ECS Windows 系统蓝屏 (BSOD) 以及停止响应 (Hang) 的处理

用户在 Windows 系统上有时会遇到蓝屏 (BSOD, Blue Screen of Death)，或者机器停止响应 (Hang)  这两类业务影响严重的问题。Windows 系统蓝屏后，默认配置下机器会自动重启恢复；对于机器停止响应，往往也需要重启作为临时解决方案以快速恢复业务，这都会造成业务的中断。考虑到业务风险，客户需要找出问题的根本原因来避免问题再次发生。但是由于 Windows 蓝屏和停止响应都是技术疑难类问题，需要配置注册表，等待问题复现后收集核心转储 (Kernel Dump) 或 完全内存转储 ( Complete Dump )，花费数天或数周分析，有时甚至还要多次复现才能定位问题根本原因, 处理非常耗时。

 

这两类问题虽然表象不同，但原因比较类似。一般与操作系统 bug、驱动或三方软件兼容性、杀毒软件、病毒木马等原因相关。在本篇文章中，我们根据云平台上这两类问题的排查经验，总结了这两类问题的可能原因、跟进方案和最佳实践。

尤其是考虑到这两类问题分析耗时，业务潜在风险高，而通过采用本文提供的最佳实践，可以快速解决大部分的系统蓝屏和停止响应问题，消除业务风险。因此我们强烈建议您在实际运维中，采纳本文最佳实践以便在阿里云 ECS 上更好的使用 Windows 操作系统。

Windows 蓝屏的处理

Windows 操作系统在遇到关键异常的情况下，为了防止数据丢失，系统自动崩溃蓝屏，如果有配置内存转储文件(crash dump) 的收集，系统会自动生成蓝屏存储到指定的目录 (默认文件为 C:\Windows\memory.dmp)。

 

Windows 系统有多种原因导致蓝屏，包括但不限于：

误操作或者病毒引起的系统文件、注册表损坏 驱动程序与操作系统兼容性引起的异常内存访问 操作系统自身 bug 三方杀毒软件驱动异常

 

操作系统在蓝屏的情况下，会抛出对应的 Bugcheck Code 以及可能的导致蓝屏的模块来大概说明问题发生的原因。例如：如下是通过微软notmyfault.exe手工触发蓝屏的结果。

微软官方列举了如下 Bugcheck Code，详细请参考如下链接：

Bug Check Code Reference 

http://msdn.microsoft.com/en-us/library/windows/hardware/ff560129(v=vs.85).aspx

对于用户而言，更重要的是如何处理 Windows 蓝屏，请参考如下跟进方案以及最佳实践。

根据与微软官方的沟通以及日常排查经验，为了防止系统蓝屏的发生以及可能引起的数据丢失，我们建议客户在日常运维中：

1 请在 ECS 上启用安骑士防护或其它商业版杀毒防护工具，定期杀毒，定期更新杀毒软件版本，防止病毒或者杀毒软件驱动与操作系统兼容性引起的蓝屏。

2 请定期运行 Windows Update，确保微软最新安全更新已经安装。

3 请不要将重要数据放在系统盘，建议放在数据盘中。

4 对系统盘、数据盘启用自动快照策略，同时在重要变更操作前手工创建系统盘和数据盘快照，以便异常情况下通过快照回滚快速恢复数据。

注：创建自动快照策略

https://help.aliyun.com/document_detail/25456.html

5 请在修改系统注册表前备份注册表文件。避免修改系统文件。

如果 Windows ECS 在使用过程中突然断开、无法远程，查看日志发现异常重启的情况，怀疑可能出现过系统蓝屏，请采用如下方法验证：

方法1：打开"事件查看器"，打开"系统日志", 在问题发生时间点，如果看到有来源"volmgr"抛出的 ID 46事件，说明之前发生过蓝屏，但是由于没有配置 Paging File 页面文件以及内存转储文件，导致 dump 收集失败。

 

错误        2016/3/25 0:42:55        volmgr        46        无

故障转储初始化未成功

 

方法2：如果之前有正常配置过蓝屏收集，在系统日志中可以发现事件 ID 41的 Kernel-Power 的关键错误日志，提示系统从意外的关闭中回复以及事件 ID 1001，来源为 Bugcheck 的日志提示系统出现崩溃。

 

由于蓝屏日志的分析非常耗时，考虑到快速恢复业务和避免问题再次发生，我们强烈建议客户在遇到蓝屏机器重启后，采用如下3条来避免潜在的已知问题：

1 卸载三方杀毒软件

请注意：禁用杀毒软件的防护功能一般不会消除杀毒软件内核驱动的影响。如果由于安全需求无法卸载三方杀毒软件，请您务必更新杀毒软件到最新版本以消除兼容性问题。

2 安全模式下，使用微软 Msert 离线杀毒工具或者三方专业杀毒软件杀毒。

3 运行 Windows Update，安装所有更新。

 

