本文介紹了你的整臺服務(wù)器死機后，該怎樣排除故障。

我們大多數(shù)人都遇到過這種情況：服務(wù)器毫無反應(yīng)，結(jié)果我們無法訪問任務(wù)管理器，甚至無法訪問服務(wù)器上的網(wǎng)絡(luò)共享區(qū)。當然，不用說，出問題的似乎總是任務(wù)關(guān)鍵型服務(wù)器。這意味著，負責服務(wù)器的IT管理員難免會驚慌失措。

處理服務(wù)器死機時，區(qū)別所謂的硬死機（call hang）與軟死機（soft hang）顯得很重要。這常常可以幫助我們根據(jù)在服務(wù)器上能執(zhí)行什么操作、不能執(zhí)行什么操作，至少能夠診斷基本問題。比如說，如果我們無法ping測試服務(wù)器，無法通過鍵盤切換數(shù)字鎖定鍵（NumLock）或大寫鎖定鍵（Caps Lock）功能，或者鼠標光標沒有任何反應(yīng)， 那么我們極有可能遇到了硬死機。這些問題一般與硬件有關(guān)（可能與驅(qū)動程序有關(guān)），但是很少與Windows操作系統(tǒng)的配置問題或內(nèi)存泄漏有關(guān)。遇到硬死機時，系統(tǒng)死機出現(xiàn)在內(nèi)核的很低層面，不再處理線程。如果是硬死機，***步就是聯(lián)系硬件廠商，對系統(tǒng)進行一番診斷。除非你有具體的理由懷疑問題出在某個硬件上（比如說最近安裝的內(nèi)存等），否則不建議你隨便取出或更換硬件。

現(xiàn)在再來說說軟死機；當服務(wù)器處于軟死機狀態(tài)下，它基本上沒有反應(yīng)，但是內(nèi)核在很低的層面仍在工作——比如說，ping測試或切換數(shù)字鎖定鍵一切正常。在軟死機狀態(tài)下，你可能無法在本地或通過終端服務(wù)（Terminal Services）登錄到機器上，或者可能會遇到桌面一片空白，不過網(wǎng)絡(luò)和打印機共享區(qū)仍可以訪問。對于內(nèi)存耗盡或進程死鎖期間我們看到的那種類型的癥狀而言，這個現(xiàn)象比較常見。

我們看到的一種通常的死機問題是由分頁或非分頁池內(nèi)存耗盡引起的。這些資源耗盡時，你會在系統(tǒng)事件日志（System Event Log）中看到類似下列事件的事件： 

 正如你所見，2019錯誤表明非分頁池內(nèi)存已耗盡；2020錯誤表明分頁池內(nèi)存已耗盡。如果你在死機之前看到日志中有任何這樣的事件，解決了耗盡問題很可能連帶解決了死機問題。我們的Platforms CPR小組去年發(fā)表了一篇博文（http://blogs.msdn.com/b/ntdebugging/archive/2006/12/18/understanding-pool-consumption-and-event-id_3a00_--2020-or-2019.aspx），介紹了如何為2019問題和2020問題排除故障，所以我們在這里不作贅述。

查明根源更難一點的問題是系統(tǒng)頁表項（PTE）耗盡引起的死機。我們在之前關(guān)于3GB切換（/3GB switch）的一篇文章中簡要地介紹了系統(tǒng)PTE。PTE是用來跟蹤內(nèi)存中頁面的結(jié)構(gòu)，好比圖書索引告訴你圖書內(nèi)容在哪一頁上。PTE告訴系統(tǒng)數(shù)據(jù)駐留在內(nèi)存的哪一個物理頁面上。機器從固定數(shù)量的PTE開始——系統(tǒng)中的內(nèi)存越多，需要越多的PTE指向內(nèi)存頁面。如果系統(tǒng)耗盡了可用的頁面表項，它再也無法分配內(nèi)存，因而導致系統(tǒng)死機或毫無反應(yīng)。

遺憾的是，系統(tǒng)PTE耗盡時，系統(tǒng)日志中沒有什么條目表明這個問題。不過，你可以使用性能監(jiān)視器（Performance Monitor）來監(jiān)視空閑系統(tǒng)PTE。沒有計數(shù)器詳細分解每個進程的PTE使用情況，所以單單使用性能監(jiān)視器來查明PTE耗盡的根源并非總是切實可行。你也許能夠?qū)⑦M程的句柄數(shù)量不斷上升（句柄泄漏）與PTE耗盡關(guān)聯(lián)起來，然而除非存在明顯的根源，否則就要內(nèi)存轉(zhuǎn)儲或?qū)崟r調(diào)試。

所以概括起來，下面是系統(tǒng)完全死機后需要遵循的幾個簡單步驟：

1. 這是硬死機還是軟死機？如果這是硬死機，那么很可能是底層硬件出了問題，所以就要聯(lián)系硬件廠商。

2. 檢查事件日志，查找發(fā)生死機時事件日志中的任何事件。以頁面池耗盡為例，你會看到事件編號2019或2020，事件來源是SRV。

3. 啟動性能監(jiān)視器，檢查內(nèi)存對象下面空閑系統(tǒng)PTE的起始值。如果系統(tǒng)啟動時，空閑系統(tǒng)PTE少于正常值（大約15000或更少），那么這不是個好兆頭。這意味著，所有PTE在啟動時已被耗盡，因而可供服務(wù)器正常操作使用的資源就比較少了。

4. 創(chuàng)建性能監(jiān)視器日志，讓它運行一段時間。起碼要添加針對內(nèi)存、進程、處理器和系統(tǒng)的計數(shù)器。你需要讓日志運行多長時間，取決于系統(tǒng)多久過后出現(xiàn)死機（假設(shè)死機問題一再發(fā)生）。設(shè)好間隔時間，以便你能夠在日志有效期內(nèi)捕捉到至少100個樣本。任何內(nèi)存偏低的情況都應(yīng)該一目了然——如果這種泄漏很穩(wěn)定的話，更是如此。

5. ***，請遵循這篇文章（http://support.microsoft.com/default.aspx?scid=kb;EN-US;244139）里面介紹的一些步驟，讓系統(tǒng)準備好捕捉完整的內(nèi)存轉(zhuǎn)儲，以便需要時便于分析。
 

原文鏈接：http://blogs.technet.com/b/askperf/archive/2007/09/25/troubleshooting-server-hangs-part-one.aspx