在一台新的 Xeon 55XX 服务器上，使用 4xSSD 和 Debian 6 进行 raid 10，在服务器建成后的两周内，我经历了 2 次随机关机。查看关机前的带宽日志没有发现任何异常。服务器负载通常很低（大约 1），并且并置在很远的地方。服务器停机时似乎没有断电。
我知道我会查看 /var/log，但不确定应该调查哪些日志以及应该查找什么。所以非常感谢您的提示。
答案1
首先，我必须问：“关机”？你的意思是机器重新启动还是真的停止了？如果停止了，要么是配置错误（可能是在 BIOS 中），要么是某些程序正在主动关闭机器（即 init 0）。
如果不是，您的主要候选文件将是 /var/log/syslog 和 /var/log/kern.log，因为您的问题听起来像是内核崩溃或软件触发的硬件故障。当然，如果服务器运行某些服务（例如 apache），也可能会给您提供线索。
通常，在这种情况下，会生成日志条目，但由于机器遇到困难，无法将条目写入磁盘。如果该盒子是共置的，则很有可能它由共置合作伙伴连接到串行控制台。如果我在上述日志中没有发现任何可疑之处，我就会在那里查看。
如果机器未连接到串行控制台，并且日志中没有任何内容，您可能需要考虑通过网络将系统日志发送到不同的机器。也许网络接口可以存活更长时间，并且可以在系统日志服务器上读取日志消息。看看 rsyslog 或 syslog-ng。
更新：
我同意下面@Johann 的观点。最有可能的停机原因是处理器温度看门狗。尝试通过 lmsensors 或 smartctl 检查/绘制盒子中的温度（通常最容易）。我发现 collectd 在跟踪大量变量方面无与伦比。它可以同时执行 IPMI 和 lm-sensors 以及 hddtemp。此外，一些 BIOS:es 会记录温度停机事件。
答案2
首先，你要检查/var/log/syslog。如果你不确定要查找什么，你可以先查找单词error、panic和warning。
grep -i error /var/log/syslog
如果您有可用的系统图表（例如 Munin）。检查它们并查找异常模式。如果您没有安装 munin，最好安装它（apt-get install munin munin-node）
您还应该检查根邮件中是否存在与系统崩溃有关的有趣消息。
您应该检查的其他日志文件是应用程序错误日志。例如/var/log/apache2/error.log或类似文件。它们可能包含导致您发现问题的信息。
答案3
根据我的经验，“意外停机”几乎总是由过热引起的。通过 lm_sensors 检查温度和风扇速度，确保它们正常。
最近，我们遇到了同样的情况：在支持人员手动启动服务器大约一小时后，服务器停止运行。几个小时后，CPU 温度达到 BIOS 中配置的阈值（如果我没记错的话是 60 或 70°C），系统停止运行。所有这些问题都是由 CPU 风扇损坏引起的。更换风扇后，一切恢复正常。
答案4
你可以通过下面的命令来判断系统是否知道它正在关闭
sudo last -1x reboot
sudo last -1x shutdown
如果没有信息 => 那么可能是电源断电或其他外部因素
如果你有信息 => 在重启/关机时间附近的日志中搜索