导语
最近NAS频繁出现了几次死机。
大致情况是，机器仍有上电，但服务都死了，ssh也进不去，但重启之后都一切恢复正常。前几天一直没空处理，今天有空就排查了一下。
NAS的大致情况：
1 | CPU: N5095 |
确认硬件没坏吧？
因为几次死机都是出现在下载PT大包的时候，所以怀疑是硬盘出问题了。而且，最近电脑的硬盘出现了0e，也有导致电脑死机，所以第一反应是这个。
但是查了查硬盘的smart信息，基本都是正常的。
问问ChatGPT怎么说
排除了硬件故障，我有点无从下手。于是去请教学校LUG的大佬，大佬给了个ChatGPT的方案，对啊，我怎么把ChatGPT给忘了呢。
ChatGPT给的很详细，也比较专业。内存问题、网络问题和磁盘健康问题应该都已经排查过了。于是从系统日志入手开始检查。
Jellyfin出问题了？
首先翻看了系统日志/var/log/syslog，确定了死机出现的时间在前一天晚上23:28前后。在死机前确实出现了两条异常日志。
该日志指向一个docker容器，通过docker ps -a确定该容器运行的是jellyfin。于是我又通过docker logs jellyfin调取了jellyfin的日志。
但事实上，在死机前的一段时间，我根本没有使用jellyfin。因此在死机前的很长一段时间，jellyfin的日志没有记录，当然，更没有任何异常信息。
看看内核日志
LUG的另外一位群友给出了建议，看看内核日志。
通过journalctl -k -b -1 --lines=1000 --reverse看到了上次死机前的内核日志。在日志里果然得到了重要信息。
1 | Jul 01 23:28:29 n5095nas kernel: watchdog: BUG: soft lockup - CPU#2 stuck for 49s! [thermald:3766] |
上述是一部分标红日志，可以看到CPU出现了中断锁定。
qbittorrent是挂着下载PT大包下载任务的软件。那thermald是什么？
好家伙，原来是热监控守护程序。
答案浮出水面
看到热监控守护程序那刻，答案已然悄悄浮现在脑海。
这种小机箱确实散热捉急，而且碍于噪音我还把5510的机箱散热风扇给拆掉了。本来考虑到整机的功耗不高，而且当时正常使用一段时间的温度还算能接受，但事实证明还是我大意了。
那就验证一下是不是过热问题。还原了一下之前死机之前的任务场景，尽可能给到系统一定的压力。然后监控一下问题。
好家伙，固态硬盘来到了恐怖的91.8°C，那也难怪会死机了。
结语
这一块固态硬盘是我之前的笔记本拆机下来的。型号为SK hynix PC401，主控是马牌88SS1093，海力士自家的颗粒。可喜也可悲的是，这块盘还有1GB的Dram缓存。
众所周知，有缓盘普遍比无缓盘温度高一大截。看来为了温度，这种小机箱包括笔记本还是搞个无缓盘比较合适。
至于我这个要如何处理，估计要等有时间换一块硬盘或者重新考虑在加一个机箱风扇了。
PS：机箱只能加装5010的风扇。小扇普遍声音大就算了，机箱孔位还比较小。风扇贴机箱壁近了风切声比较大，离远了散热效果差。除非加大转速，但转速上去噪声也上去了。哎难搞。