我们组装的是 MSI B550 A PRO，配有 Ryzen7 5800X 和两个 16GB g.skill F4-3200C16-16GVK（位于插槽 a2+b2）以及 RTX3060。电源和散热器非常安静，确实非常安静且功能强大。热量不是这个系统的问题。“办公室”工作中的 CPU 温度为 40...50 度，只有在重度游戏和性能测试中，它接近 90 度，但从未超过（在这种情况下频率受到限制）。
该系统运行了两年，只偶尔出现一些故障——事后看来，这很可能表明有些地方出了问题。
主板 bios 是最新的。所有固件都是最新的。
昨天，我在 Linux 中使用“s-tui”进行了 3 小时以上的“压力”测试，没有出现任何问题。同时，我还运行了 2 小时的“gpu_burn”，没有任何问题或错误。CPU 始终处于最大负荷状态，所有核心都在 4.5GHZ 左右，温度为 90 度。GPU 的温度从未超过 55 度。
虽然这很好，但如今这种情况变得很不常见：
在过去的几天里，系统变得越来越不可用，经常在几分钟后崩溃，大多没有错误消息，并且会出现各种随机情况。无论是在低负载或高负载下，还是在启动过程中，任何时候。
当我启动 memtest86+ 时，它可以连续运行数小时而不会出现任何错误。在这种情况下，CPU 温度达到 40..50 度，一次完整的运行大约需要一个小时。我甚至在 BIOS 中调整了内存设置，内存速度略有不同，但从未出现任何错误。
我还对两个 M2 SDD 驱动器进行了广泛的测试，它们也没有任何错误。
我们通常使用 Linux 进行办公和游戏工作（ubuntu 或 arch）。但也有普通的 Windows。现在，这些都无法真正启动，也无法稳定运行几分钟以上。大多数情况下，系统只是重新启动，有时也会冻结。在 Minecraft 中会出现许多“错误 6”，这是以前从未出现过的。
在极少数情况下，我的手机会从屏幕上抓取以下错误消息：
在 ubuntu 启动失败期间：
mce: [Hardware Error]: CPU 9: Machine Check:0 Bank 1: baa0000006
mce: [Hardware Error]: TSC 0 MISC d012000100000000
mce: [Hardware Error]: PROCESSOR 2:a20f10 TIME 1698596062 SOCKET 0 APIC 3 microcode a20102b
NVRM: loading NVIDIA UNIX x86_64 Kernel Module 545.23.06
在运行一些 ubuntu shell 代码时：
[Hardware Error]: Corrected error, no action required
[Hardware Error]: CPU:9 (19:21:0) MC1_STATUS[-|CE|MiscV|AddrV|-|-|SyndV|-|-|-]: 0x9c20000006010859
[Hardware Error]: Error Addr: 0x00000000f7c1b8d0
[Hardware Error]: IPID: 0x000100b000000000, Syndrome: 0x000000005a008323
[Hardware Error]: Instruction Fetch Unit Ext. Error Code: 1, IC Microtag or Full Tag Multi-hit Error.
[Hardware Error]: cache level: L1, mem/io: IO, mem-tx: IRD, part-proc: SRC (no timeout)
并且/var/log/kern.log经常会出现许多所有 CPU 核心的此类 MCE 状态转储（我现在无法访问日志）。
Windows 启动结束时
Stillstandcode: IRQL NOT LESS OR EQUAL
新问题：经过 1:42 小时的 memtest86+ 测试，第三遍中没有出现任何内存错误
Unexpected interrupt on CPU1
Type: Invalid Op
IP: 10b974
CS: 10
Flag: 10002
Code: 0
DS: 18
ES: 18
SS: 18
rax: 75c08445
rbx: 0
rcx: 1
rdx: 0
rdi: 4b
rsi: 1151ce
rbp: 116019
rsp: 12b220
在我看来，这很像是 CPU 出了问题。几十年来，我从来没有遇到过 CPU 故障。特别是在长时间工作并得到良好维护（没有超频、没有过热等）之后。
我可以对我的系统进行更多诊断，以便更好地了解到底是什么出了问题？恢复正常运行系统的最佳策略是什么？新 CPU？新 CPU+主板？首先检查 RTX3060 是否真的没问题 - 但我没有迹象表明它有什么问题？
答案1
让您知道，实际上只有 CPU 有缺陷。
然而，找到答案的唯一方法就是通过艰难的方式。更换个别部件，寻找测试系统，不断运行大量压力测试和诊断。
对我们来说，一个主要提示是 memtest86+ 在多次运行中崩溃。从来没有内存问题的迹象，崩溃显然指向了 CPU（或主板）。我们交换了 CPU 和主板以确保万无一失...