Rocky Linux 10 教程 / 诊断启动、initramfs与网络故障并选择恢复路径
当 Rocky Linux 10 无法启动或无法通过 SSH 访问时,您必须首先确定停止的阶段。用于验证的资料和恢复方法在引导程序、内核、initramfs 问题以及登录后的网络问题之间有所不同。本教程帮助您学习诊断顺序,并使用单独的 initramfs 文件和隔离网络练习错误检测和恢复。
识别最后成功的启动阶段
不要仅因为 SSH 连接失败就假定操作系统未启动。请检查虚拟机控制台或远程管理控制台上的实际屏幕,并记录最后显示的消息及故障点。同时检查是否是在更新后、磁盘或虚拟硬件更改后,或网络配置更改之后发生的。
| 观察到的状态 | 首先检查的对象 | 初步响应 |
|---|---|---|
| 找不到启动设备或 GRUB 菜单 | 固件启动顺序、磁盘连接、EFI 启动项 | 在不初始化磁盘的情况下检查虚拟硬件/设备状态。 |
| 在内核消息后立即挂起或崩溃 | 选择的内核、虚拟硬件、驱动程序和错误消息 | 保留控制台上的错误,并检查是否可以使用之前安装的内核启动一次。 |
| 在 dracut shell 中找不到根设备 | 根设备、UUID、LVM、驱动程序和 initramfs | 比较设备识别和启动参数,并检查相应内核的初始镜像。 |
| systemd 应急模式 / 挂载失败 | fstab,缺少磁盘,挂载单元失败 | 检查失败的单元和实际的UUID,先保留原设置,再根据实际UUID和失败原因修复。 |
| 控制台登录正常,但SSH连接失败。 | 地址、路由、DNS、sshd和防火墙 | 从控制台检查IP和监听端口,并逐层检查。 |
GRUB 是一个引导加载程序,用于选择并执行内核以启动系统。initramfs 是一个初始内存文件系统,包含在使用实际根文件系统之前所需的驱动程序和工具。例如,如果根文件系统位于 LVM 上,首先需要进行查找设备和激活逻辑卷的过程。 dracut 项目的初始启动说明 解释了这一角色以及主机专用(hostonly)镜像与通用镜像之间的区别。
在进行恢复工作之前,请确保有有效的备份、维护窗口以及控制台访问方式。避免在已挂载的根文件系统上执行任意恢复或格式化命令,或者为了减少启动问题而首先关闭安全功能。请先保存可读的日志和当前设置,以便在更改前后进行比较。
登录可用时需保存的诊断数据
下面的命令检查当前内核、默认启动项、实际根挂载以及失败的单元。uname -r 是当前运行的内核,而 grubby --default-kernel 是设置为默认启动目标的内核。两个值不同并不立即表示有错误。你可能手动选择过以前的内核,或者在安装新内核后尚未重启。
uname -r
cat /proc/cmdline
rpm -q kernel-core dracut grubby
sudo grubby --default-kernel
sudo grubby --info=ALL
findmnt /
sudo findmnt --verify --verbose
systemctl --failed --no-pager
sudo journalctl -b -p warning --no-pager
sudo journalctl --list-boots
systemd-analyze time
如果列出了以前的启动记录,请使用 sudo journalctl -b -1 -p warning --no-pager 查看该启动的警告。如果没有持久化日志或者保留期限已过,可能没有以前的记录。即使 systemctl --failed 为空,也不意味着内核中没有警告。
原实验虚拟机运行的是 6.12.0-211.74.1.el10_2.x86_64,默认内核也是相同的。之前的内核 6.12.0-211.16.1.el10_2.0.1.x86_64 以及救援条目也存在。该路径和版本是示例检查,不是要直接在你自己的环境中输入的值。
另外,上一次启动在内核阶段大约记录了 4 分 57 秒,总计大约 5 分 22 秒。当时,对 AES-NI 加密操作自检超时以及内核警报有警告。不要因为稍后登录成功就认为这些警告是正常的,也不要立即将相同症状归因于 initramfs 损坏。启动时间、控制台和内核日志需要结合查看,以缩小延迟的位置。
暂时使用之前的内核启动,并缩小原因范围。
如果问题仅在更新后的新内核上出现,可以选择先前安装的内核进行比较。保留现有内核并验证更新,与 内核更新、重启和恢复指南 中涵盖的过程相关。如果未安装以前的内核,则假定不会出现在 GRUB 菜单中。
- 记录当前控制台屏幕,并在维护时间内重启。如果启动加载程序菜单被隐藏,请使用在虚拟机或固件环境中显示菜单的方法。
- 在 GRUB 菜单中,选择错误发生前的确切内核版本条目。区分救援条目和常规的以前内核条目。
- 登录后,使用
uname -r核实它确实是以前的版本,并重新检查磁盘、网络和服务。不要仅凭启动成功就认为所有业务功能都是正常的。 - 确认问题仅在新内核上重现后,调查软件包状态、相关驱动程序和已知问题。不要先删除可用的内核。
