软死锁的检测--看门狗

软死锁（Soft Lockup）检测中，看门狗（Watchdog）的核心原理是 通过周期性检查 CPU 调度是否正常，判断是否因任务长时间霸占 CPU 导致无法调度其他任务，以下展开说明：

1. 基础机制：定时器 + 内核线程

• 定时器触发：系统为每个 CPU 启动高精度定时器（hrtimer） ，周期性执行 watchdog_timer_fn 函数（类似 “定时检查” 逻辑），默认间隔由 watchdog_thresh 控制（通常初始 10 秒，可通过 sysctl 调整 ）。
• 内核线程辅助：同时，为每个 CPU 创建优先级最高的内核线程（如 watchdog/X，X 为 CPU 编号 ），线程运行时会调用 __touch_watchdog() 更新时间戳（watchdog_touch_ts） ，标记 “CPU 调度正常”。

2. 检测逻辑：对比时间戳判断 “僵死”

定时器到期后，watchdog_timer_fn 会执行关键检查：

• 读取当前时间 now，并获取上一次 “喂狗” 的时间戳 touch_ts（即线程更新的 watchdog_touch_ts ）。
• 计算时间差 now - touch_ts，若差值 超过 watchdog_thresh 阈值（比如默认 10 秒），则认为：
  CPU 上的任务长期霸占资源，导致内核线程无法正常调度（连优先级最高的看门狗线程都无法更新时间戳），判定发生 软死锁 。

简单说：若 “定时检查” 发现 “喂狗” 超时，说明 CPU 调度被长时间阻塞，触发软死锁告警。

3. 响应动作：告警与故障处理

• 基础告警：检测到软死锁时，内核会打印堆栈跟踪（dmesg 日志能看到进程调用链 ），方便定位是哪个任务 / 函数长期占用 CPU。
• 进阶配置：可通过 kernel.softlockup_panic 等参数，设置触发软死锁时直接让系统 panic（内核崩溃），或结合 panic_timeout 自动重启，避免系统长期僵死。

4. 典型场景与原理适配

比如某 CPU 上有个无限循环的内核任务（如驱动 bug 导致死循环 ），会持续霸占 CPU，使看门狗线程无法获得调度权 → 时间戳无法更新 → 定时器检查超时 → 触发软死锁告警。这也体现了看门狗的核心价值：用 “定时喂狗 - 超时检测” 机制，暴露 CPU 调度异常，让运维 / 开发能快速定位系统 “僵死” 根源。

总结来说，软死锁看门狗是通过定时检查 CPU 调度心跳（时间戳） 的机制，发现并告警 “任务长期阻塞 CPU 导致无法调度” 的问题，本质是用 “周期性验证” 确保系统调度的活性 。