在过去的几周中，我们在基于 ESXi 的 VDI 环境中遇到了一些问题，Windows 7 桌面图像全天都会随机冻结。
这可能发生在我们任何一个 ESXi 主机上的任何 VDI Win7 映像上，据我们所知，最近没有对系统或软件进行任何更改（嗯......）。
如果我查看冻结系统的控制台，它并不总是完全冻结。有时我可以向它发送 ctrl+alt+del 信号，它会执行一些操作，但并非总是如此。此外，ESXi 中虚拟机的 CPU 使用率实际上相当低（使用率 <5%），因此它似乎不是一个失控进程拖累了它。
为了诊断问题，我在冻结时拍摄了几个虚拟机的快照，并将其 vmss 转换为 dmp 文件。然后我将它们加载到 windbg 中，并获得了以下信息：
0: kd> !analyze -v
*******************************************************************************
* *
* Bugcheck Analysis *
* *
*******************************************************************************
NMI_HARDWARE_FAILURE (80)
This is typically due to a hardware malfunction. The hardware supplier should
be called.
Arguments:
Arg1: 00000000004f4454
Arg2: 0000000000000000
Arg3: 0000000000000000
Arg4: 0000000000000000
Debugging Details:
------------------
DEFAULT_BUCKET_ID: VISTA_DRIVER_FAULT
BUGCHECK_STR: 0x80
PROCESS_NAME: System
CURRENT_IRQL: 0
LAST_CONTROL_TRANSFER: from fffff80001886113 to fffff80001e0d0ba
STACK_TEXT:
fffff800`0169aad0 fffff800`01886113 : 00000000`00000000 fffff800`01e293c0 00000000`00000000 00000000`00000000 : hal!HalpRtcClockInterrupt+0x2a
fffff800`0169ab00 fffff880`033cd9c2 : fffff800`01892709 00000000`00369e99 fffffa80`0249d638 00000000`00000000 : nt!KiInterruptDispatchNoLock+0x163
fffff800`0169ac98 fffff800`01892709 : 00000000`00369e99 fffffa80`0249d638 00000000`00000000 00000000`00000000 : intelppm!C1Halt+0x2
fffff800`0169aca0 fffff800`0188189c : fffff800`01a04e80 fffff800`00000000 00000000`00000000 fffff880`0105e800 : nt!PoIdle+0x52a
fffff800`0169ad80 00000000`00000000 : fffff800`0169b000 fffff800`01695000 fffff800`0169ad40 00000000`00000000 : nt!KiIdleLoop+0x2c
STACK_COMMAND: kb
FOLLOWUP_IP:
nt!KiInterruptDispatchNoLock+163
fffff800`01886113 f685f3000000ff test byte ptr [rbp+0F3h],0FFh
SYMBOL_STACK_INDEX: 1
SYMBOL_NAME: nt!KiInterruptDispatchNoLock+163
FOLLOWUP_NAME: MachineOwner
MODULE_NAME: nt
IMAGE_NAME: ntkrnlmp.exe
DEBUG_FLR_IMAGE_TIMESTAMP: 521ea035
FAILURE_BUCKET_ID: X64_0x80_nt!KiInterruptDispatchNoLock+163
BUCKET_ID: X64_0x80_nt!KiInterruptDispatchNoLock+163
Followup: MachineOwner
---------
和这个...
1: kd> !analyze -v
*******************************************************************************
* *
* Bugcheck Analysis *
* *
*******************************************************************************
NMI_HARDWARE_FAILURE (80)
This is typically due to a hardware malfunction. The hardware supplier should
be called.
Arguments:
Arg1: 00000000004f4454
Arg2: 0000000000000000
Arg3: 0000000000000000
Arg4: 0000000000000000
Debugging Details:
------------------
DEFAULT_BUCKET_ID: VISTA_DRIVER_FAULT
BUGCHECK_STR: 0x80
PROCESS_NAME: System
CURRENT_IRQL: 0
LAST_CONTROL_TRANSFER: from fffff80001892709 to fffff880033cd9c2
STACK_TEXT:
fffff880`009fbc98 fffff800`01892709 : 00000000`00369e99 fffffa80`0249b598 fffff880`009f2f40 00000000`00000001 : intelppm!C1Halt+0x2
fffff880`009fbca0 fffff800`0188189c : fffff880`009e8180 fffff880`00000000 00000000`00000000 fffff800`01941430 : nt!PoIdle+0x52a
fffff880`009fbd80 00000000`00000000 : fffff880`009fc000 fffff880`009f6000 fffff880`009fbd40 00000000`00000000 : nt!KiIdleLoop+0x2c
STACK_COMMAND: kb
FOLLOWUP_IP:
intelppm!C1Halt+2
fffff880`033cd9c2 c3 ret
SYMBOL_STACK_INDEX: 0
SYMBOL_NAME: intelppm!C1Halt+2
FOLLOWUP_NAME: MachineOwner
MODULE_NAME: intelppm
IMAGE_NAME: intelppm.sys
DEBUG_FLR_IMAGE_TIMESTAMP: 4a5bc0fd
FAILURE_BUCKET_ID: X64_0x80_intelppm!C1Halt+2
BUCKET_ID: X64_0x80_intelppm!C1Halt+2
Followup: MachineOwner
---------
虽然这表明存在硬件问题（据我所知），但我很难相信，因为我们有几个不同的农场，它们拥有不同的硬件，而且所有农场都出现了这种情况。
我可以做些什么来进一步排除故障？我对 windbg 的经验非常基础。
答案1
我正在研究 2008 服务器随机冻结的问题，从 vmss 文件中获取了一个 dmp 文件，并看到了完全相同的输出。我深入研究了 dmp 文件，并将最终内存位置追踪到某种系统级 api，这表明已收到有关处理器的中断但尚未完成。
我自信地向老板表示，这意味着硬件错误，尽管涉及两个数据中心的几台主机。毕竟，由于涉及从硬件本身抽象出来的虚拟机管理程序，因此可能会在某个地方触发中断，而中断并非来自硬件本身。
然后我突然有了一个可怕的想法，在工作站中启动了一个正在运行的虚拟机，将其暂停，获取一个 dmp 文件并在 windbg 中运行它。猜猜是什么 - 输出完全相同。
我相信显示的 nmi 是挂起过程本身的结果。您可以从 windbg 中获取其他有用的东西 - 内存分配等 - 但请不要浪费时间尝试追踪 nmi 问题。