选择一次启动和更改默认内核是不同的任务。如果需要更改默认值,请将其设置为在 grubby --info=ALL 中确认的确切内核路径,并记录原始默认路径,以便可以恢复。检查默认内核与重启后验证正在运行的版本之间的区别也在 Rocky Linux 官方内核实践 中进行了说明。实际安装的版本和文件路径需要在此服务器上单独检查。
在 dracut shell 中,启动参数和设备会与 cat /proc/cmdline 和 lsblk -f 进行比较。如果 LVM 工具可用,请使用 lvs 检查根卷。如果已生成 /run/initramfs/rdsosreport.txt,也请保留相关的错误报告。如果磁盘本身不可见,请在重新创建映像之前检查控制器和虚拟磁盘连接。
检测单独 initramfs 文件的损坏并重新生成它。
本节中的练习在一个正常启动的专用 Rocky Linux 10 虚拟机上进行。在不更改实际 /boot 镜像的情况下,仅创建单独的文件。原练习使用了 dracut 107-9.el10_2,通过以下步骤确认了分析错误文件的失败以及重新生成的镜像的模块列表。
sudo -i
set -eu
umask 077
test ! -e /var/tmp/lf-course30
install -d -m 700 /var/tmp/lf-course30
k=$(uname -r)
test -d "/usr/lib/modules/$k"
sha256sum "/boot/initramfs-$k.img" > /var/tmp/lf-course30/boot-before.sha256
grubby --default-kernel > /var/tmp/lf-course30/default-before.txt
cp --preserve=all "/boot/initramfs-$k.img" /var/tmp/lf-course30/original.img
lsinitrd -m /var/tmp/lf-course30/original.img
printf 'deliberately invalid LF30 initramfs copy\n' > /var/tmp/lf-course30/broken.img
if lsinitrd -m /var/tmp/lf-course30/broken.img; then
echo 'Unexpected parse success: stop and inspect this test'
exit 1
else
echo 'Expected rejection of the invalid test file'
fi
dracut --force "/var/tmp/lf-course30/rebuilt-$k.img" "$k"
lsinitrd -m "/var/tmp/lf-course30/rebuilt-$k.img"
sha256sum -c /var/tmp/lf-course30/boot-before.sha256
grubby --default-kernel > /var/tmp/lf-course30/default-after.txt
cmp /var/tmp/lf-course30/default-before.txt /var/tmp/lf-course30/default-after.txt
无效测试文件解析失败,并输出File format not recognized。重新生成的文件大约为 39 MiB,并且像 lvm、rootfs-block、kernel-modules 这样的模块列表可以被读取。最后的原始校验和是 OK,默认启动内核也保持不变。仅仅能够读取文件大小或模块列表并不意味着映像实际上能够成功启动。在这个练习中,新映像没有关联到启动条目,也没有使用该文件重新启动系统。
在 dracut --force 中,第一个路径是输出文件,接下来的值是目标内核版本。请参考 dracut 命令手册 和 lsinitrd 手册 。由于已安装的发行版版本可能与项目最新文档中的版本不同,请使用 dracut --help 和 lsinitrd --help 检查当前支持的选项。
应用于实际启动镜像恢复的条件
如果你需要实际上恢复 initramfs,首先使用之前正常工作的内核或者同系列的可靠安装介质获取一个恢复 shell。在进入安装介质的故障排除或救援菜单时,检查屏幕上显示的现有系统的挂载位置和读写状态。如果路径显示为 /mnt/sysroot,那么请验证 etc/os-release 及其下的挂载信息,确认目标系统和挂载正确后,通过chroot /mnt/sysroot进入已安装系统,使用该系统内的工具。你应该首先确认根分区、单独的 /boot 分区以及 EFI 分区已连接到正确的设备。
一个重要的点是,恢复外壳的 uname -r 可能是恢复环境的正在运行的内核,而不是已安装的目标内核。比较已安装的 /usr/lib/modules、/boot/vmlinuz-* 和启动条目以选择要恢复的版本。如果在普通目录中以相同的名称创建映像,而 /boot 未挂载,则实际的启动分区将不会被修复。
bash <<'RECOVERY'
set -euo pipefail
findmnt /boot
df -h / /boot
