Ubuntu 26.04 故障恢复:启动、内核、网络与服务排查
Ubuntu 故障恢复应先从控制台确认启动进行到哪一步,保留日志与最近变更,再逐层缩小范围。SSH 无法连接并不证明操作系统没有启动;应分别检查启动、内核、网络与应用,每次只回退一个相关变更。
区分故障阶段与可修改范围
| 观察到的状态 | 优先检查 |
|---|---|
| 无法打开虚拟机控制台 | 宿主机、虚拟化软件、电源及虚拟机配置。 |
| 没有启动介质,或停在 GRUB 之前 | 已连接的磁盘、ISO、固件启动模式及最近变更。 |
| 内核错误、解锁提示或紧急模式 | 屏幕错误原文、所选内核、磁盘及 fstab。 |
| 控制台可登录,SSH 不通 | 地址、路由、DNS、监听端口与防火墙。 |
| SSH 正常,应用失败 | 服务配置、依赖、权限和日志。 |
尽可能在修复前保留状态,并取得已有备份与磁盘解锁材料。不要为实验故意破坏生产磁盘或网络。记录时间、错误原文、最后成功的操作与最近变更,但不把口令或私钥写入记录。调查方法可结合用 Linux 日志缩小故障范围与基于证据的故障恢复实验。
能登录时先收集只读证据
cat /etc/os-release
uname -r
systemctl --failed
df -h
lsblk -f
findmnt /
sudo journalctl --list-boots
sudo journalctl -b -p err --no-pager
这些命令查看系统、磁盘、挂载和日志,不修复配置。若有上一次启动记录,可用 sudo journalctl -b -1 -p err --no-pager 对比。历史日志缺失不能证明之前没有错误;磁盘满时也不批量删除日志,应先查明占用与保存位置并保留相关证据。
仅看错误级别可能遗漏原因,需要按时间范围与具体 unit 查看 journal。systemctl --failed 为空也不等于所有应用都健康,要继续结合实际行为判断。
在克隆虚拟机练习有限的服务失败与恢复
以下仅在与原机隔离的练习虚拟机控制台执行。新 unit 不设为开机启用,不删除业务数据,也不改变网络。先确认正常执行,再用drop-in 配置片段把执行命令改为 false,最后只删除这个练习片段。它练习服务诊断,不重现真实内核或启动故障。
先确认此名称未被任何现有服务使用,也没有供应商、运行时或全局 drop-in 影响该名称。脚本拒绝本地同名文件、目录或符号链接;这不能代替对其他 unit 搜索路径的检查。systemd.unit 参考说明了配置搜索与 drop-in 合并规则。存在冲突时换名,并同步修改创建和恢复代码中的全部名称。
(
set -eu
unit=ubuntu-recovery-lab.service
file=/etc/systemd/system/$unit
drop=/etc/systemd/system/$unit.d
if sudo test -e "$file" || sudo test -L "$file" || sudo test -e "$drop" || sudo test -L "$drop"; then
printf 'Lab unit already exists; choose a new name.\n' >&2
exit 1
fi
sudo sh -c 'set -C; cat > "$1"' sh "$file" <<'EOF'
[Unit]
Description=Bounded Ubuntu recovery exercise
[Service]
Type=oneshot
ExecStart=/usr/bin/true
EOF
sudo systemd-analyze verify "$file"
sudo systemctl daemon-reload
sudo systemctl start "$unit"
sudo systemctl show "$unit" -p Result -p ExecMainStatus
sudo install -d -m 0755 "$drop"
sudo sh -c 'set -C; cat > "$1/10-failure.conf"' sh "$drop" <<'EOF'
[Service]
ExecStart=
ExecStart=/usr/bin/false
EOF
sudo systemd-analyze verify "$file"
sudo systemctl daemon-reload
if sudo systemctl start "$unit"; then
printf 'Unexpected success: inspect the loaded unit.\n' >&2
exit 1
fi
sudo systemctl show "$unit" -p Result -p ExecMainStatus
sudo journalctl -u "$unit" --since '5 minutes ago' --no-pager
)
基准预期为 Result=success、ExecMainStatus=0,故意失败后预期为 Result=exit-code、ExecMainStatus=1。oneshot 与 ExecStart 规则解释了执行完成后可回到 inactive,以及空 ExecStart 如何重置原命令。因此 inactive 不应直接等同失败。
