Ubuntu Server становится неотзывчивым через некоторое время.

Вопрос или проблема

Наш сервер Ubuntu становится неотзывчивым через несколько часов. Индикатор питания горит, но мы не можем подключиться по SSH, и на экране ничего не отображается при попытке войти локально. Я проверил журнал через journalctl, но не смог найти никаких ошибок, которые помогли бы мне решить эту проблему. Вот текущие характеристики сервера:
   Процессор: Intel Core i9-1300k 13-го поколения
   ОЗУ: Corsair DDR5
   Накопитель 1: WD_BLACK SN850X 4TB
   Накопитель 2: WD_BLACK SN850X 4TB
   Видеокарта 1: NVIDIA GeForce RTX 4090
   Видеокарта 2: NVIDIA GeForce RTX 4090

Ответ или решение

Конечно, давайте разберем вашу проблему более детально.

Теория

Ваш сервер на Ubuntu становится неотзывчивым через некоторое время работы. Несмотря на то, что индикатор питания остается включенным, прямо и по SSH к серверу подключиться не удается, и экран тоже не показывает ничего полезного. Поскольку вы не выявили явных ошибок через journalctl, следует рассмотреть несколько возможных причин данного поведения, которые могут варьироваться от аппаратных до программных проблем.

1. Аппаратные проблемы: Это может быть связано с перегревом или неисправностью компонентов, таких как процессор, оперативная память, графические карты или накопители. Ваша конфигурация предполагает использование мощного оборудования, которое потребляет значительное количество энергии и выделяет много тепла.

2. Энергопотребление и управление питанием: Возможно, ваш блок питания не справляется с нагрузкой, или же система управления питанием в Ubuntu неправильно конфигурирована.

3. Проблемы с драйверами: Драйверы для новейших графических карт могут быть недостаточно стабильными или неправильно настроенными.

4. Конфигурация ядра и системных параметров: Некорректно настроенные параметры ядра или системы An ACPI могут приводить к зависанию системы.

5. Переход в состояние сна или гибернации: Система может автоматически переходить в режим сна или гибернации из-за неверных настроек.

Пример

Рассмотрим пример сервера, который в аналогичной ситуации демонстрировал те же симптомы. Оказалось, что проблема была в отсутствии охлаждения для данного оборудования. Сервер имел два мощных графических процессора и i9 процессор, но система охлаждения была рассчитана на меньшие загрузки. Как только система получала нагрузку, температура начинала быстро повышаться, что в итоге приводило к автоматическому завершению работы системы для предотвращения повреждения оборудования. Хотя индикатор питания оставался включенным, система не отвечала, потому что была в состоянии аварийного прекращения работы.

Применение

Чтобы диагностировать и исправить вашу проблему, руководствуйтесь следующими рекомендациями:

1. Мониторинг температуры и состояния системы: Используйте инструменты мониторинга для отслеживания температуры процессора, GPU, и других компонентов. Вы можете использовать утилиты такие как lm-sensors, nvidia-smi для GPU, чтобы убедиться, что температура находится в допустимых пределах.

2. Проверка блока питания: Убедитесь, что блок питания вашей системы способен выдерживать полную нагрузку вашего оборудования. Возможно, стоит временно отключить один из GPU для проверки стабильности системы.

3. Проверка драйверов: Убедитесь, что вы используете последнюю версию драйверов от NVIDIA для ваших видеокарт. Лучше всего установить драйверы через официальный PPA от NVIDIA, чтобы они регулярно обновлялись.

4. Анализ логов и диагностических инструментов: Внимательно изучите логи dmesg, /var/log/syslog, и journalctl на наличие ошибок или предупреждений, которые могут указать на root причину проблемы. В некоторых случаях стоит активировать расширенное логирование для выявления более детальной информации.

5. Обновление системы и настройка ядра: Обновите вашу систему до последней версии ядра и пакетов безопасности. Убедитесь, что параметры загрузки ядра (например, GRUB_CMDLINE_LINUX_DEFAULT) не содержат необработанных значений, таких как nomodeset, которые могут предотвращать работы систем управления питанием.

6. Отключение автоматического перехода в спящий режим: Проверьте настройки управления питанием в sudo systemctl и gnome-control-center или xfce4-power-manager, чтобы убедиться, что автоматическое отключение системы не настроено.

7. Обратитесь к сообществам поддержки: Если проблема не решается, привлеките лучшие практики форумов Ubuntu или сообществ Linux поддержки, чтобы получить советы от других пользователей и администраторов с подобным оборудованием.

Следование этим шагам поможет выявить и исправить основную проблему с вашей системой, обеспечивая её стабильность и работоспособность.