首页
小窝数据
邻居
微信视频号提取
关于
推荐
夜影网盘
Search
1
海纳斯系统盒子安装ARMv7的ECH-Workers (Docker版)
686 阅读
2
高斯数学动画分享
434 阅读
3
群晖 NAS 使用 Docker 部署 Lolia FRP 实现多隧道内网穿透
338 阅读
4
免费的内网穿透服务-星河frp内网穿透
317 阅读
5
群晖surveillance接入监控摄像头实现无限制空间存储录像
274 阅读
随笔心得
网络技术
资源分享
登录
Search
标签搜索
群晖
docker
joe主题
NAS
joe美化
AI
内网穿透
bark
插件
lucky
Typecho
自建服务
WordPress
css样式
监控
儿童动画
serv00
青龙面板
自动化
甲骨文
夜影
累计撰写
74
篇文章
累计收到
36
条评论
首页
栏目
随笔心得
网络技术
资源分享
页面
小窝数据
邻居
微信视频号提取
关于
推荐
夜影网盘
为您搜索到
1
篇关于
HAOS
的相关文章,期待您能满意而归!
2026-11-22
Home Assistant 开机卡在救援模式:一次断电引发的连环故障修复
故障现象昨晚家里意外断电,群晖 NAS 硬重启恢复后,跑在虚拟机里的 Home Assistant(HAOS,冬瓜定制版镜像)开机直接停在一行提示上:You are in rescue mode. After logging in, type "journalctl -xb" to view system logs.智能家居全线失联:灯、传感器、自动化一个都动不了。这次故障前后折腾了大半天,因为它根本不是一个故障,而是断电埋下的三颗雷接连爆炸,外加两个烟雾弹。这篇按实际排查顺序完整记下来:每一步遇到了什么坑、是靠什么判断出真凶的、最后怎么彻底修好。HAOS 进救援模式的原因其实就那么几类,分层查下去都能定位。修复全程速览:{timeline}{timeline-item color="#ed4014"}昨晚断电,NAS 硬重启,HAOS 开机进救援模式{/timeline-item}{timeline-item color="#f0ad4e"}定位 GRUB 槽位 TRY 计数双满 3,清零后跳过救援模式{/timeline-item}{timeline-item color="#ed4014"}Docker 元数据被断电写坏,陷入 14 秒重启死循环{/timeline-item}{timeline-item color="#f0ad4e"}docker 目录改名 dockerbak 让其重建,镜像全部重拉{/timeline-item}{timeline-item color="#19be6b"}整机重启清掉 setup 卡死,Core 与全部插件恢复{/timeline-item}{/timeline}坑一:唯一的失败服务,是个烟雾弹进了救援 shell,第一件事是看哪些服务挂了:systemctl --failed结果只有一个失败项:systemd-vconsole-setup.service。再看它的日志:journalctl -xb -u systemd-vconsole-setup.service死因是它执行的 loadkeys -q -C /dev/tty1 -u us 以状态码 1 退出——加载 us 键盘映射失败。怎么判断它不是病根: 一个控制台键盘映射服务,职权范围只有键盘布局,它失败顶多让控制台键盘用不了,没有任何机制能把整个系统送进救援模式。失败清单里只有它,只能说明"服务层能看到的就这一个问题",不能说明"它就是原因"。这种时候最容易犯的错误,就是对着唯一的失败项死磕。不过本着先易后难,还是先处理它,顺便验证判断。处理过程又连踩两个小坑:systemctl mask 直接报 Read-only file system。查了才知道 HAOS 的根目录是 erofs 只读镜像,/etc 不是独立挂载点,mount -o remount,rw / 也没用,救援模式下根本写不进去。改走运行时屏蔽:在 /run/systemd/system/ 下建指向 /dev/null 的软链接再 daemon-reload,--failed 确实清零了。但重启后依旧进救援模式——这一重启恰恰完成了实证:vconsole 与进救援无关,纯烟雾弹。最后把屏蔽做成持久的:挂载 hassos-overlay 分区(HAOS 的 /etc 实际写入靠这个 overlay 分区),在它的 etc/systemd/system/ 下放同样的软链接。这个屏蔽后来一直留着,无害,但它治的不是这次的病。这一节的教训: 失败清单清零 ≠ 修好。判断一个失败项是不是病根,要看它在依赖链上的位置,以及"处理掉它之后现象是否改变"。坑二:引导计数被断电"耗满",系统被 GRUB 判了死刑既然服务层没问题,看系统为什么选了救援目标:cat /proc/cmdline输出里有一段刺眼的参数:systemd.unit=recovery.target。这是决定性的证据:不是某个服务失败把系统拖进救援,而是引导层在开机时就直接指定了救援目标。排查方向立刻从 systemd 转向 GRUB。把引导分区(标签 hassos-boot)挂到 /mnt,读 EFI/BOOT/grub.cfg。