CPU 出现soft lockup的解决办法
内核软死锁（soft lockup）bug原因分析
Soft lockup名称解释：所谓，soft lockup就是说，这个bug没有让系统彻底死机，但是若干个进程（或者kernel thread）被锁死在了某个状态（一般在内核区域），很多情况下这个是由于内核锁的使用的问题。
lockup分为soft lockup和hard lockup。 soft lockup是指内核中有BUG导致在内核模式下一直循环的时间超过10s（根据实现和配置有所不同），而其他进程得不到运行的机会。hard softlockup是指内核已经挂起，可以通过watchdog这样的机制来获取详细信息。
Linux内核对于每一个cpu都有一个监控进程，在技术界这个叫做watchdog（看门狗）。通过ps –ef | grep watchdog能够看见，进程名称大概是watchdog/X（数字：cpu逻辑编号1/2/3/4之类的）。这个进程或者线程每一秒钟运行一次，否则会睡眠和待机。这个进程运行会收集每一个cpu运行时使用数据的时间并且存放到属于每个cpu自己的内核数据结构。在内核中有很多特定的中断函数。这些中断函数会调用soft lockup计数，他会使用当前的时间戳与特定（对应的）cpu的内核数据结构中保存的时间对比，如果发现当前的时间戳比对应cpu保存的时间大于设定的阀值，他就假设监测进程或看门狗线程在一个相当可观的时间还没有执。Cpu软锁为什么会产生，是怎么产生的？如果linux内核是经过精心设计安排的CPU调度访问，那么怎么会产生cpu软死锁？那么只能说由于用户开发的或者第三方软件引入，看我们服务器内核panic的原因就是qmgr进程引起。因为每一个无限的循环都会一直有一个cpu的执行流程（qmgr进程示一个后台邮件的消息队列服务进程），并且拥有一定的优先级。Cpu调度器调度一个驱动程序来运行，如果这个驱动程序有问题并且没有被检测到，那么这个驱动程序将会暂用cpu的很长时间。根据前面的描述，看门狗进程会抓住（catch）这一点并且抛出一个软死锁（soft lockup）错误。软死锁会挂起cpu使你的系统不可用。
如果是用户空间的进程或线程引起的问题backtrace是不会有内容的，如果内核线程那么在soft lockup消息中会显示出backtrace信息。
直接原因是：如果CPU太忙导致喂狗（watchdog）不及时，此时系统会打印CPU死锁信息：
kernel:BUG: soft lockup - CPU#0 stuck for 38s! [kworker/0:1:25758]
kernel:BUG: soft lockup - CPU#7 stuck for 36s! [java:16182]
内核参数kernel.watchdog_thresh（/proc/sys/kernel/watchdog_thresh）系统默认值为10。如果超过2*10秒会打印信息，注意：调整值时参数不能大于60。
虽然调整该值可以延长喂狗等待时间，但是不能彻底解决问题，只能导致信息延迟打印。因此问题的解决，还是需要找到根本原因。
可以打开panic，将/proc/sys/kernel/panic的默认值0改为1，便于定位
/proc/sys/kernel/softlockup_panic
产生CPU死锁的原因
解决方法
如果确认不是软件的问题。采用下面的解决办法。
如果您认为过度使用是原因，您尝试修改内核参数。
echo 30 > /proc/sys/kernel/watchdog_thresh
# 可能的原因可能是过量使用过多（尤其是内存过量使用）或其他虚拟化开销。尝试修改内核参数：时间不能超过60。
#追加到配置文件中
echo 30 > /proc/sys/kernel/watchdog_thresh
#查看
[root@git-node1 data]# tail -1 /proc/sys/kernel/watchdog_thresh
#临时生效
sysctl -w kernel.watchdog_thresh=30
#内核软死锁（soft lockup）bug原因分析
Soft lockup名称解释：所谓，soft lockup就是说，这个bug没有让系统彻底死机，但是若干个进程（或者kernel thread）被锁死在了某个状态（一般在内核区域），很多情况下这个是由于内核锁的使用的问题。
vi /etc/sysctl.conf
kernel.watchdog_thresh=30如果修改后还不行，那么您得仔细检查您得资源使用情况。检查是否底层问题。尤其是io。
iostat是I/O statistics（输入/输出统计）的缩写，iostat工具将对系统的磁盘操作活动进行监视。它的特点是汇报磁盘活动统计情况，同时也会汇报出CPU使用情况。iostat也有一个弱点，就是它不能对某个进程进行深入分析，仅对系统的整体情况进行分析
iostat的输出显示sda和dm-0上的磁盘利用率很高（〜100％磁盘利用率）
第二个输出显示check_rrdtraf在这些磁盘上写很多文件，并导致了问题。如果这些文件被收集起来，则可以对其进行处理-我建议您创建一个tmpfs存储（可能安装在当前文件夹上）。可以存储这些文件（我认为总大小不会太大）以进行处理，并且可以将已处理的文件移动到永久存储位置。由于tmpfs位于RAM中-处理速度将提高几倍，但是故障可能会导致不必要的数据丢失。
如果此解决方案（tmpfs）的风险太大-那么您将不得不增加可承载VM的磁盘数量（可能是RAID或来自其他服务器的iSCSI设备）。
在这种情况下-问题是磁盘利用率高（〜100％），这会导致软锁定。