df -i / /boot
ls /usr/lib/modules
grubby --info=ALL
read -r -p 'Exact installed target kernel version: ' target_k < /dev/tty
test -n "$target_k"
test -d "/usr/lib/modules/$target_k"
test -f "/boot/vmlinuz-$target_k"
test -f "/boot/initramfs-$target_k.img"
backup="/boot/initramfs-$target_k.img.before-$(date +%Y%m%d-%H%M%S)"
test ! -e "$backup"
cp --preserve=all "/boot/initramfs-$target_k.img" "$backup"
dracut --force "/boot/initramfs-$target_k.img" "$target_k"
lsinitrd -m "/boot/initramfs-$target_k.img"
RECOVERY
这是一个 恢复程序,用于替换真实的启动文件 。仅在诊断原因并确保有备份和控制台后应用。它与上面的单独文件实验室不同;原验证未执行替换命令。test -f 在此再生场景中检查现有映像。如果映像完全丢失,首先验证可用的良好副本和目标内核,然后选择适合该丢失映像情况的程序。
Rocky Linux initramfs 重建指南 描述了在重建之前保留现有镜像。上述块假设预期的独立 /boot 已挂载,并在已安装系统的root管理员shell 中运行。如果记录的布局不同,请在考虑写入之前调整检查。检查结果后,退出恢复 shell 并重启系统以从磁盘启动,然后验证正在运行的内核、根挂载和关键服务。如果失败,请尝试访问之前正常工作的内核,并恢复已保留的文件和设置。复制时不要混合启动项中的内核版本和镜像版本。
如果紧急模式的原因是额外缺失的磁盘或错误的 fstab,重新生成 initramfs 可能无法解决问题。通过将 findmnt --verify、lsblk -f 与失败的挂载单元进行比较来恢复原始设置的过程,已在 《UUID·fstab 自动挂载及启动失败预防指南》 中描述。确认文件系统类型和挂载状态后,选择文件系统检查和修复工具。
登录成功但无法连接时的网络诊断
控制台登录后,分别检查设备、地址、路由、名称解析和服务监听状态。拥有地址不同于拥有通信路径,通过 IP 连接与通过主机名连接是不同的检查。
ip -br link
ip -br address
ip route
nmcli device status
nmcli -t -f NAME,UUID,DEVICE connection show --active
nmcli device show
getent ahostsv4 www.rockylinux.org
sudo systemctl status sshd --no-pager
sudo ss -lntp
sudo firewall-cmd --get-active-zones
sudo firewall-cmd --list-all
如果接口处于 DOWN 状态,请检查电缆、虚拟网卡连接以及相应的配置文件。如果没有 IPv4 地址,请设置 DHCP 或静态地址;如果没有外部路由,请检查默认网关。ip route get 192.0.2.10 显示内核在不发送数据包情况下会选择的路由。将文档地址替换为您正在诊断的目标。如果当前管理接口被关闭或远程 SSH 服务器上的配置文件被禁用,则该连接也会丢失,因此请通过控制台进行配置更改,或在确保有已验证的自动恢复方法后进行更改。
如果你可以通过 IP 和端口连接,但名称解析失败,首先从 DNS 入手。将服务器的 getent 结果与 NetworkManager 的 DNS 设置和名称解析路径进行比较。一次 ping 失败不应被认为所有 IP 通信都失败。即使 ICMP 被阻止,必要的 TCP 服务仍然可以通信。安全地址和 DNS 的更改及恢复过程可以继续,并在 NetworkManager 检查点以及静态地址和 DNS 教程 中进行检查。
即使 sshd 正常,如果使用错误的地址访问或接收地址受限,连接也可能失败。在 ss 中将本地接收地址/端口与实际连接目标匹配,并根据设备所属的区域检查防火墙。在原因不明时,不要关闭整个防火墙,只需比较必要的路径和服务。
在隔离网络命名空间中演练故障与恢复
网络命名空间是一个隔离的空间,拥有自己的接口、地址、路由等。在这里,我们在虚拟机中创建客户端和服务器空间,并通过虚拟以太网对(veth)将它们直接连接。管理 enp0s3 或实际的 NetworkManager 配置文件不会被更改。作为服务器的 Python HTTP 服务仅在 lfstudent 账户下运行,并且不使用外部互联网或 DNS。
在上一节打开的管理员 Shell 中执行。需要 ip、python3、curl 和 lfstudent 账户。如果已有相同名称的路径、命名空间或单元存在,请不要重复使用或删除它们,而是停止该过程。
