バグ：ソフトロックアップ-CPU＃がx秒間停止する

しつこいに関するいくつかのバグレポートと質問（stackexchangeなど）を見てきました"BUG: soft lockup - CPU#<n> stuck for <dt>s!"。これまでのところ、私は何をすべきか、または何をしようとするかについての手がかりを見つけていません（むしろ、私が見つけて従った手がかりはこれが起こるのを止めていません）。私はこれについてさらに心配しています：

1. これらのイベントの頻度は、最近ゆっくりと増加しているようです（月に700以上）。
2. yum update 再起動すると少し遅くなりましたが、いくつかのロックアップが再び発生し始めています。
3. いくつかのプロセス（ホスト全体ではないにしても、わかりにくい）、確かにすべてのインタラクティブシェルが含まれている場合、それが発生すると、しばらくの間フリーズします。
4. それが関連しているかどうかはわかりませんが、ntpdに関連する多くのログ/メッセージが時計を更新できないことがわかります。

以下は、の抜粋です$(grep 'soft lockup' /var/log/messages*)。

Mar 22 10:02:35 localhost kernel: BUG: soft lockup - CPU#15 stuck for 10s! [kjournald:1048]
Mar 22 10:02:36 localhost kernel: BUG: soft lockup - CPU#0 stuck for 10s! [postgres:5372]
Mar 22 10:02:36 localhost kernel: BUG: soft lockup - CPU#8 stuck for 10s! [postgres:5368]
Mar 22 10:02:37 localhost kernel: BUG: soft lockup - CPU#0 stuck for 10s! [postgres:5372]
Mar 22 10:02:37 localhost kernel: BUG: soft lockup - CPU#8 stuck for 10s! [postgres:5368]
Mar 22 10:02:38 localhost kernel: BUG: soft lockup - CPU#0 stuck for 10s! [postgres:5372]
Mar 22 10:02:38 localhost kernel: BUG: soft lockup - CPU#8 stuck for 10s! [postgres:5368]
Mar 22 10:02:39 localhost kernel: BUG: soft lockup - CPU#0 stuck for 10s! [postgres:5372]
Mar 22 10:02:39 localhost kernel: BUG: soft lockup - CPU#8 stuck for 10s! [postgres:5368]
Mar 22 10:02:40 localhost kernel: BUG: soft lockup - CPU#15 stuck for 25s! [swapper:0]
Mar 22 15:42:16 localhost kernel: BUG: soft lockup - CPU#8 stuck for 25s! [kjournald:1048]
Mar 22 18:22:13 localhost kernel: BUG: soft lockup - CPU#15 stuck for 10s! [postgres:21356]
Mar 22 18:22:20 localhost kernel: BUG: soft lockup - CPU#7 stuck for 10s! [java:8653]
Mar 22 18:22:20 localhost kernel: BUG: soft lockup - CPU#8 stuck for 72s! [kjournald:1048]
Mar 22 21:21:37 localhost kernel: BUG: soft lockup - CPU#12 stuck for 29s! [kjournald:1048]
Mar 22 21:22:07 localhost kernel: BUG: soft lockup - CPU#12 stuck for 27s! [kjournald:1048]
Mar 23 02:01:47 localhost kernel: BUG: soft lockup - CPU#8 stuck for 10s! [kblockd/8:276]
Mar 23 02:02:22 localhost kernel: BUG: soft lockup - CPU#8 stuck for 34s! [kblockd/8:276]

これはランダムなプロセスで発生し、その仮想ホストの16の「コア」にかなりよく分散しているようです。

ホストは、「EC2 CentOS 5.5 GPU HVM AMI（ドライバー260.19.29）（ami-42a2532b）」という名前のAMIを持つAWS EC2「cc1.4xlarge」インスタンスです。Xenで仮想化されているようです。

cat /etc/redhat-release収量CentOS release 5.9 (Final)。 'free'21GのRAMを報告します。

の頭dmesgは：

Linux version 2.6.18-348.3.1.el5 (mockbuild@builder10.centos.org) (gcc version 4.1.2 20080704 (Red Hat 4.1.2-54)) #1 SMP Mon Mar 11 19:39:25 EDT 2013
Command line: ro root=/dev/VolGroup00/LogVol00 rhgb quiet console=tty0 console=ttyS0,115200n8
BIOS-provided physical RAM map:
 BIOS-e820: 0000000000010000 - 000000000009fc00 (usable)
 BIOS-e820: 000000000009fc00 - 00000000000a0000 (reserved)
 BIOS-e820: 00000000000e0000 - 0000000000100000 (reserved)
 BIOS-e820: 0000000000100000 - 00000000c0000000 (usable)
 BIOS-e820: 00000000fc000000 - 0000000100000000 (reserved)
 BIOS-e820: 0000000100000000 - 00000005dd800000 (usable)
DMI 2.4 present.
DMI: Xen HVM domU, BIOS 3.4.3-2.6.18 08/29/2012
ACPI: RSDP (v002    Xen                                ) @ 0x00000000000ea020
ACPI: XSDT (v001    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc0062b0
ACPI: FADT (v004    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc005ee0
ACPI: MADT (v002    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc005fe0
ACPI: SRAT (v001    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc0060c0
ACPI: SLIT (v001    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc006240
ACPI: HPET (v001    Xen      HVM 0x00000000 HVML 0x00000000) @ 0x00000000fc006270
ACPI: DSDT (v002    Xen      HVM 0x00000000 INTL 0x20090220) @ 0x(null)

以下は、最近の時間におけるこれらの「ソフトロックアップ」の累積カウントを示しています（赤線は、最後にyum update続いてを行ったときですreboot） 。

以下に、持続時間のヒストグラム（ホストがスタックしている時間）を示します 。

この問題は、Xen 4.2 3.6および3.8カーネル（AlpineLinux）でも発生します。

私はグーグルで調べて、clocksource = jiffiesをカーネルに追加して修正しました。ちょっとした代わりに、「ピット」を試すこともできます。

BIOSでC状態を無効にするという報告もあります。

Thinkpad T520でも同じ問題が発生しました。しかし、カーネルをハックする代わりに、私はもっと簡単なことをしました。まず、Centos7を使用しています。インストールしたベースシステムはすべて正常に動作しました。その後、GNOME GUIを追加しました。これは、上記の問題が発生し始めたときです。多くのメーカーがWindowsのインストールをセットアップしていることに気付きました。グラフィックカードは通常Win7（NVIDIA OPTIMUS）用にセットアップされています。統合グラフィックモードにリセットすると、ハング/エラーがなくなります。どうやってするの？Thinkpadを再起動してF1または青いthinkvantageボタンを押してBIOSに入ります。グラフィックを選択し、統合グラフィックを選択してからF10を選択し、保存して終了します。このカードには3つの設定があります。Integrated、Discrete、およびNVIDIA OPTIMUS（Win7のみですか？）