Windows 停止响应 (Hang) 的处理

Windows 出现无法响应的现象，包括但不限于：

机器运行一段时间后，无论远程桌面还是管理控制台，背景不变，鼠标无法移动。 用户可以看到密码输入页面，输入密码后，出现白色背景，蓝色背景或者黑色背景，无法登入操作系统。 操作系统仍然在运行，但是无法 ping 通，无法通过网络访问应用。

 

Windows 系统有多种原因导致停止响应，包括但不限于：

病毒影响、三方应用(杀毒软件)引起的兼容性问题。 系统设备驱动程序与操作系统兼容性引起。 Windows 操作系统自身 bug。 系统内存核心资源 (Committed Charge, Paged Pool, Non-paged Pool等) 耗尽。 机器启动脚本、登录脚本、组策略应用由于线程死锁等原因导致无法登录。

与系统蓝屏问题处理相同，根据与微软官方的建议以及日常排查经验，为了防止系统停止响应，我们建议客户在日常运维中：

1 请在 ECS 上启用安骑士防护或其它商业版杀毒防护工具，定期杀毒，定期更新杀毒软件版本，防止病毒或者杀毒软件驱动与操作系统兼容性引起的系统停止响应。

2 请定期运行 Windows Update，确保微软最新安全更新和系统补丁已经安装。

3  请不要将重要数据放在系统盘，建议放在数据盘中。

4 对系统盘、数据盘启用自动快照策略，同时在重要变更操作前手工创建系统盘和数据盘快照，以便异常情况下通过快照回滚快速恢复数据。

注：创建自动快照策略

https://help.aliyun.com/document_detail/25456.html

5  请在修改系统注册表前备份注册表文件。避免修改系统文件。

6 请经常检查系统负载，确保运行的三方应用程序不存在资源泄露或线程死锁，定期更新三方应用程序到最新版本。

考虑到业务快速恢复，我们强烈建议客户在遇到系统停止响应的情况，重启机器恢复业务后，参考如上的最佳实践。尤其是请您务必采用如下4条来避免潜在的已知问题：

1 卸载三方杀毒软件

请注意： 禁用杀毒软件的防护功能，杀毒软件内核驱动可能仍然运行，继续影响操作系统行为。如果由于安全需求无法卸载三方杀毒软件，请您务必更新杀毒软件到最新版本以消除兼容性问题。

2 安全模式下，使用微软 Msert 离线杀毒工具或者三方收费版本杀毒软件杀毒。

3 运行 Windows Update，安装所有更新。

4 检查或停用 Windows 的启动脚本、登录脚本、组策略以查看问题是否再次发生。

 

如果采用最佳实践后，仍然发生Windows蓝屏或者停止响应问题，建议您：

1、参考微软官方 KB 中的排查建议

Troubleshoot "blue screen" or Stop error problems before you contact Microsoft Support

https://support.microsoft.com/en-us/kb/3106831

2、参考知识点“ECS Windows开启内核转储（Core Dump）配置说明”收集数据，工单反馈进一步分析。

 

Windows 技术篇 - 电脑秒速关机设置方法，注册表修改3个缓冲等待时间 比如word的话，如果没有手动保存文档，电脑关机前，他会自动的备份一份存档，下次我们再打开word时会提示要不要恢复就是因为这个。等待了这个时间后，基本程序就备份完了，如果这个时间没有备份完，那就没有备份了。
无法连接windows实例的问题排查 无论何种原因导致无法远程连接实例，先尝试用阿里云提供的远程连接功能进行连接，然后再按原因分类进行故障排查。 1. 客户端本地网络异常 故障现象：用户无法登录外网。可能原因：网卡驱动未开启或网卡配置有问题。
ECS Windows 系统蓝屏 (BSOD) 以及停止响应 (Hang) 的处理 根据阿里云售后支持经验总结的Windows蓝屏 (BSOD, Blue Sceen of Death)，以及机器停止响应 (Hang) 这两种业务影响严重类的问题的可能原因、跟进方案、最佳实践。
隽勇 隽勇， 阿里云技术服务专家，擅长网络、Windows相关技术，专注于弹性计算方面的技术研究，曾就职微软，坚信 ldquo;对技术负责，更对用户负责 rdquo;。
阿里云支持与服务 2132 作为全球云计算的领先者，阿里云为全球230万企业提供着云计算服务，服务范围覆盖200多个国家和地区。我们致力于为企业、政府等组织机构提供安全可靠的云计算服务，给用户带来极速愉悦的服务体验。