矿机离线时如何自动重启？

监控系统集成

1. 在采矿设备的主机操作系统上部署轻量级代理，持续向中央服务器报告哈希率、GPU 温度和矿池连接状态。

2. 配置关键指标的阈值，例如 90 秒内接受的共享为零或 GPU 利用率在两分钟内下降到 5% 以下。

3. 使用 Prometheus 和自定义导出器每 15 秒抓取一次钻机运行状况数据，并将其输入到 Grafana 仪表板中以实现实时可见性。

4. 集成 SNMP 陷阱或系统日志转发以捕获可能不会在矿工日志中显示的内核级故障，例如 PCIe 链路丢失或驱动程序崩溃。

5. 使用 MAC 地址散列或序列号标记为每个设备分配唯一标识符，以避免大规模警报期间的错误识别。

远程重启触发器

1. 在单独的 VPS 上设置 HTTP Webhook 端点，该端点在确认离线条件时从监控系统接收 POST 有效负载。

2. 使用从共享密钥派生的 HMAC 签名对传入请求进行身份验证，以防止欺骗性的重新启动命令。

3. 将经过验证的触发器路由到基于硬件支持执行 IPMI 或 LAN 唤醒命令的 Python 脚本 - Supermicro 主板响应 ipmitool 机箱电源周期，而消费设备则依赖 WoL 魔法数据包。

4. 每次尝试重新启动后强制执行 180 秒的冷却时间，以避免因固件持续挂起而导致级联重新启动循环。

5. 将所有触发事件（包括时间戳、源 IP、设备 ID 和原因代码）记录到本地 SQLite 数据库中，并每日轮换。

固件级恢复

1. BIOS 版本的闪存设备可将“交流电源丢失时恢复”设置为“开机”，确保短暂断电后自动启动。

2. 使用自定义初始化脚本修补 NVIDIA 驱动程序，如果 GPU 内存错误每分钟出现超过 3 次，这些脚本会重新加载 nvidia-smi 并重新启动挖矿进程。

3. 通过 Linux 内核的软狗模块使用看门狗定时器，配置为如果矿工进程未能每 60 秒写入 /dev/watchdog 则触发硬重置。

4. 在 SSD 上嵌入最小的 BusyBox 恢复分区，如果主操作系统无法安装或在 init 处挂起，该分区将独立启动。

5. 通过将 usbcore.autosuspend=-1 添加到内核启动参数来禁用 GPU Riser 卡的 USB 自动挂起，以防止枚举失败。

网络弹性配置

1. 在上游交换机上为每个设备的 IP 分配静态 ARP 条目，以防止 DHCP 租约到期破坏远程访问。

2. 在设备上本地运行 dnsmasq 来缓存矿池的 DNS 查询，从而减少部分网络降级期间对外部解析器的依赖。

3. 使用 SO_BINDTODEVICE 将矿工二进制文件绑定到特定接口，以避免多宿主设备遇到 NIC 故障转移时路由波动。

4. 在矿工配置中实施 TCP keepalive 设置：tcp-keepalive = 60，以比默认超时更快地检测死池连接。

5. 在防火墙脚本中使用 conntrack -D --orig-dst [rig-ip] 来刷新阻止重启后 SSH 访问的过时 NAT 状态条目。

常见问题

问：我可以使用 Telegram 机器人手动触发重启吗？是的 - 配置具有私人群聊的 Telegram 机器人，然后通过 Webhook API 解析传入消息。在目标主机上执行 systemctl restart 之前，根据预先批准的列表验证发件人 ID。

问：为什么我的设备重新上线后自动重启后显示 0 MH/s？这通常表明矿工二进制文件由于缺少环境变量或不正确的 CUDA_VISIBLE_DEVICES 绑定而无法启动。确保您的重新启动脚本来源 ~/.bashrc 并显式设置 GPU 索引。

问：在 ASIC 矿机上运行看门狗触发的重启是否安全？不，大多数 ASIC 固件缺乏看门狗支持，如果被迫进入不受控制的电源周期，可能会变砖。坚持使用供应商提供的 REST API，例如 Bitmain 的 BMMiner Web 界面，以进行受控重置。

问：如何在不冒实时挖矿风险的情况下测试重启自动化？创建一个具有相同操作系统、GPU 驱动程序和矿工版本的虚拟设备虚拟机。在出站池端口上使用 iptables DROP 规则模拟离线状态，然后验证警报重新启动延迟是否保持在 120 秒以下。