start 非零也可能来自其他错误,必须核对加载的命令、退出状态和日志时间;不要把任何失败都当成实验成功。五分钟内的 journal 可能包含先前记录,实验耗时更长时应扩大查询范围。下面仅在确认 10-failure.conf 正是刚创建且未被他人编辑的文件后执行。
(
set -eu
sudo rm -- /etc/systemd/system/ubuntu-recovery-lab.service.d/10-failure.conf
sudo systemctl daemon-reload
sudo systemctl reset-failed ubuntu-recovery-lab.service
sudo systemctl start ubuntu-recovery-lab.service
sudo systemctl show ubuntu-recovery-lab.service -p Result -p ExecMainStatus
)
再次确认 success、0。完整清理时先确认 unit 及空 drop-in 目录都是本次创建的,并核对服务未在运行;只移除这些练习对象,再 daemon-reload。若上一步失败,先保留现场检查,不执行批量清理。此结果应与下面的真实启动恢复分开记录。
更新后启动失败时检查旧内核
若故障紧接更新发生,且 GRUB 启动菜单与旧内核仍可用,可在控制台的 Advanced options for Ubuntu 中选择先前内核试启动。显示 GRUB 的按键与时机因固件、宿主机及控制台而异,应查具体设备或虚拟机说明;加密磁盘仍需正常解锁。
旧内核可启动时,记录 uname -r,比较更新历史、内核日志及相关驱动。DKMS(动态内核模块支持)的构建状态也可作为线索,但该结果不能单独证明新内核是唯一原因。保留当前运行内核与可启动的备用内核,按确认的原因修复后再测试正常启动。
Ubuntu Wiki 的恢复模式说明介绍 GRUB 菜单与恢复 shell。页面包含旧版本示例,不能把示例内核号或按键时机当成每台 26.04 机器的固定值。
辨认初始 RAM 磁盘工具
初始 RAM 磁盘为内核启动早期提供所需环境。Ubuntu 26.04 的默认基础设施已转为 Dracut,initramfs-tools 仍受支持且可能存在于现有配置中。具体变化见26.04 面向 LTS 用户的说明。不要直接执行从另一代 LTS 教程复制的重建命令,先看安装工具与 /boot 内容。
dpkg-query -W dracut dracut-core initramfs-tools 2>/dev/null
command -v dracut update-initramfs
ls -lh /boot
未安装某些包时,dpkg-query 可能返回非零,且此例将错误输出隐藏;没有显示不等于启动材料无损。command -v 只说明命令能否找到,安装过工具也不能证明当前启动镜像由它生成。核对所选内核、加密、逻辑卷管理 LVM 与磁盘阵列 RAID 的实际配置,在重建前保留可用内核、控制台与备份。
恢复模式中也先检查再允许写入
恢复菜单的 root shell 具有管理员权限,与普通用户登录不同。先检查磁盘识别、空间、挂载状态及准备修改的具体文件。只有当前根文件系统确实只读、且已确认的配置修复需要写入时,才在该恢复 shell 考虑下面第二条命令。
findmnt /
mount -o remount,rw /
此处不加 sudo,是因为前提已是 root 恢复 shell;不要把命令作为普通运行系统的例行操作。若有文件系统损坏或输入输出错误,停止重复写入,优先保护数据并选择匹配实际布局的救援流程。不要对已挂载的文件系统运行修复模式 fsck,也不初始化身份不明的磁盘。
网络配置变更后连接中断
ip -br address
ip route
resolvectl status
sudo netplan get
systemctl is-active NetworkManager systemd-networkd
sudo ss -lntp
从控制台确认实际接口、网络管理程序与有效 Netplan 配置,把最近修改的文件与原备份比较,不另加一个 YAML 文件去遮盖原问题。还要确认配置是否由 cloud-init 等工具生成。多个服务中有的 inactive 可能正常,不能仅凭该行判定管理程序故障。
恢复正确备份前也保存当前配置。先成功执行 sudo netplan generate,保留控制台,再使用 sudo netplan try --timeout 120。根据Netplan try 官方文档,超时或取消后仍需确认是否真的回退;重启前还要核对磁盘上的配置。分别验证地址、路由、域名解析与新的 SSH 连接,不依赖自动回退保证远程可用。
网络层正常时,再分别排查SSH 密钥及监听和UFW 防火墙,不为试连通而关闭全部保护。
保护数据并验证恢复完成
安装的系统无法操作时,可考虑已验证的 Live ISO 或其他救援环境。访问磁盘前辨认加密、LVM 和 RAID,避免把原始磁盘误选为安装目标。不猜测通用 GRUB 重装或分区重建命令,应采用匹配实际布局的流程与已验证备份。
恢复后验证重启、新 SSH 连接、服务、应用读写、日志及备份。记录回退了什么、哪些现象改善、尚存问题,以及再次发生时应收集的证据。首次恢复响应只是一个信号;可以持续正常运行才是恢复完成的依据。




