星期一到公司发现我们的工作站挂了
查了一下日志发现周六挂掉之前出现了 CPU Hardware Error
原本想说是不是 BIOS 太旧所以更新了一下 BIOS, 接着一整天似乎都没什么大问题
还成功的跑了一些模型训练
结果今天到公司发现工作站又挂了, 而且这次的 Hardware Error 严重到系统开不了机
一堆的 kernel panic 、uncorreced memory corruption 样样来
一开始用 live USB 试试能不能进系统结果也是进不去
后来不知为何终于成功进了 Live environment, 赶紧来看一下日志
发现似乎是 CPU 的某个核心在存取 Cache 时不断发生错误导致
跑了内存测试都没发现任何问题, 感觉 CPU 出错的可能性更高了
接着重开机后成功进入了系统, 赶紧将有问题核心 offline
目前似乎没有再出现新的 Hardware Error, 跑了一些轻量级测试也都还算顺利
应该可以肯定是那颗核心造成系统不稳了
苏妈的 CPU 才买了不到一年欸, 这样就坏了会不会有点太不耐操了 = =
也不过就 Ryzen 9 9950X, 也不是像 Threadripper 那种发热怪兽
不知道能不能交涉到保固替换? 连续几天都在搞工作站的鸟事真是有够阿杂