礦機離線時如何自動重啟？

監控系統集成

1. 在採礦設備的主機操作系統上部署輕量級代理，持續向中央服務器報告哈希率、GPU 溫度和礦池連接狀態。

2. 配置關鍵指標的閾值，例如 90 秒內接受的共享為零或 GPU 利用率在兩分鐘內下降到 5% 以下。

3. 使用 Prometheus 和自定義導出器每 15 秒抓取一次鑽機運行狀況數據，並將其輸入到 Grafana 儀表板中以實現實時可見性。

4. 集成 SNMP 陷阱或系統日誌轉發以捕獲可能不會在礦工日誌中顯示的內核級故障，例如 PCIe 鏈路丟失或驅動程序崩潰。

5. 使用 MAC 地址散列或序列號標記為每個設備分配唯一標識符，以避免大規模警報期間的錯誤識別。

遠程重啟觸發器

1. 在單獨的 VPS 上設置 HTTP Webhook 端點，該端點在確認離線條件時從監控系統接收 POST 有效負載。

2. 使用從共享密鑰派生的 HMAC 簽名對傳入請求進行身份驗證，以防止欺騙性的重新啟動命令。

3. 將經過驗證的觸發器路由到基於硬件支持執行 IPMI 或 LAN 喚醒命令的 Python 腳本 - Supermicro 主板響應 ipmitool 機箱電源週期，而消費設備則依賴 WoL 魔法數據包。

4. 每次嘗試重新啟動後強制執行 180 秒的冷卻時間，以避免因固件持續掛起而導致級聯重新啟動循環。

5. 將所有觸發事件（包括時間戳、源 IP、設備 ID 和原因代碼）記錄到本地 SQLite 數據庫中，並每日輪換。

固件級恢復

1. BIOS 版本的閃存設備可將“交流電源丟失時恢復”設置為“開機”，確保短暫斷電後自動啟動。

2. 使用自定義初始化腳本修補 NVIDIA 驅動程序，如果 GPU 內存錯誤每分鐘出現超過 3 次，這些腳本會重新加載 nvidia-smi 並重新啟動挖礦進程。

3. 通過 Linux 內核的軟狗模塊使用看門狗定時器，配置為如果礦工進程未能每 60 秒寫入 /dev/watchdog 則觸發硬重置。

4. 在 SSD 上嵌入最小的 BusyBox 恢復分區，如果主操作系統無法安裝或在 init 處掛起，該分區將獨立啟動。

5. 通過將 usbcore.autosuspend=-1 添加到內核啟動參數來禁用 GPU Riser 卡的 USB 自動掛起，以防止枚舉失敗。

網絡彈性配置

1. 在上游交換機上為每個設備的 IP 分配靜態 ARP 條目，以防止 DHCP 租約到期破壞遠程訪問。

2. 在設備上本地運行 dnsmasq 來緩存礦池的 DNS 查詢，從而減少部分網絡降級期間對外部解析器的依賴。

3. 使用 SO_BINDTODEVICE 將礦工二進製文件綁定到特定接口，以避免多宿主設備遇到 NIC 故障轉移時路由波動。

4. 在礦工配置中實施 TCP keepalive 設置：tcp-keepalive = 60，以比默認超時更快地檢測死池連接。

5. 在防火牆腳本中使用 conntrack -D --orig-dst [rig-ip] 來刷新阻止重啟後 SSH 訪問的過時 NAT 狀態條目。

常見問題

問：我可以使用 Telegram 機器人手動觸發重啟嗎？是的 - 配置具有私人群聊的 Telegram 機器人，然後通過 Webhook API 解析傳入消息。在目標主機上執行 systemctl restart 之前，根據預先批准的列表驗證發件人 ID。

問：為什麼我的設備重新上線後自動重啟後顯示 0 MH/s？這通常表明礦工二進製文件由於缺少環境變量或不正確的 CUDA_VISIBLE_DEVICES 綁定而無法啟動。確保您的重新啟動腳本來源 ~/.bashrc 並顯式設置 GPU 索引。

問：在 ASIC 礦機上運行看門狗觸發的重啟是否安全？不，大多數 ASIC 固件缺乏看門狗支持，如果被迫進入不受控制的電源週期，可能會變磚。堅持使用供應商提供的 REST API，例如 Bitmain 的 BMMiner Web 界面，以進行受控重置。

問：如何在不冒實時挖礦風險的情況下測試重啟自動化？創建一個具有相同操作系統、GPU 驅動程序和礦工版本的虛擬設備虛擬機。在出站池端口上使用 iptables DROP 規則模擬離線狀態，然後驗證警報重新啟動延遲是否保持在 120 秒以下。