watchdog简介

watchdog  中文意思看门狗，是Linux系统中的一个特别重要的监测响应机制，负责监测系统运行的情况，一旦出现锁死，死机的情况，能够及时的重启机器，并收集crash dump。

又称watchdog timer，是计算机可靠性（dependability）领域中一个极为简单同时非常有效的检测（detection）工具。其基本思想是针对被监视的目标设置一个计数器和一个阈值，watchdog会自己增加计数值，并等待被监视的目标周期性地重置计数值。一旦目标发生错误，没来得及重置计数值，watchdog会检测到计数值溢出，并采取恢复措施（通常情况下是重启）。总结一下就是计数——溢出——触发。

watchdog有好几种不同的机制，最主要的还是内核watchdog和userland watchdog。

无论什么样的机制，都离不开watchdog的基本思路：

1. 系统的某一个事件会被策略设定一个阈值，这个系统会产生或者关联一个计数器来统计这个值，在watchdog一方也在同步这一个值，当两方不一样时，或者计算器上的值超过了这个阈值，watchdog的机制就会被激活。
2. watchdog机制被激活以后，会自动通过计数器的数值来判定系统是否已经产生问题，如果结果为是，那么即马上执行watchdog中预先设定的策略或者应急预案。

Linux很早就引进了watchdog，事实上，Linux中有两套watchdog体系：The Linux Watchdog driver API和NMI watchdog

NMI watchdog是Linux的开发者为了debugging而添加的特性，但也能用来检测和恢复Linux kernel hang，现代多核x86体系都能支持NMI watchdog。NMI（Non Maskable Interrupt）即不可屏蔽中断，之所以要使用NMI，是因为NMI watchdog的监视目标是整个内核，而内核可能发生在关中断同时陷入死循环的错误，此时只有NMI能拯救它。

NMI watchdog的思想如前所述，仍然是通过计数和阈值进行监控。要打开NMI watchdog，只需要在grub.cfg中添加一句"nmi_watchdog=N"，重启之后NMI watchdog就已经开启了。

APIC watchdog的工作方式比较奇葩，一旦开启了I/O APIC watchdog（nmi_watchdog=1），那么每个CPU对应的Local APIC的LINT0线都关联到NMI，这样每个CPU将周期性地接到NMI（这个周期与Local timer的周期相同），接到中断的CPU立即处理NMI。处理的过程就是检查CPU的irq_stat（统计CPU中断信息的结构体，多核系统中这将是个数组）中的apic_timer_irqs和irq0_irqs这两个字段的和，它们分别代表了当前CPU从启动到现在处理的本地时钟中断次数和全局时钟中断次数。如果这两个值的和在一定时间（在我的机子上是5秒）之内都没有增加，说明这个CPU已经连续5秒没有处理过一次时钟中断，显然，出大事了。

原文链接：watchdog机制 - 随风飘落的雨滴 - 博客园 (cnblogs.com)

声明：本文借鉴了以上链接的部分解释，感谢大佬的分享，我加以理解做了解释，如有侵权，请联系我删除，谢谢