前景提要
故事是這樣的，小明某一天在Linux系統上進行AI模型訓練時， 原本安心的去睡覺了， 沒想到一早起床想要看成功結果時， 竟然有一條可疑的LOG…。
kernel:[1270601.804083] watchdog: BUG: soft lockup - CPU#8 stuck for 27s! [kcompactd2:411]
這究竟是什麼狀況呢？ 雖然只是警告訊息， 但好奇心強烈的小明一直想要得到一個答案， 因此我們就來協助它排除這個問題吧！
CPU軟鎖定（soft lockup）是怎麼發生的？
這是Linux內核的一個保護機制，用於檢測並回報發生了長時間未回應的核心任務或進程。
軟鎖定通常發生在某個任務或進程進入了無限循環或阻塞狀態，導致無法响应其他任務或中斷。當內核檢測到這種情況時，會生成一個錯誤訊息，以警告系統存在問題。
CPU負載時間過長、電壓不穩定、I/O問題…等， 需要逐一排查。
應該怎麼處理呢？
雖然我們可以將watchdog的時間間隔拉大， 就能夠暫時解決問題。
# 預設為10， 這邊我們拉到30
echo 30 > /proc/sys/kernel/watchdog_thresh
但這只是蒙蔽自己不看到問題而已， 最終還是得逐一排查才行， 有可能我們的系統已經在告訴我們有狀況需要注意了， 就如同身體發出警告一樣， 若我們只是屏蔽它， 那麼問題將會積少成多， 最終導致較難以處理的大問題。
以下是幾種可能原因：
- 不當的內核模組：某些內核模組可能不穩定或有錯誤，導致系統出現軟鎖定。
- 資源競爭：當多個任務或進程競爭訪問共享資源時，可能導致死鎖或軟鎖定。
- 低級硬體問題：硬體故障或兼容性問題可能導致軟鎖定。
- 運行時間過長的任務：某些任務在執行時耗時過長，可能觸發軟鎖定保護機制。
我們可以向這些方向進行排查。
結語
Linux系統雖然相對門檻較高， 但使用者也都非常樂意分享遇到的狀況以及處理方法，所以基本上都不用害怕這個系統， 而且處理效能相對較佳， 尤其我們開發雲服務的應用程式時就非常需要Linux的技能， 不妨好好的學習一番， 跟上時代的趨勢。
喜歡撰寫文章的你，不妨來了解一下：
Web3.0時代下為創作者、閱讀者打造的專屬共贏平台 — 為什麼要加入？
歡迎加入一起練習寫作，賺取知識
