从“硬件报错”到“内核崩溃”：一次超微（Supermicro）服务器失联问题解决记录

📖 引言

一台超微（Supermicro）服务器突然失联。带外管理界面（BMC）无法连接，强行重启后屏幕出现Failing DIMM（内存不可纠正错误），随后又陷入 KERNEL PANIC 画面。

第一阶段：物理假象与BMC失联

现象描述

原本可以通过固定 IP 192.168.1.115 访问服务器。
在交换机上发现设备 IP 变成了 192.168.1.100，使用旧用户名密码无法登录。
连接物理显示器开机，画面卡在超微 Logo，左下角赫然出现红色报错： Failing DIMM: DIMM location. (Uncorrectable memory component found) P1-DIMMC1

（后续重启又变成了 P2-DIMMC1）

故障分析

BMC重置：主板在POST（开机自检）阶段检测到致命硬件错误（内存报错）时，触发了自我保护机制，导致 BMC 恢复默认配置（IP变动、密码重置）。
内存训练：服务器主板在进行"内存训练"时偶发接触不良或冷启动偏差，触发了内存报警。

解决操作

断电，重新插拔报警插槽（P1-DIMMC1 和 P2-DIMMC1）的内存条，清理金手指。
多次重启后，系统跨过了 B7 状态码，内存报警消失。

第二阶段： KERNEL PANIC

现象描述

内存自检通过后，GRUB 引导菜单出现。选择默认的第一个 Ubuntu 启动项后，系统直接黑屏，跳出一大片粉色报错：

KERNEL PANIC!

UFS: Unable to mount root fs on unknown-block(0,0)

故障分析

通过进入 Advanced options for Ubuntu，尝试不同内核版本，发现了关键线索：

高版本内核（7.0.0-38） ：必定报粉色 KERNEL PANIC。
低版本内核（6.8.0-85）：可以正常进入系统。

通过日志排查，定位到------后台自动更新失败导致的内核半残废状态。

dpkg --list | grep linux-image 关键日志：

text 复制代码

iF  linux-image-7.0.0-30-generic    7.0.0-30.30~24.04.1    amd64    Signed kernel image generic

注：iF 代表 Half-configured，意思是软件包安装了一半，配置过程因故中断，内核文件不完整。

关键日志（APT历史记录）：

text 复制代码

Start-Date: 2026-10-19  16:31:45
Install: linux-image-7.0.0-38-generic...
Upgrade: linux-image-generic-hwe-24.04:amd64 (7.0.0-30.30, 7.0.0-38.38)

日志清晰地显示，Ubuntu 的 unattended-upgrades（自动更新服务）在后台偷偷尝试将损坏的 7.0.0-30 升级到 7.0.0-38，但在安装过程中卡死或失败，导致系统引导彻底崩溃。

第三阶段：问题解决

为了防止服务器下次重启再次崩溃，必须清理损坏的内核，并彻底关闭自动更新。

进入系统后如何用命令查看所有内核

dpkg --list | grep linux-image

清理异常内核

强制卸载掉那个导致一切灾难的坏内核，释放空间：

bash 复制代码

sudo apt purge linux-image-7.0.0-30-generic linux-image-7.0.0-38-generic linux-headers-7.0.0-30-generic linux-headers-7.0.0-38-generic
sudo apt autoremove --purge

执行卸载时遇到了后台更新进程锁死数据库：

Waiting for cache lock: Could not get lock /var/lib/dpkg/lock-frontend. It is held by process 2500 (unattended-upgr)

解决方法：等待2500进程结束。（确认进程已死：ps -p 2500 ）

关闭自动更新服务

bash 复制代码

sudo systemctl stop unattended-upgrades  # 安全停止自动更新服务
sudo systemctl disable unattended-upgrades
# /etc/apt/apt.conf.d/20auto-upgrades，把里面的 `"1"` 全部改成 `"0"`
sudo echo -e 'APT::Periodic::Update-Package-Lists "0";\nAPT::Periodic::Unattended-Upgrade "0";' | sudo tee /etc/apt/apt.conf.d/20auto-upgrades

锁定稳定内核并刷新引导

确保系统以后永远默认使用正常的 6.x 内核：

bash 复制代码

sudo apt-mark hold linux-image-6.17.0-23-generic linux-headers-6.17.0-23-generic
# 更新引导
sudo update-grub

以后手动更新，手动执行一下：

sudo apt update

sudo apt upgrade

📝 总结与反思

警惕 iF 状态 ：在 Ubuntu 中，如果强退或强行重启打断了 apt upgrade 流程，极易导致内核安装一半。直接体现就是系统起不来（Kernel Panic）。日常可通过 dpkg --list | grep linux-image 检查内核状态。
服务器不要开自动更新 ：NVIDIA 驱动依赖 DKMS 动态编译。如果内核自动升级，而显卡驱动没跟上重新编译，你的 GPU 环境就会瞬间毁灭。生产环境的服务器，永远应该手动规划更新窗口。
分清表象与内核 ：开局的 Failing DIMM 是硬件接触不良的"假警报"，它引发了连锁反应；而后来的 KERNEL PANIC 才是真正的系统级软故障。遇到问题要顺藤摸瓜，不要被一个报错闷头带偏。
善用 GRUB ：当系统无法启动时，Advanced options 里的旧内核（非 recovery 或 recovery 模式）或许有用。

愿你我都能在各自的领域里不断成长，勇敢追求梦想，同时也保持对世界的好奇与善意!