HAOS 用 A/B 双槽位系统,grub.cfg 里的判断逻辑大致是:每个槽位在 grubenv 里有 OK 和 TRY 两个值,TRY 是"连续开机尝试次数",只有 OK=1 且 TRY<3 的槽位才算"可开机";两个槽位都不可开机时(default=99),就按 OK 值去选对应的 rescue 条目。再读当时的 grubenv:ORDER=B A A_OK=1 B_OK=1 A_TRY=3 B_TRY=3这里我自己先踩了一个判断坑: 一开始把 TRY=3 理解成"尝试次数满格 = 健康",方向完全读反。细读 grub.cfg 的比较逻辑才确认:TRY 是失败计数,0 才是健康值——每次开机成功后由系统的 mark-good 服务把它清零;每次开机没走完就中断,它就 +1;攒到 3,这个槽位被判定损坏。{message type="warning" content="动手清零前务必先读懂计数语义:TRY 是失败计数,0 才是健康值,清错了只会越修越坏。"/}因果链这下通了:断电那晚 NAS 反复重启,虚拟机跟着一次次开机,每次都没能走完正常启动把 TRY 清零,双槽 TRY 双双攒满 3,GRUB 判定"没有可开机的槽位",按规则选了救援条目。这才是进救援模式的直接原因,与 vconsole 毫无关系。修复只有一条命令:mount /dev/disk/by-label/hassos-boot /mnt grub-editenv /mnt/EFI/BOOT/grubenv set A_TRY=0 B_TRY=0 systemctl reboot关键命令,一键复制:{copy showText="复制 grub-editenv 清零命令" copyText="grub-editenv /mnt/EFI/BOOT/grubenv set A_TRY=0 B_TRY=0"/}操作层面的坑也要记一笔: 群晖 VMM 的 noVNC 控制台没法粘贴(没有剪贴板通道),而且会吞字母——by-label 被打成 by-lable、命令里的字母凭空消失,这次前后因此失败了好几回。对策是:路径和单元名尽量用 Tab 补全、重复命令用 ↑ 调历史、回车之前把整行再瞄一眼。这几条能省一半时间。重启后,系统成功跳过救援模式,正常开机了。本以为结束了——并没有。坑三:正常开机后,陷入"14 秒重启"死循环正常系统起来后,每次只活约 14 秒就自动重启,如此往复;几轮下来 TRY 又被耗满,再次掉回救援模式。怎么判断: 先清 TRY 重新进系统,然后看开机历史:journalctl --list-boots一串连续的 boot 记录,每次的存活时间都只有 14 秒左右——规律得如此整齐,说明不是随机崩溃,而是某个固定环节在固定时机触发重启。再看上一次开机的日志尾巴找触发者:journalctl -b -1真凶现形,分三段:dockerd 报错 RW layer for container … not found,紧接着 panic: invalid freelist page: 20, page type is leaf——Docker 用来存元数据的 bbolt 数据库被断电写坏了(freelist 页损坏是 bbolt 的典型断电伤)。docker.service 失败,依赖它的 haos-supervisor.service 跟着失败:没有 Docker,Supervisor 根本起不来。这版定制镜像带开机自检服务(waxgourd-ha-boot-check 一类),自检不过就重启整机——于是形成"开机 → Docker 失败 → 自检重启"的死循环,每轮 14 秒。修复决策的关键判断:HA 的数据到底在哪? 查数据分区(hassos-data,/dev/sda8)根目录:docker、supervisor、logs、swapfile 等目录并列。HA 的全部配置、数据库、插件数据都在 supervisor 目录里;docker 目录装的只是镜像层和容器运行时元数据——坏掉的恰好是可以弃掉重建的那部分。再用 df -h 确认空间:分区共 30.2G、已用 7.5G、可用 21.4G,重拉镜像绰绰有余。于是动手(先改名不删除,留后悔药):mv /mnt/data/docker /mnt/data/dockerbak然后再清一次 TRY、重启。这次系统稳定运行:Docker 在空目录上重建元数据,haos-supervisor 服务把 Supervisor 镜像从国内镜像源(r.hassbus.com)重新拉下并启动,DNS、Audio、CLI、Observer、Multicast 等系统容器随后逐个就位。坑四:万事俱备,Core 却卡在 setup 一个多小时系统容器都起来了,HA 本体(Core)却迟迟不见踪影,8123 打不开,HA 命令行里查 Supervisor 状态只回一句:{"result":"error","message":"System is not ready with state: setup"}怎么判断卡在哪: 在系统层(HA 命令行敲 login 进 root shell)对比两条命令的输出——docker ps:只有 6 个系统容器在运行,已经 Up 了两个小时,没有 homeassistant 容器,也没有任何插件容器。docker images:镜像却基本齐了——Supervisor、DNS、Audio 等系统镜像都在,Core 的镜像(generic-x86-64-homeassistant,3.57GB)也已经拉下来了,另外 Node-RED、Configurator、FileBrowser 等插件镜像也在。"