systemctl 顯示 active:作者量度後才發現的兩項基建錯誤
O systemctl dizia active: dois erros de infra que só apareceram quando eu medi
作者量度服務單靠 systemctl 顯示 active 未能揭示的狀態後,發現兩項基建錯誤:Qdrant 沒有 unit 檔案,重新啟動後無法恢復;NVIDIA 驅動程式的記憶體模組與 userspace 版本不一致,令 PyTorch 無法使用 GPU。
systemctl is-active devolve active para um serviço que não existe como arquivo.
Levei semanas para descobrir isso, e o custo apareceu no pior momento possível: a máquina
reiniciou e o Qdrant não voltou.
Erro 1 — serviço sem arquivo de unit
O painel dizia cinco de seis serviços no ar. No Qdrant:
systemctl show qdrant -p LoadState -p FragmentPath -p ActiveState
LoadState=not-found
FragmentPath=
ActiveState=active
ActiveState=active com LoadState=not-found é um serviço que vive num cgroup transiente:
sobe, responde, e não tem nada que o ressuscite no boot. Quem confia no is-active
descobre a diferença às 3h da manhã.
O que passou a valer para mim: antes de acreditar em active, conferir FragmentPath.
Se vier vazio, o serviço não existe — só está rodando.
Erro 2 — módulo e userspace do driver NVIDIA desalinhados
Depois de uma atualização parcial, nvidia-smi respondeu erro 18 e o PyTorch via
torch.cuda.is_available() = False, com a GPU fisicamente presente.
O módulo em memória era 620.70.06; o userspace instalado era 620.73.04. Os dois lados
do driver precisam casar — e o sintoma não fala de versão, fala de GPU inexistente.
cat /proc/driver/nvidia/version # módulo em memória
pacman -Q nvidia-utils # userspace instalado
Se as duas linhas não batem, não é CUDA quebrado, é driver pela metade.
O padrão nos dois casos
Nenhum dos dois erros aparece na leitura "o serviço está no ar". Os dois aparecem quando
você mede o que o comando não diz: o caminho do unit, a versão do outro lado do driver.
Foi por isso que parei de aceitar active como prova e passei a exigir três coisas em
qualquer entrega de infra: o comando que mediu, a saída crua, e o caminho do arquivo.
Se você quer o mesmo gate no seu projeto
As skills que uso para isso (gate de QA com nota, preflight de servidor MCP, diff visual,
guard de treino longo) estão em skills.seu.pet.
Comece pelo gratuito e, se servir, o pack sai mais barato que somar as partes.
來源:DEV Community · dev.to