飞牛OS运行数小时后NVMe队列挂死

wgs3101

系统版本： X86

设备环境：
物理机，AMD Ryzen 7 8745HS，局域网环境
系统盘：WDC WDS500G2B0C-00PXH0 (NVMe 465.8G)
数据盘：aigo NVMe SSD P3500 2TB (NVMe 1.9T)
飞牛 OS 版本：最新（6.18.18-trim 内核）

BUG现象：
系统运行约5小时后出现假死，具体表现为：

1. IO Wait 达到 99.6%，但实际磁盘无任何读写（r/s=0, w/s=0）
2. 系统负载飙升（最高23+），但 CPU idle 99%——负载来自等待IO的进程
3. NVMe 驱动队列完全堆积：nvme0n1 in_flight=8953，平均等待时间 9,280,587ms（约2.5小时）
4. 监控服务（enhanced_monitor）捕捉到两次崩溃事件：
   • 05-01 23:12：IO_WAIT_HIGH（98.96%）
   • 05-02 04:11：LOAD_HIGH（13.78）

已排除的因素：内存充足（26G可用）、无OOM、无温度异常（NVMe 27°C）、无kernel panic

出现频率： 必现（运行约5小时后必然发生）

联系方式： 1群-XXX

日志文件：
系统诊断日志已开启监控，数据位于：
/vol1/@apphome/trim.openclaw/data/workspace/hardware-monitor/logs/

• crash_history.json — 崩溃历史
• crash_snaps/ — 两次事件完整快照（含 iostat、nvme stats）
• monitor.log — 监控日志

---

备注： 固件已更新到最新，怀疑是 WDC NVMe 盘固件在特定负载下失去响应，驱动层面表现为 queue hang。

附openclaw自己写的日志抓取系统的分析结果：

飞牛运营同学

感谢反馈，这个问题从现象上看不太像内存、温度或普通服务卡死，更像块设备请求已经下发到 NVMe 队列后没有完成回调，所以上层看到的是负载升高、CPU 空闲、I/O 等待堆积。由于 NVMe 盘、主板 PCIe 通道、BIOS 电源策略和当前内核驱动都会参与这条链路，单靠监控截图还不能直接归因到 fnOS 或某一块盘。建议先做低风险验证：更换系统盘/盘位交叉测试，具体排查一下寻找问题关键。