在玩软路由或 “All-in-One” 架构的 Homelab 圈子里，这是一个非常经典但又极度让人抓狂的「硬件级死锁」现象。
表现为：虚拟机（通常是 PVE 或 ESXi）正常运行，一旦你点击 OpenWrt 的「重启」或在后台执行 reboot（热重启/软重启），伴随着物理主机“咔哒”一声或者风扇瞬间停转，整机彻底断电。此时，按机箱上的电源键毫无反应，必须拔掉 220V 电源线，静置 10-30 秒让主板电容放电后，重新插电才能开机。
这绝不是简单的系统崩溃，而是硬件触发了主板 EC（嵌入式控制器）或电源的保护性锁定（Latch-up）。以下是其底层的致命原因以及一步步排查解决的方案。
一、 为什么会“整机断电”且“必须拔插电源”？
这涉及 PCIe 设备的复位机制（Reset Mechanism）与主板的电源管理架构（ACPI/EC）。
1. 核心祸首：PCIe FLR（Function Level Reset）失败
当虚拟机热重启时，宿主机（Hypervisor，如 PVE）必须对直通给该虚拟机的物理硬件（核显、网卡）进行复位，以便它们恢复到初始化状态，供下一次开机使用。
复位标准通常是 FLR（功能级复位）。然而：
- 部分 Intel 2.5G 网卡（如 i225-V/i226-V） 以及 Intel 核心显卡（UHD 600/630/Alder Lake / Elkhart Lake 等） 的 PCIe 控制器对 FLR 的支持存在硬件级缺陷。
- 当 OpenWrt 重启，发出复位指令时，这些硬件无法正常响应复位，导致 PCIe 总线死锁（Bus Lockup）。
2. 触发 CPU 灾难性错误（CATERR）
PCIe 总线死锁后，CPU 无法完成对该硬件的读写事务，硬件事务超时。这会直接触发 CPU 的 CATERR（Catastrophic Error，灾难性错误） 或 IERR（Internal Error）。
CPU 处于保护机制，会瞬间向主板主控芯片发送紧急停机信号。
3. 主板 EC 挂起与电源锁定
当 CATERR 触发后，主板的 EC（Embedded Controller） 判定系统出现严重硬件故障，会立刻切断 ATX 电源的主供电（12V、5V、3.3V），系统瞬间断电。
但是，此时 5VSB（5V 待机电源） 依然在供电。由于 EC 芯片或主板南桥本身也因为刚才的 PCIe 事务死锁卡死在了异常状态（未完成复位循环），它不会响应面板电源键的开机信号。
只有拔掉物理电源线，彻底切断 5VSB，让主板芯片组和 EC 完全失去供电、寄存器数据清零（复位），重新插电后，主板才能重新初始化并允许开机。
二、 黄金排查法：谁是害群之马？
通常情况下，网卡和核显同时直通时，核显是罪魁祸首的概率高达 80%，部分走 PCIe 协议的廉价网卡占 20%。我们需要做二分法排查：
- 测试一： 在 OpenWrt 虚拟机中，移除核显直通，仅保留物理网卡直通。执行
reboot热重启，观察是否还会断电。 - 测试二： 如果测试一正常，恢复核显，移除网卡直通（临时改用虚拟网卡 VirtIO）。执行
reboot热重启。
通过这两步，你能100%锁定到底是核显不支持重置，还是网卡的 PCIe Reset Bug 导致的。
三、 终极解决方案
根据排查结果，对症下药：
方案 A：解决核显直通引起的死锁（最常见）
1. 拷问自己：OpenWrt 真的需要直通物理核显吗？
在绝大多数 All-in-One 架构中，OpenWrt 只是个路由系统，完全不需要任何图形算力。
- 如果你直通核显是为了给 NAS（黑群晖、Unraid、TrueNAS）或 Jellyfin/Plex 媒体服务器做硬件解码，那么你应该把核显直通给那个专门的 NAS/Debian 虚拟机，而不是 OpenWrt。
- 不要盲目把所有物理硬件一股脑塞给 OpenWrt。
2. 无法避开核显直通时（例如：单系统单用，或给特定 Docker 使用）