镜像在、容器不在",说明下载环节没问题,卡的是 Supervisor 的安装编排环节:它在按顺序建容器时被某一步堵住了。再翻 Supervisor 日志,碎片里闪过一行在装 core_ssh 插件的记录,之后就是反复重试——大概率是某个插件的安装步骤失败后无限重试,把整个 setup 流程堵死,后面的 Core 建容器一直排不上队。怎么决策: 这时候要先确认"重启安不安全"。与坑三时不同,此刻操作系统层已经完全健康:正常运行了两个多小时,mark-good 早已把 TRY 清零,不存在再掉回救援的风险;Docker 和 Supervisor 本身也都活着,卡住的只是一个内存里的编排状态。这种情况下,逐条翻日志死磕的收益很低,一次干净的整机重启能把卡住的状态清掉、让 Supervisor 重新走一遍安装顺序,是性价比最高的解法。reboot重启过程里还有个小插曲:开机日志里有两个 FAILED——systemd-cloud.service 和 systemd-safe-data.service。判断它们不用管的依据是:这两个是定制镜像的附加服务(云服务、数据守护),不在 Docker/Supervisor 的依赖链上;证据紧随其后——同一屏日志里 containerd 和 Docker 都启动成功、HA 的服务也开始拉起。果然,重启后约 25 分钟,docker ps 里出现了 homeassistant 容器,Node-RED、Mosquitto、Configurator、FileBrowser 等插件容器也逐个建出并转 healthy。后来回看时间线,Core 容器是在 19:21 建好的。坑五:页面停在加载图,其实是浏览器的锅最后一公里又卡住了:浏览器打开 192.168.2.217:8123,页面一直停在 HA 的蓝色加载图,进不去登录页。怎么判断是客户端问题而不是服务端: 回系统层看 Core 自己的日志 docker logs homeassistant,尾巴 30 行全是 19:21 启动那一分钟的 WARNING——天圆历(tianyuan_calendar)、小米之家(xiaomi_home)等自定义集成调用了已过时的接口,属于"将来版本会失效"的提醒,不是错误。19:21 之后再无任何报错。也就是说 Core 在 19:21 就已完成启动、配置和集成都在正常加载;同时页面能返回加载图,说明 8123 的 HTTP 通道也是通的——卡住的只剩浏览器端的前端初始化。原因也不难想:这次修复中 Supervisor 是按最新版重拉的镜像,Core 被顺带升到了 2026.11.1,前端是全新版本;而当时用的 360 浏览器内核偏老,既存着旧版前端缓存、也可能跑不动新版前端的脚本。验证方法很简单:换 Edge 打开同一地址——秒进登录页,确诊。最终状态与遗留事项至此彻底修复,最终核验结果:HAOS 正常开机,不再进救援、不再重启循环;Supervisor 及全部系统容器运行正常;homeassistant 容器(2026.11.1)运行中,8123 可正常登录,配置、集成、自动化全部完好(整个过程没有动过 supervisor 数据目录);Node-RED、Mosquitto、Configurator、FileBrowser 等插件全部 healthy。留了两个无害的尾巴:坏掉的旧 Docker 目录还以 dockerbak 的名字躺在数据分区里占空间,等 HA 稳定跑几天后 rm -rf /mnt/data/dockerbak 删掉即可——先留着,是为了万一新目录出问题还能比对。vconsole 的持久屏蔽软链接保留未动;systemd-cloud、systemd-safe-data 两个镜像附加服务仍是启动失败状态,不影响 HA 使用,等哪天用到镜像的云端/数据保护功能再说。经验总结把这次的分层判断法列成一张速查表,下次 HAOS 出问题照着走:层看什么这次的结论服务层systemctl --failed + 对应单元日志只有 vconsole 失败,是烟雾弹引导层cat /proc/cmdline、grub.cfg、grubenv带 recovery.target;TRY 双满 3,是真凶一容器层journalctl -b -1、docker ps、docker imagesDocker 元数据断电写坏,是真凶二;镜像在容器不在 = 编排卡住客户端换浏览器、强刷缓存服务端日志干净时,先怀疑浏览器再加四条通用的:别被第一个失败项带偏。 判断病根看两点:它在依赖链上的位置,和"处理掉它之后现象变不变"。计数类保护机制先读懂语义再动手。 TRY 是失败计数、0 才是健康,我自己一度读反——读反了清错值,越修越坏。动手前先确认数据边界。 这次敢弃掉 docker 目录,前提是确认了配置在 supervisor 目录、两者分开。数据在哪没搞清之前,不要删任何东西;改名永远优先于删除。断电是万恶之源。 这次三重故障(计数耗尽、元数据损坏、自检重启循环)全是硬断电的后遗症。收尾建议:给 NAS 上 UPS 并设置来电自动开机、虚拟机设置自启、HA 定期备份到 NAS 之外;另外,动手修虚拟机之前先打快照,留好退路再折腾。相关旧文《AI + NAS:在群晖上跑本地 AI 工具的几种玩法》
2026年11月22日
3 阅读
0 评论
0 点赞