博客
关于我
Linux_修复GRUB引导故障的3种方法!
阅读量:102 次
发布时间:2019-02-26

本文共 1225 字,大约阅读时间需要 4 分钟。

修复GRUB引导故障

1. 故障原因

  • MBR中的GRUB引导程序遭到破坏
  • grub.conf文件丢失或引导配置有误

2. 故障现象

  • 系统引导停滞,显示“grub>”提示符

3. 解决思路

  • 尝试手动输入引导命令
  • 进入急救模式,重写或从备份中恢复grub.conf
  • 向MBR扇区中重建GRUB程序

4.修复GRUB引导故障

GRUB引导程序位于MBR的特定扇区,破坏该扇区会导致系统无法正常引导。以下是修复方法:

方法一:手动输入引导命令(不建议,操作复杂)

  • grub> insmod xfs
  • grub> linux16 /vmlinuz-3.10.0-693.e17.x86_64 root=UUID=8fd74986-ae66-4ffd-b7d8-al9f2eca7b6f ro rhgb quiet LANG=zh_CN.UTF-8
  • grub> initrd16 /initramfs-3.10.0-693.e17.x86_64.img
  • grub> boot

方法二:进入急救模式,恢复GRUB引导程序

步骤1:创建磁盘、格式化、挂载、备份文件

  • 新建磁盘:fdisk -l
  • 创建磁盘:fdisk /dev/sdb
  • 格式化磁盘:mkfs.xfs /dev/sdb1
  • 创建备份目录:mkdir /bak
  • 挂载磁盘:mount /dev/sdb1 /bak
  • 备份MBR扇区:dd if=/dev/sda of=/bak/grub.bak bs=446 count=1
  • 查看备份是否成功:cd /bak && ls

步骤2:模拟破坏MBR中的GRUB引导程序(不破坏分区表)

  • dd if=/dev/zero of=/dev/sda bs=446 count=1
  • init 6

步骤3:引导界面进入急救模式,恢复GRUB引导程序

  • 选择“Trouble shooting”
  • 选择“Rescue a CentOS Linux system”
  • 输入“1”继续
  • 进入sh-4.2#环境
  • 创建备份目录:mkdir /backupdir
  • 挂载备份分区:mount /dev/sdb1 /backupdir
  • 恢复备份数据:dd if=/backupdir/grub.bak of=/dev/sda
  • 退出环境:exit

重启系统后,GRUB引导程序已恢复正常运行:

方法三:重建GRUB菜单配置文件(配置文件丢失或删除)

步骤1:进入急救模式

  • 重启系统,进入引导界面,按下ESC键选择“CD-ROM Drive”
  • 选择“Trouble shooting”->“1”继续
  • 进入sh-4.2#环境

步骤2:切换到系统根环境并重建GRUB引导程序

  • chroot /mnt/sysimage
  • grub2 -install /dev/sda
  • grub2 -mkconfig -o /boot/grub2/grub.cfg

步骤3:退出chroot环境并重启系统

  • exit
  • reboot

转载地址:http://mieu.baihongyu.com/

你可能感兴趣的文章
NumPy 库详细介绍-ChatGPT4o作答
查看>>
NumPy 或 Pandas:将数组类型保持为整数,同时具有 NaN 值
查看>>
numpy 或 scipy 有哪些可能的计算可以返回 NaN?
查看>>
numpy 数组 dtype 在 Windows 10 64 位机器中默认为 int32
查看>>
numpy 数组与矩阵的乘法理解
查看>>
NumPy 数组拼接方法-ChatGPT4o作答
查看>>
numpy 用法
查看>>
Numpy 科学计算库详解
查看>>
Numpy.fft.fft和numpy.fft.fftfreq有什么不同
查看>>
Numpy.ndarray对象不可调用
查看>>
Numpy.VisibleDeproationWarning:从不整齐的嵌套序列创建ndarray
查看>>
Numpy:按多个条件过滤行?
查看>>
Numpy:条件总和
查看>>
numpy、cv2等操作图片基本操作
查看>>
numpy中的argsort的用法
查看>>
NumPy中的精度:比较数字时的问题
查看>>
numpy判断对应位置是否相等,all、any的使用
查看>>
Numpy多项式.Polynomial.fit()给出的系数与多项式.Polyfit()不同
查看>>
Numpy如何使用np.umprod重写range函数中i的python
查看>>
numpy学习笔记3-array切片
查看>>