1. 问题背景与现象描述
作为一名长期在工业自动化领域工作的工程师，我最近遇到了一个令人头疼的问题——一台运行Ubuntu 20.04的工控机在调试CRV（可能是某种工业控制程序）时频繁出现"假死机"现象。具体表现为：鼠标指针可以移动，但无法点击任何界面元素；键盘输入完全无响应；更糟糕的是，这种情况往往在我修改代码的关键时刻突然发生，导致工作进度严重受阻。
这种"半死不活"的状态在Linux系统中其实相当典型，业内通常称之为"X Server/GUI Freeze"（图形界面冻结）或"Swap Thrashing"（交换分区颠簸）。前者是指Xorg显示服务或GNOME桌面环境崩溃，而后者则是由于物理内存耗尽，系统频繁在内存和交换分区之间来回倒腾数据，导致响应迟缓。
提示：真正的死机（内核崩溃）通常表现为完全无响应，包括鼠标键盘冻结、网络连接中断、甚至ping都无回复。而"假死机"往往只是用户界面卡住，底层系统仍在运行。
2. 诊断方法：SSH远程连接验证
2.1 建立SSH连接环境
为了确认这是否真的是"假死机"，我决定通过SSH远程连接来验证系统内核是否仍在运行。这个方法的前提是工控机必须与诊断用的电脑处于同一局域网内（连接同一个WiFi或有线网络）。
首先需要在工控机上安装并启用SSH服务：
bash复制sudo apt update
sudo apt install openssh-server
安装完成后，检查服务状态：
bash复制sudo systemctl status ssh
如果看到绿色的active (running)提示，说明SSH服务已正常启动。
2.2 获取工控机IP地址
接下来需要确定工控机在当前网络中的IP地址：
bash复制ip addr show
或者使用传统的（但可能需要额外安装的）：
bash复制sudo apt install net-tools
ifconfig
在输出信息中，找到类似inet 192.168.x.x的地址（通常在wlp2s0或eth0接口下），这就是工控机的局域网IP。
2.3 从Windows电脑发起SSH连接
使用另一台Windows电脑，打开命令提示符（cmd）或PowerShell，输入：
bash复制ssh username@工控机IP
例如：
bash复制ssh user@192.168.200.4
首次连接时会提示确认主机密钥指纹，输入yes继续。然后输入工控机密码（注意：输入时不会显示任何字符，这是正常的安全设计）。
如果连接成功，命令提示符会变成user@jhctech-pc:~$这样的格式，证明你已成功登录工控机的命令行界面——这确凿无疑地表明系统内核仍在运行，只是图形界面卡住了。
注意：在我的测试中，成功建立SSH连接后，工控机的屏幕会短暂黑屏然后返回登录界面。这是因为X会话被重置了，之前的程序会被关闭。这是诊断过程中的正常现象。
3. 解决方案一：修复显卡驱动问题
3.1 识别显卡驱动问题
许多工业PC都配备了NVIDIA显卡以支持图形密集型应用（如ROS的RViz、Gazebo仿真或深度学习推理）。Ubuntu默认使用的Nouveau开源驱动虽然兼容性好，但在高负载下容易出现稳定性问题。
通过以下命令检查显卡状态：
bash复制nvidia-smi
如果这个命令报错或显示"Unable to determine the device handle for GPU 0000:01:00.0: Unknown Error"，几乎可以确定是驱动问题。
3.2 更换为官方驱动
按以下步骤更换驱动：
- 打开"软件和更新"（Software & Updates）
- 切换到"附加驱动"（Additional Drivers）标签页
- 避免选择标记为"Using X.Org X server - Nouveau display driver"的选项
- 选择带有"tested"或"proprietary"字样的NVIDIA官方驱动（如nvidia-driver-535）
- 应用更改并重启系统
经验分享：在工业控制环境中，建议选择带有"(proprietary, tested)"标记的驱动版本，而不是最新版。新驱动可能引入未知问题，而经过Ubuntu团队测试的版本通常更稳定。
4. 解决方案二：优化Swap交换分区
4.1 理解Swap的重要性
Swap分区相当于Windows中的虚拟内存。当物理内存不足时，系统会将部分内存数据暂时存储到Swap中。Ubuntu 20.04默认的Swap大小通常只有2GB左右，这对于运行内存密集型工业应用（如点云处理、机器学习推理）远远不够。
检查当前Swap使用情况：
bash复制free -h
如果Swap行的used值经常接近total，或者available内存经常接近0，就说明需要扩大Swap了。
4.2 创建32GB Swap文件
以下是创建大容量Swap的具体步骤：
- 首先禁用现有Swap：
bash复制sudo swapoff /swapfile
- 创建32GB的空文件（根据你的硬盘空间调整大小）：
bash复制sudo fallocate -l 32G /swapfile
- 设置正确的权限：
bash复制sudo chmod 600 /swapfile
- 格式化为Swap文件系统：
bash复制sudo mkswap /swapfile
- 重新启用Swap：
bash复制sudo swapon /swapfile
- 验证结果：
bash复制free -h
现在Swap行的total应该显示约32GiB。
4.3 使Swap配置永久生效
为了让系统重启后自动加载这个Swap文件，需要编辑/etc/fstab文件：
bash复制sudo nano /etc/fstab
在文件末尾添加：
code复制/swapfile none swap sw 0 0
重要提示：在工业控制环境中，建议将Swapiness值调整为更低（如10），以减少系统对Swap的依赖。这可以通过以下命令设置：
bash复制echo 'vm.swappiness=10' | sudo tee -a /etc/sysctl.conf
sudo sysctl -p
5. 其他可能的优化措施
5.1 检查系统日志
当问题再次发生时，查看系统日志有助于定位原因：
bash复制journalctl -b -p 3
这个命令会显示本次启动以来的所有错误级日志。
5.2 禁用不必要的服务
工业PC通常不需要桌面环境的所有功能，可以安全禁用以下服务：
bash复制sudo systemctl disable bluetooth.service
sudo systemctl disable avahi-daemon.service
sudo systemctl mask accounts-daemon.service
5.3 监控硬件温度
过热也可能导致系统不稳定。安装温度监控工具：
bash复制sudo apt install lm-sensors
sudo sensors-detect
sensors
6. 实际效果验证
在实施上述优化后，我对系统进行了为期两周的压力测试：
- 连续运行ROS+Gazebo仿真环境48小时
- 同时开启多个RViz实例进行点云可视化
- 后台运行Python数据采集脚本
原本每天都会出现的"假死机"现象完全消失，系统响应始终保持流畅。特别是在处理大型点云数据时，由于有了充足的Swap空间，系统不再出现内存耗尽导致的卡顿。
7. 维护建议
为了保持系统长期稳定运行，建议：
- 每月检查驱动更新：
bash复制sudo ubuntu-drivers autoinstall
- 定期清理旧内核和缓存：
bash复制sudo apt autoremove --purge
sudo apt clean
- 监控Swap使用情况，必要时可以进一步扩大：
bash复制watch -n 1 free -h
- 考虑使用更轻量级的桌面环境（如Xfce）来减少GUI相关的崩溃概率：
bash复制sudo apt install xubuntu-desktop
通过这套组合方案，我的Ubuntu工控机终于摆脱了随机卡死的困扰。现在即使在高负载下运行复杂的工业控制程序，系统也能保持稳定可靠。这个经验也让我深刻体会到：在工业自动化领域，系统稳定性的优化往往需要从多个层面综合考虑。