即线程更新的 watchdog_touch_ts )。
  • 计算时间差 now - touch_ts,若差值 超过 watchdog_thresh 阈值(比如默认 10 秒),则认为:
    CPU 上的任务长期霸占资源,导致内核线程无法正常调度(连优先级最高的看门狗线程都无法更新时间戳),判定发生 软死锁 。

简单说:若 "定时检查" 发现 "喂狗" 超时,说明 CPU 调度被长时间阻塞,触发软死锁告警。

3. 响应动作:告警与故障处理

  • 基础告警 :检测到软死锁时,内核会打印堆栈跟踪(dmesg 日志能看到进程调用链 ),方便定位是哪个任务 / 函数长期占用 CPU。
  • 进阶配置 :可通过 kernel.softlockup_panic 等参数,设置触发软死锁时直接让系统 panic(内核崩溃),或结合 panic_timeout 自动重启,避免系统长期僵死。

4. 典型场景与原理适配

比如某 CPU 上有个无限循环的内核任务(如驱动 bug 导致死循环 ),会持续霸占 CPU,使看门狗线程无法获得调度权 → 时间戳无法更新 → 定时器检查超时 → 触发软死锁告警。这也体现了看门狗的核心价值:用 "定时喂狗 - 超时检测" 机制,暴露 CPU 调度异常,让运维 / 开发能快速定位系统 "僵死" 根源。

总结来说,软死锁看门狗是通过定时检查 CPU 调度心跳(时间戳) 的机制,发现并告警 "任务长期阻塞 CPU 导致无法调度" 的问题,本质是用 "周期性验证" 确保系统调度的活性 。

相关推荐
今晚务必早点睡3 小时前
从零到上线:Docker、Docker Compose 与 Runtime 安装部署全指南(含实战示例与应用场景)
运维·docker·容器
snowfoootball3 小时前
(自用)Linux 常用命令自查文档
linux·运维·服务器
Web极客码3 小时前
在Ubuntu 20.04的服务器上查找的服务器的IP地址
服务器·tcp/ip·ubuntu
墨染 殇雪3 小时前
webshell及冰蝎双击无法打开?
运维·服务器·webshell·webshell管理工具
搬码临时工3 小时前
使用自定义固定公网URL地址远程访问公司内网OA办公系统,本地无需公网IP和专线让外网访问
网络·网络协议·tcp/ip
Chukai1233 小时前
Windows 和 Linux 系统下修改防火墙机制开放端口
linux·运维·windows
逻辑羊驼4 小时前
VSCode+MobaXterm+X11可视化界面本地显示
运维·服务器·ubuntu·3d
fendouweiqian4 小时前
nginx 反向代理使用变量的坑
运维·nginx
Zacks_xdc4 小时前
【前端】使用Vercel部署前端项目,api转发到后端服务器
运维·服务器·前端·安全·react.js
W-GEO4 小时前
Nginx 高性能调优指南:从配置到原理
运维·nginx