test ! -e /srv/lf-course30-network
test ! -e /run/netns/lf30-client
test ! -e /run/netns/lf30-server
install -d -m 755 /srv/lf-course30-network
printf 'LF30 network restored\n' > /srv/lf-course30-network/index.html
chmod 644 /srv/lf-course30-network/index.html
ip netns add lf30-client
ip netns add lf30-server
ip link add lf30c netns lf30-client type veth peer name lf30s netns lf30-server
ip -n lf30-client address add 198.18.30.1/30 dev lf30c
ip -n lf30-server address add 198.18.30.2/30 dev lf30s
ip -n lf30-client link set lo up
ip -n lf30-server link set lo up
ip -n lf30-client link set lf30c up
ip -n lf30-server link set lf30s up
systemd-run --unit=lf-course30-network --uid=lfstudent \
--property=Type=exec \
--property=NetworkNamespacePath=/run/netns/lf30-server \
/usr/bin/python3 -m http.server 18030 --bind 198.18.30.2 \
--directory /srv/lf-course30-network
sleep 1
ip netns exec lf30-client curl --fail --silent --max-time 3 \
http://198.18.30.2:18030/
ip -n lf30-client route get 198.18.30.2
正常响应是 LF30 network restored,并且 dev lf30c src 198.18.30.1 出现在路径中。以下是仅使客户端的实际接口下线的过程。
ip -n lf30-client link set lf30c down
ip -n lf30-client -br address
ip -n lf30-client route
if ip netns exec lf30-client curl --fail --silent --show-error \
--max-time 3 http://198.18.30.2:18030/; then
echo 'Unexpected success: inspect the test'
else
echo "Expected connection failure: $?"
fi
ip -n lf30-client link set lf30c up
ip -n lf30-client route get 198.18.30.2
ip netns exec lf30-client curl --fail --silent --max-time 3 \
http://198.18.30.2:18030/
在原练习中,即使地址保持不变,接口状态也为 DOWN,并且路由列表为空。curl 连接失败,退出状态为 7。在重新启用后,直接连接路径恢复并读取相同的内容。此操作仅通过更改一个链路状态,同时保持相同的服务和地址,比较原因和恢复结果。此结果不涵盖DNS、公共路由或外部防火墙故障的验证。
清理和确定恢复完成
在删除练习命名空间之前,先停止其中运行的任何服务。下面的删除目标仅是本讲中新创建的两个名称。一旦命名空间被移除,其内部的虚拟链接也会被清理。
systemctl stop lf-course30-network.service
ip netns delete lf30-client
ip netns delete lf30-server
test ! -e /run/netns/lf30-client
test ! -e /run/netns/lf30-server
ip -br address
systemctl is-active sshd firewalld
getenforce
exit
在原实验虚拟机中,现有的启动镜像、内核文件、启动项、GRUB环境文件,以及fstab、hosts、管理员NetworkManager配置文件和防火墙设置哈希保持不变。默认内核相同,管理接口、SSH和防火墙也被保留。initramfs和练习网页材料的单独副本与验证记录一并保存。
操作恢复的完成标准不是控制台屏幕发生变化,而是系统能够使用预期的内核启动,所需的磁盘正确挂载,并且管理访问和工作服务正常运行。记录已应用的更改、确认为正常的检查、剩余的警告以及回滚方法,可以在同样的故障再次发生时继续作为判断的依据。




