3
有一个令人讨厌的问题，暂时让我的公司的一些工程师试图调试它。Linux设备驱动程序不安全FXSAVE/FXRSTOR错误 - 任何先例？
该C++程序多核计算机与MPI群集上正常运行。
它会运行很长一段时间 - 或许是天 - 然后突然失败。
大多数工程师已经消除了程序本身出现任何错误的合理可能性，因此他们开始将责任归咎于可能的硬件问题，但我怀疑在Linux中必须存在软件问题内核模块或设备驱动程序。
什么是嫌疑人是一个内核模块或设备驱动程序，为了做一些浮点计算，以对SMP系统不安全的方式执行FXSAVE/FXRSTOR。这可能与在需要重入的内核例程中的静态缓冲区中执行FXSAVE一样简单。这将创建一个竞争条件错误，这将很少破坏线程的浮点上下文。
在应用程序级别，似乎发生的情况是MXCSR的一个或多个位（它是FXSAVE/FXRSTOR上下文的一部分）突然更改，但没有应用程序代码可以更改它。
很多年前我在Windows上遇到过类似的问题，最终结果是视频驱动程序中的一个错误，例如当应用程序代码被操作系统抢占时，该线程上下文中的某些MXCSR位已损坏。
我不是Linux Kernel黑客或设备驱动程序开发方面的专家，但我正在阅读重新规则已经改变了很多;在非SMP和SMP（多核）系统之间;在内核版本之间;等等。因此，种族条件错误的可能性似乎是合理的。
所以我的问题是：是否有符合上述任何已知的Linux驱动程序（或内核）的错误？
，我还可以举出任何先例将是有益的，如果他们有类似的症状。在这一点上，很多涉及的人都是（IMHO）浪费时间思考“好吧，我的代码中没有错误，所以它肯定是坏硬件。”我想让他们超越这一点，寻找更有可能成为真正原因的东西。