Почему майнинг-риг зависает намертво и что с этим делать

Сначала выясните, какая именно картина у вас

«Риг завис» — это три разных неисправности с разными виновниками. Проверьте, какая из них ваша:

Питание — подозреваемый №1

Если риг висит целиком и регулярно, начинайте с питания. Многокарточный риг — это несколько сотен ватт на карту и пик при старте, когда все карты просыпаются одновременно. Типичные ошибки, за которые риг платит ночными вылетами:

• Одна линия кабелей на несколько карт. Кабели и разъёмы БП рассчитаны на конкретный ток: то, что «держало две карты» год назад, завтра может не выдержать пика. Тяжёлой карте — своя линия от БП, а не тройник на три корпуса.
• Переходники Molex→SATA на райзеры. SATA-разъёмы не рассчитаны на ток райзера; оплавленные и почерневшие переходники — стандартная находка. Райзер питайте полноценным PCIe-кабелем от БП.
• Удлинители и дешёвые сетевые фильтры. Контактные группы в них — расходник. Замените на прямое подключение или нормальный пилот и сравните за неделю.
• Без запаса по мощности. БП, подобранный впритык к сумме лимитов карт, живёт на износ, особенно в жару и в дни скачков напряжения. Замерьте реальный пик ваттметром в розетке и оставьте запас по мощности.

Дешёвое и быстрое: бытовой ваттметр в розетку на 20–30 минут в пике. Часто одна такая проверка заменяет неделю гаданий.

Райзеры и слоты — подозреваемый №2

Дешёвые USB-райзеры и «перегруженные» материнки — вторая по частоте причина ночных «тишин». Проверки по порядку:

• Питание райзера — отдельным PCIe-кабелем от БП (см. выше про переходники).
• Переткните райзер и карту в соседний слот. Если проблема «переехала» за райзером — виноват он; если осталась на слоте — смотрите питание линии слота или саму материнку.
• Райзеры одного бюджета нередко отказывают партиями: если у вас пара штук одной тонкой партии — меняйте обе, а не «самую кривую».
• Не забывайте про посадку и контакт: перекошенный райзер или окисленный разъём дают ровно тот же результат — риг молчит ночью, а днём выглядит нормально.

Висящие процессы и главное разочарование логов HiveOS

Самый коварный случай: процесс майнера уходит в состояние, когда риг по SSH формально жив, но сам майнер не отвечает и не убивается обычными способами — такой процесс держится за ядро в неотменяемом ожидании, и nvidia-smi заодно перестаёт отзываться. Лечится это одним способом: принудительный ребут.

Тут же — самая обидная ловушка HiveOS: системные логи живут в оперативной памяти. Обычный ребут чистит их вместе с причиной. Если не включили постоянное сохранение логов (logs-on или отдельный лог-раздел) — разбираете не «вчерашнее» зависание, а тайну без улик. Включите логирование до следующего сбоя: после ребута сделать это нечем.

И версия майнера: обновления иногда меняют поведение драйвера на тех же картах. Если зависания начались в свежую версию — внимательно перечитайте чужие отчёты перед тем, как обвинять своё железо.

Чек-лист: ищите закономерность, а не чудо

1. Сток-пресеты на неделю

   Верните карты на сток (или безопасные заводские профили). Висит и на стоке — разгон вообще ни при чём: железо, питание или софт. Не висит на стоке, а на вашем разгоне висит — точка поиска найдена, можно чистить оффсеты по одной карте.

2. По одной карте

   Практическое правило: несколько дней работайте на минимальном наборе карт, добавляя по одной в сутки. Подвисание вернётся — виновник сидит в последней добавленной связке (карта + райзер + слот).

3. Ваттметр в пике

   Сравните фактический максимум с номиналом БП и состоянием линии.

4. Райзеры по кругу

   Перекиньте райзеры между слотами и картами: вещь, которая ездит с картой, — карта; которая останавливается на слоте — райзер или питание.

5. Логи — заранее

   Включите постоянное логирование до следующего сбоя; после ребута след теряется.

6. Не оставляйте риг молчать до утра

   Собранной картой причин уже стоит распоряжаться: ригу нужен кто-то, кто заметит сбой раньше вас и не спит ночью. Этим может заниматься автоматика.

Что имеет смысл отдать автоматике

Даже идеальная ферма с чистым железом оставляет две «человеческие» проблемы: сбой случается ночью, а решение о ребуте требует поездки или wake-on-LAN, и это всегда дольше, чем несколько минут потери хешрейта. Автоматизация решает ровно это:

• состояние рига и падения прилетают в Telegram, а не «обнаруживаются утром»;
• разовый сбой отличают от настоящей проблемы: по пустякам риг не перезагружают, а реальный сбой гасят без поездки к ферме;
• рига возвращают в работу за минуты — настройкой, перезапуском майнера, ребутом и откатом к последнему проверенному пресету, в зависимости от того, что случилось.

Ровно этим занимается OCBot: бот на самом риге, без внешнего сервера, управление и отчёты — в Telegram. Он же сам подбирает стабильный разгон под каждую карту — с проверкой на длинном прогоне, а не «пять минут поработало». Триал на 3 дня включается автоматически при установке, деньги не нужны.