Linux 7.3 修復延燒兩年的稀有 SMP 開機卡死：症狀多變、難以重現

據 Phoronix 報導，Linux 7.3 穩定版釋出前夕的最後一波補丁中，收錄了一個修正稀有 SMP（對稱多處理）開機卡死（boot hang）的修復。這個修復針對的是一項 2024 年引入的核心變更所造成的回歸（regression）：相關卡死報告在表面上彼此毫無關聯，追查後才確認它們源自同一個已存在約兩年的缺陷，受影響版本涵蓋自 2024 年以來的核心。從 Phoronix 報導標題與補丁主題來看，問題路徑涉及 kthreads 與 nbcon。

為什麼這則新聞值得 SRE 注意

如果你的機房曾出現「開機偶爾卡住、重開一次就正常」的機器，這則新聞給出了一個明確的方向：這類間歇性開機卡死未必是硬體故障，也不一定是記憶體或磁碟問題——至少其中一部分，源自核心本身的回歸。

一場教科書級的除錯過程

這則新聞最值得咀嚼的其實不是修復本身，而是問題如何被揪出來。

卡死症狀在不同機器上表現各異，這正是問題延燒兩年的原因。分散的回報被當成互不相關的個案處理，沒有人把它們串連成同一個缺陷。加上沒有方便的重現步驟——沒有一個可以拿來做二分搜尋（bisect）的重現情境——讓開發者無法標準化地縮小引入變更的範圍。

對維運團隊而言，這是熟悉的劇情：低頻率、無法重現、症狀不一致的開機問題，最終往往被歸檔為「硬體問題」或「重開就好」。這次的差別在於，有人持續追查，把線索收斂到單一的核心變更。

影響範圍與回移狀態

Phoronix 的報導標題將受影響版本標示為「自 2024 年以來的核心」，與追查到兩年前回歸的結論一致。具體的受影響版本區間與引入問題的 commit，可於 LKML（Linux kernel mailing list，核心補丁郵件列表）上的原始討論串查證；建議在評估是否需要回報供應商或套用修補前，先對照討論串確認自己使用的版本是否落在範圍內。

修復趕在 7.3 穩定版釋出前夕才合入，各 LTS（Long Term Support，長期支援）分支的回移（backport）狀態應追蹤對應的 stable 公告，而不是假設它會自動隨下一次例行更新到位。若管理的發行版使用自訂核心或 vendor kernel，請向供應商確認是否已納入。

實務建議：保留開機證據

這次事件也再次說明一件事：間歇性開機問題的唯一可靠證據，來自持續性的開機記錄（persistent boot logging）。事後重現幾乎不可能，因此平時就應確保以下機制運作正常：

Serial console redirect（序列主控台重導）：把開機輸出導向遠端收集器，卡死當下才有畫面可查。
Netconsole：透過網絡傳送核心記錄，適合無序列埠的環境。
Pstore（persistent storage）：將上一次開機的核心記錄寫入非揮發性儲存，是重啟後追查 panic 或 hang 的關鍵來源。

對開源社群的意義

這個案例凸顯了核心社群在沒有標準化重現情境的 bug 上的結構性難題：症狀多變意味著回報無法聚合，也就沒有觸發 bisect。修補最終到位，靠的是開發者願意把看似無關的報告串起來。對使用開源核心的企業而言，回報與追蹤這類「偶發、難重現」的問題，仍然是整個生態系統賴以運作的公共基礎設施。

報導原始來源：Phoronix（《Linux Lands Fix for Rare, Varying SMP Boot Hangs Affecting Kernels Since 2024》）。