7503E交换机日志提示板卡在不停的重启，这是什么原因？

Slot2、Slot3 两块业务板持续反复上报 BOARD REBOOT（单板软重启），display device 显示状态 Normal、业务不断，说明并非硬件彻底卡死掉板，是业务板频繁软复位，属于明确故障隐患，放任不管后续大概率出现：端口离线、整块板离线、流量断流、极端情况下影响主控。
两块板同时规律重启，优先排查整机环境、背板供电、版本 BUG；其次才是单板自身故障。
一、逐条分析现象特征
两块业务板同步交替重启、不是单块孤立故障
大概率是公共诱因：整机电源、机箱背板、整机温度、系统版本缺陷，而非两块网卡板同时硬件损坏。
重启后状态恢复 Normal、业务正常
属于业务板Watchdog 看门狗触发软重启：业务板 CPU 进程卡死、内存溢出、驱动异常，板卡看门狗检测无喂狗信号，自动复位业务板，不脱离背板、不会直接变成 Absent，所以业务短暂中断后立刻恢复，人感知不到断网，仅日志刷屏。
日志覆盖量极大（Overwritten messages : 8153448）
日志缓存早已溢出反复覆盖，早期原始崩溃原因日志已经丢失，需要开启日志服务器抓取完整崩溃原因。
二、由高到低排查顺序（现场可依次操作）
层级 1：环境与散热（最常见诱因，7503E 高发）
查看整机温度、单板温度
plaintext
display environment
display device temperature slot 2
display device temperature slot 3
业务板芯片温度长期＞75℃、瞬时冲到 85℃以上，过热会造成单板进程错乱、看门狗重启；
检查机箱风道：风扇组是否有风扇停转、转速过低、积灰堵塞；7503E 风扇框故障会导致整机局部散热不均，相邻槽位板卡一起过热重启。
机房空调、机柜进风是否正常，槽位 2、3 位置是否被线缆挡住通风口。
层级 2：电源供电 & 背板公共总线故障（两块板同时重启典型原因）
7503E 双电源冗余架构：
plaintext
display power
确认两个电源均为 Present / Normal，不要单电源长期运行；单电源负载过高，背板电压波动，所有业务板供电不稳，出现同步软重启。
现象：电源老化带载能力下降，业务流量高峰期电压小幅抖动，业务板电源芯片检测异常，触发单板复位。
简易验证：维护窗口替换全新电源模块测试，观察日志是否还在刷屏重启。
层级 3：系统版本 BUG（你当前版本 S7500E-6305P03，重点怀疑）
S7500E V5 版本 R6305P03 存在已知缺陷：
特定流量模型（大流量组播、M-LAG、大量 ACL、DHCP Snooping 满表、频繁端口 flap）会造成业务板转发进程死锁，看门狗重启单板，板卡恢复后业务正常，无硬件离线。
解决手段：
升级至该分支稳定终版：S7500E-CMW520-R6305P15，修复业务板 watchdog 误重启 BUG；
升级前务必备份配置、检查 Flash 剩余空间，主控与业务板同步升级。
层级 4：配置过载导致单板资源耗尽
登录查看两块板卡资源占用：
plaintext
display cpu slot 2
display cpu slot 3
display memory slot 2
display memory slot 3
高发触发配置：
Slot2/3 下放了大量 DHCP Snooping、IPSG、DAI 绑定表，表项占满单板内存；
端口下大批量 ACL、QoS 策略、流模板下发过多；
组播复制量大（PIM、组播电视业务），业务板转发进程卡死；
M-LAG、IRF M-LAG 跨板流量过高。
排查：空闲时段关闭 DHCP Snooping / 复杂 ACL 测试，观察板卡是否不再重启。
层级 5：背板故障 / 槽位背板通道损坏
Slot2、3 相邻槽位共享背板通道，背板总线故障会导致两块板卡通信异常、频繁复位。
交叉测试（最精准判定）
维护窗口操作：
将 Slot2 与空闲槽位（Slot4）互换位置；
将 Slot3 挪至其他空闲槽位；
搬迁后，重启故障跟着板卡走 → 单板硬件损坏；
搬迁后，重启故障依旧留在原 Slot2、Slot3 槽位 → 机箱背板该通道故障，机箱报废或禁用该槽位。
层级 6：业务板本身硬件故障（概率偏低，两块同时坏概率很小）
若交叉搬迁槽位后，哪块板搬到哪就重启哪块，说明 LSQ1GP24TSC 单板内部 CPU、内存故障，直接更换备件即可。
三、紧急规避方案（不等升级 / 换硬件，先防业务故障）
开启外部日志服务器（Syslog 服务器），把交换机日志实时发送上去，避免本地 logbuffer 覆盖崩溃根源日志：
plaintext
info-center loghost 192.168.x.x
info-center source DEV channel loghost log level debugging
临时降低单板负载：
关闭无用端口的 DAI、多余 ACL，清理过期 DHCP 绑定表：reset dhcp snooping binding all；
检查风扇，清理灰尘，保证整机温度控制在 65℃以内；
确认双电源同时在线运行，禁止单电源工作。
四、风险预判
当前状态：单板软重启自愈，业务无感知；
恶化趋势：看门狗重启频率越来越高 → 单板彻底离线 → 该槽位所有端口断网；
背板损坏极端场景：多个槽位陆续出现板卡重启，最终整机转发异常。
五、完整排查顺序总结
查风扇、温度 → 2. 检查双电源是否正常冗余 → 3. 抓取远端日志定位崩溃诱因 → 4. 搬迁板卡交叉测试区分「板卡坏 / 背板坏」 → 5. 版本升级修复已知 BUG → 6. 更换故障硬件。
补充排查命令
plaintext
# 查看单板重启历史记录
display device reboot-record slot 2
display device reboot-record slot 3

# 查看风扇状态
display fan

# 查看电源状态
display power
如果执行 display device reboot-record 可以看到每次重启的原因字段（Watchdog Reset / Power Reset / Software Reset），就能精准判定是进程卡死还是供电问题。
Watchdog Reset = 进程卡死（版本 / 配置问题居多）
Power Reset = 电压不稳（电源 / 背板问题）
Software Reset = 人为命令重启，可以排除。