过热

游戏中唯一有物理成因的事件。某台机器的散热失效了，再多的软件也无法劝金属降温。

它做什么

在某一台机器上，温度在 85°C 时越过 WARN 阈值。到 95°C 时触发过热关机：机器进入 DOWN 并保持整整六十秒——这是所有事件中最长的强制中断。

温度被限制在 40–120°C 的区间内，所以存在真实的上限，而不是无限失控。它不需要失控；95°C 就够了。

日志特征

内核会记录温度阈值已被越过、CPU 正在降频；硬件传感器可能报告风扇已经停转：

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 显示温度和风扇转速，journalctl -k 显示内核消息。有没有风扇那一行，有助于判断问题出在硬件还是负载。

置之不理的后果

一台机器必然中断六十秒，若事件持续未决，还要加上 SLA 债务。在早期的小型服务器群中，三台 Web 机器丢掉一台、持续一分钟，就会在班次平均值上砸出一个很深的坑。

高温往往是症状

这是最可能属于后果的事件。持续的负载会推高温度，所以在洪水期间升温的机器，可能是在对洪水作出反应，而不是风扇坏了。

区分方法：真正的散热故障会伴随风扇告警，且出现在单台机器上，没有负载方面的来龙去脉。紧随饱和而来的高温，出现在 CPU 已经被占满之后。

处置的两面

给升温的机器减负可以带来暂时的缓解；只要根本原因还在，温度就会再次攀升。从传感器输出中可以读出，软件层面的处置修复了什么、没有修复什么。

何时出现