自动重启，机器检查事件，AMD ryzen

Question

我已经在arch linux上运行了一个全新的系统大约3周了，昨晚它自动重新启动。

在重启的时候日志中没有关闭/停止，所以我很确定这是与硬件相关的，而不是用户空间程序或acpi。

journalctl
Jul 01 06:21:15 euclid sshd[25731]: ...
-- Reboot --
Jul 01 06:24:46 euclid systemd-journald[305]: Time spent on flushing to /var is 547us for 0 entries.

然后，在靴子上，

Jul 01 06:24:46 euclid kernel: .... node  #0, CPUs:        #1  #2  #3
Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: Machine check events logged
Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: CPU 3: Machine Check: 0 Bank 5: bea0000000000108
Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: TSC 0 ADDR 1ffff810b4260 MISC d012000101000000 SYND 4d000000 IPID 500b000000000 
Jul 01 06:24:46 euclid kernel: mce: [Hardware Error]: PROCESSOR 2:800f11 TIME 1498915479 SOCKET 0 APIC 3 microcode 800111c
Jul 01 06:24:46 euclid kernel:   #4  #5  #6  #7  #8  #9 #10 #11 #12 #13 #14 #15

当我试图运行mcelog时，我得到

0 % mcelog
mcelog: ERROR: AMD Processor family 23: mcelog does not support this processor.  Please use the edac_mce_amd module instead.
CPU is unsupported

我怀疑我要么低估了这个系统的PSU，要么在某个地方过热了。

我运行的所有PSU计算器都给了我750 W的推荐，所以我使用了一个850 W的PSU。不过，现在我正在考虑升级到1000 W的PSU。

我的问题是，我如何解释那个机器检查事件？我想这是我的CPU特有的？AMD是否发布了任何信息，使我能够解码该错误？我怎么知道我是不是因为过热而重启了呢？我在BIOS (ASUS)中找不到任何事件日志。

编辑:更多细节

处理器: Ryzen 71700

Mobo: Asus Prime x 370-Pro

RAM: G.SKILL三叉戟Z(4x8GB) 3200 (F4-3200C16D-16 16GTZKW)

PSU: EVGA SuperNOVA 850 P2 80+铂金850 W

GPU: GTX 1080-TI x2

句柄0x0000，DMI类型0，24个字节

BIOS信息

     Vendor: American Megatrends Inc.

     Version: 0604

     Release Date: 04/06/2017 

没有超频。库存BIOS设置。

它稳定运行了几个星期。我在活动前几天增加了3倍硬盘。

编辑:同样的崩溃似乎又发生了。

Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: Machine check events logged
Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: CPU 12: Machine Check: 0 Bank 5: bea0000000000108
Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: TSC 0 ADDR 1ffff810b3ef6 MISC d012000101000000 SYND 4d000000 IPID 500b000000000 
Jul 06 22:46:37 euclid kernel: mce: [Hardware Error]: PROCESSOR 2:800f11 TIME 1499406389 SOCKET 0 APIC c microcode 800111c

Answer 1

这似乎是CPU硬件问题。在AMD社区论坛(https://community.amd.com/thread/215773)中，有人建议禁用SMT或OpCache作为解决办法，直到修复为止。

我在BIOS中禁用了OpCache，启动期间mce：硬件误差消息消失了.我有两个相同的系统，与冻结/重新启动有相同的问题。直到现在，这两个系统都没有冻结。