Sobrecalentamiento

El único incidente del juego con una causa física. La refrigeración de una máquina ha fallado, y ninguna cantidad de software convencerá al metal de enfriarse.

Qué hace

En una máquina, la temperatura cruza el umbral de WARN a los 85 °C. A los 95 °C llega al apagado térmico: la máquina pasa a DOWN y se queda así durante sesenta segundos completos, la interrupción forzada más larga de cualquier incidente.

La temperatura está limitada a una banda de 40–120 °C, de modo que hay un techo real en lugar de una escalada hacia el infinito. No necesita dispararse; con 95 °C basta.

La firma en el log

El kernel registra que se cruzó el umbral de temperatura y que la CPU está reduciendo su velocidad; el sensor de hardware puede informar de que un ventilador se ha detenido:

05:14:03 web-03 kernel: nct6775 nct6775.656: fan1: alarm, input 0 RPM below min 600 RPM
05:18:30 web-03 kernel: CPU0: Core temperature above threshold, cpu clock throttled (total events = 312)
05:22:14 web-03 kernel: thermal thermal_zone0: critical temperature reached (105 C), shutting down

sensors muestra temperaturas y velocidades de los ventiladores, y journalctl -k muestra los mensajes del kernel. Que la línea del ventilador esté o no ayuda a distinguir si el problema es de hardware o de carga.

Si lo dejas

Una interrupción garantizada de sesenta segundos en una máquina, más deuda de SLA si sigue abierto. En una flota pequeña y temprana, perder una de tres máquinas web durante un minuto abre un agujero serio en el promedio del turno.

El calor suele ser un síntoma

Este es el incidente con más probabilidades de ser una consecuencia. La carga sostenida eleva la temperatura, de modo que una máquina que se calienta durante una inundación puede estar reaccionando a la inundación y no a un ventilador roto.

La forma de distinguirlo: un fallo real de refrigeración se informa con una alarma de ventilador y aparece en una sola máquina sin una historia de carga que lo acompañe. El calor que sigue a la saturación llega cuando la CPU ya está al límite.

Dos caras de la intervención

Quitar carga a la máquina que se calienta puede traer un alivio temporal; mientras la causa raíz siga ahí, la temperatura vuelve a subir. En la salida del sensor puedes leer qué arregló una intervención de software y qué no.

Cuándo aparece