ARM嵌入式设备Linux Watchdog因NTP校时触发重启问题咨询

这个问题我在ARM嵌入式Linux设备上处理过好几次，核心原因就是watchdog的file检测逻辑完全依赖文件的修改时间戳(mtime)：当NTP把滞后数月的系统时间直接跳转到当前时间时，文件mtime和系统当前时间的差值会瞬间超过你设置的阈值，watchdog会误以为应用已经停止更新心跳文件，直接触发重启。下面给你几个实用的解决思路：

1. 替换时间戳检测为自定义存活脚本（最推荐） #

放弃watchdog.conf里的file选项，改用test-binary配置一个自定义检测脚本，彻底摆脱时间戳的限制。

比如写个简单的Shell脚本/usr/local/bin/check_app_heartbeat.sh：

#!/bin/sh
# 检查目标应用进程是否存在
APP_PID=$(pgrep -x "your_app_name")
if [ -z "$APP_PID" ]; then
    # 进程不存在，返回非0触发watchdog
    exit 1
fi

# 可选：进一步验证应用是否在正常更新心跳文件（比如检查内容而非时间）
HEARTBEAT_FILE="/var/run/app_heartbeat"
if [ -f "$HEARTBEAT_FILE" ]; then
    # 读取上次记录的计数器
    LAST_COUNT=$(cat /tmp/last_heartbeat_count 2>/dev/null || echo 0)
    # 读取当前心跳文件的计数器
    CURRENT_COUNT=$(tail -n1 "$HEARTBEAT_FILE")
    # 只要计数器递增，就认为正常
    if [ "$CURRENT_COUNT" -gt "$LAST_COUNT" ]; then
        echo "$CURRENT_COUNT" > /tmp/last_heartbeat_count
        exit 0
    fi
fi

# 任何异常情况返回非0
exit 1

然后修改/etc/watchdog.conf：

# 注释掉原来的file配置
# file = /var/run/app_heartbeat
# 启用自定义检测脚本
test-binary = /usr/local/bin/check_app_heartbeat.sh
interval = xx  # 保持原来的检测间隔

这个方案完全不依赖系统时间，不管时间怎么跳变，只要应用活着且正常更新心跳内容，watchdog就不会误触发。

2. 修改Watchdog源码的检测逻辑（适合有定制能力的场景） #

如果你能重新编译watchdog守护进程的源码，可以修改它的文件检测逻辑：不要用当前系统时间 - mtime来判断超时，而是记录每次检测到的mtime，只要当前mtime > 上次检测的mtime，就认为应用正常更新了心跳。

比如找到源码中检测文件mtime的代码段，把类似这样的逻辑：

if (current_time - file_mtime > timeout) {
    // 触发重启
}

改成：

static time_t last_mtime = 0;
if (file_mtime <= last_mtime) {
    // mtime没变化，说明应用没更新
    trigger_reboot();
}
last_mtime = file_mtime;

这样即使NTP校时导致mtime突然跳变，之后只要应用定期touch文件，mtime会持续递增，watchdog就不会误判。

3. NTP校时前后临时启停Watchdog（简单但有风险） #

如果不想改配置或源码，可以在NTP校时的流程中临时关闭watchdog，校时完成后再恢复。比如在NTP的定时任务或启动脚本中添加：

# 暂停watchdog服务
systemctl stop watchdog
# 强制同步时间（-g允许时间大幅跳变）
ntpd -q -g
# 等待时间同步稳定
sleep 3
# 重启watchdog服务
systemctl start watchdog

⚠️ 注意：这个方法的风险是校时过程中如果系统挂掉，watchdog没运行就无法触发重启，所以只适合系统启动初期校时，或者对可靠性要求不是极端严格的场景。

4. 用单调时钟/Inotify监听文件变化 #

你可以写一个小型C程序，用Linux的inotify接口监听心跳文件的修改事件，或者用CLOCK_MONOTONIC（不受系统时间调整影响的单调时钟）来计算两次修改的间隔，然后把这个程序作为test-binary给watchdog用。这种方式完全和系统时间无关，是最可靠的底层方案，但需要一点编程能力。

内容的提问来源于stack exchange，提问作者Gary Metalle