我遇到一个问题，服务器运行一段时间后（大约一周/几天），服务器会开始读取损坏的数据。例如，当我在全新启动后运行文件的 sha1sum 时，它保持不变。然而，过了一段时间，我会开始遇到段错误，从那时起，每当我读取这个文件时，我都会得到不同的 sha1sum。
我已经用长测试检查了 SMART，并且运行了扩展的 memtest86+（12 次）
我的lspci如下：
00：00.0 主机桥：Advanced Micro Devices [AMD] RS780 主机桥 00:01.0 PCI 桥：Advanced Micro Devices [AMD] RS780 PCI 到 PCI 桥 (int gfx) 00:06.0 PCI 桥：Advanced Micro Devices [AMD] RS780 PCI 至 PCI 桥（PCIE 端口 2） 00:07.0 PCI 桥：Advanced Micro Devices [AMD] RS780 PCI 至 PCI 桥（PCIE 端口 3） 00：11.0 SATA 控制器：ATI Technologies Inc SB700/SB800 SATA 控制器 [AHCI 模式] 00:12.0 USB 控制器：ATI Technologies Inc SB700/SB800 USB OHCI0 控制器 00:12.1 USB 控制器：ATI Technologies Inc SB700 USB OHCI1 控制器 00:12.2 USB 控制器：ATI Technologies Inc SB700/SB800 USB EHCI 控制器 00:13.0 USB 控制器：ATI Technologies Inc SB700/SB800 USB OHCI0 控制器 00:13.1 USB 控制器：ATI Technologies Inc SB700 USB OHCI1 控制器 00:13.2 USB 控制器：ATI Technologies Inc SB700/SB800 USB EHCI 控制器 00:14.0 SMBus：ATI Technologies Inc SBx00 SMBus 控制器（rev 3c） 00：14.1 IDE 接口：ATI Technologies Inc SB700/SB800 IDE 控制器 00:14.3 ISA 桥：ATI Technologies Inc SB700/SB800 LPC 主控制器 00:14.4 PCI 桥：ATI Technologies Inc SBx00 PCI 到 PCI 桥 00:14.5 USB 控制器：ATI Technologies Inc SB700/SB800 USB OHCI2 控制器 00：18.0 主机桥：Advanced Micro Devices [AMD] K10 [Opteron、Athlon64、Sempron] HyperTransport 配置 00：18.1 主机桥：Advanced Micro Devices [AMD] K10 [Opteron、Athlon64、Sempron] 地址映射 00：18.2 主机桥：Advanced Micro Devices [AMD] K10 [Opteron、Athlon64、Sempron] DRAM 控制器 00:18.3 主机桥：Advanced Micro Devices [AMD] K10 [Opteron、Athlon64、Sempron] 杂项控制 00：18.4 主机桥：Advanced Micro Devices [AMD] K10 [Opteron、Athlon64、Sempron] 链路控制 01:05.0 VGA 兼容控制器：ATI Technologies Inc Radeon HD 3300 Graphics 01:05.1 音频设备：ATI Technologies Inc RS780 Azalia 控制器 02:00.0 以太网控制器：Atheros Communications Atheros AR8121/AR8113/AR8114 PCI-E 以太网控制器（rev b0） 03：00.0 FireWire（IEEE 1394）：VIA Technologies, Inc. 设备 3403
我真的需要一些帮助，你知道是什么原因造成的吗？这真的让我很沮丧，因为它似乎完全随机触发，直到我重新启动才会消失。我还使用 KVM 进行虚拟化，并使用 MD 进行此服务器上的软件 RAID，处理器是 Phenom II X4 965。然而，我不认为这是软件 raid，因为这会影响非 raid 分区上托管的文件，所以我不知道。
更新21 Jun 10 好的，刚刚更换了主板。仍然有相同的错误。我没有发现任何 CPU 错误；所有磁盘都通过智能测试报告正常。有人知道这可能是什么吗？我在这里抓狂了。
更新2010 年 6 月 22 日 所以我检查了日志并尝试了另一个文件系统，结果还是一样。顺便说一下，这也都是在主机虚拟机上发生的。
答案1
我的直觉告诉我这是硬件问题，可能与热有关（因为它在运行一段时间后出现）。最有可能是南桥或相关硬件有问题。
考虑在南桥上运行一些广泛的交易测试，或者干脆更换主板。
您的操作系统保持稳定但出现随机 IO 错误通常可以排除 CPU/内存问题，因为这些错误往往会导致操作系统与其他软件一起崩溃。但内核的大部分内容是在启动时从磁盘读取的，并且从未被交换出去，因此即使无法从磁盘正确读取，Linux 系统也可以出奇地稳定。
答案2
损坏是发生在主机本身还是客户机上？qemu-kvm 中有一个已知错误，会导致大型虚拟磁盘中的数据损坏（请参阅https://bugs.launchpad.net/ubuntu/+source/qemu-kvm/+bug/574665例如）
答案3
我同意 @pehrs 的观点，值得研究一下热方面的问题，因为问题会随着时间的推移逐渐显现。你用的是什么类型的服务器？如今大多数机架式服务器都配备了大量传感器，可用于监控硬件健康状况。查看流明传感器。如果是戴尔服务器，则戴尔奥姆萨软件包可能会有所帮助。我相信其他大公司也有自己的专有软件包。
我还不如抛出一些其他的想法——这些想法与你描述的场景并不相符，即问题在一段时间后才出现，但它们不会造成伤害。
就错误日志而言，您是否在磁盘或 RAID 子系统的日志中收到任何错误消息？或者在 dmesg 中？Linux软件-RAID HOTWO包含一些有关您要查找的错误类型的信息。诸如电缆损坏之类的问题可能不会显示在驱动器的 SMART 自检中，但您肯定会看到一些记录的错误消息。
RAID 配置是什么？/proc/mdstat 中有什么东西吗？如果（例如）服务器有 3 个驱动器 RAID 5，并且其中一个驱动器损坏，则可能会导致问题。
另外，请检查主板/SCSI 卡/等的固件版本，看看它是否是最新的，或者是否有任何与磁盘 I/O 相关的错误已修复。