如果必须给它，需要在宿主机（以 PVE 为例）中屏蔽核显的硬件重置机制，或强制使用特定的重置模式：
- 更改虚拟机配置文件（
/etc/pve/qemu-server/<VMID>.conf）。 - 找到直通核显的那一行（例如
hostpci0: 00:02.0,pcie=1...），在末尾尝试添加x-vga=on，或者尝试通过uuid等参数将其隔离。 - 对于 Intel 11/12/13 代等核显，可以使用 SR-IOV（虚拟化出多个 vGPU） 替代物理直通（PCIe Passthrough）。SR-IOV 允许宿主机和多个虚拟机共享核显，由宿主机驱动控制，可以完美规避虚拟机重启时物理 PCIe 级重置带来的断电死锁。
方案 B：解决物理网卡直通引起的死锁
如果你使用的是 Intel i225/i226 系列 2.5G 网卡，或者某些 Realtek 网卡，热重启断电通常是因为它们和主板主控的 PCIe 链路状态不兼容。
1. 开启主板 PCIe ACS 强制拆分
有些主板把网卡和主板上的其他关键设备（甚至是 CPU 供电控制、南桥通信）划分在同一个 IOMMU Group 里。直通并复位网卡时，导致整个 Group 内的系统设备跟着一起复位，引发崩盘。
在宿主机（PVE）中，编辑 /etc/default/grub：
# 找到 GRUB_CMDLINE_LINUX_DEFAULT，在末尾添加 pcie_acs_override=downstream,multifunction
GRUB_CMDLINE_LINUX_DEFAULT="quiet intel_iommu=on iommu=pt pcie_acs_override=downstream,multifunction"
保存后执行 update-grub 并重启宿主机。这会强制把每个 PCIe 设备剥离到独立的 IOMMU 组中，防止复位信号波及无辜硬件。
2. 在 BIOS 中关闭 PCIe ASPM（活动状态电源管理）
ASPM 允许 PCIe 设备在空闲时进入低功耗状态（L1/L2）。当虚拟机热重启时，低功耗状态下的网卡在接收到复位信号时极易发生状态机混乱，进而锁死 PCIe 链路。
- 进 BIOS，找到 PEG ASM / ASPM、PCI Express Link Speed 等设置。
- 将 ASPM 设为 Disabled（禁用）。
- 将对应的 PCIe 插槽协议从 Auto 或 Gen4 降级锁定为 Gen3 或 Gen2（如果是网卡，Gen3 的带宽已经严重过剩，降低协议代际能极大增加信号冗余度与稳定性）。
3. 开启 BIOS 中的 Above 4G Decoding 与 SR-IOV 支持
确保 BIOS 里的 Above 4G Decoding（大于 4G 解码）和 Intel VT-d 是开启状态。这样可以给 PCIe 设备分配更宽裕的 MMIO（内存映射I/O）空间，防止在设备重置时发生地址空间重叠冲突。
方案 C：使用底层脚本拦截死锁（针对 PVE 用户的偏门绝招）
如果你用的是 PVE，且由于物理硬件天生缺陷无法解决 Reset 导致的卡死，可以安装 vendor-reset 补丁。
这是一个 Linux 内核模块，专门用来接管和修复那些在直通和复位时会挂起整机的硬件（最初为了解决 AMD GPU 的 reset bug，现在也支持部分其他设备）。
- 在 PVE 宿主机安装编译依赖。
- 克隆
https://github.com/gnif/vendor-reset并编译安装。 - 在 PVE 启动时，利用
cron或udev规则，将直通网卡/核显的重置模式绑定到vendor-reset。
总结与避坑建议
面对这种「断电拔插头」的绝症，最稳妥的排查路径是：
- 停止核显直通给 OpenWrt。OpenWrt 只需要网络包转发，给它核显完全是得不偿失。
- 保持网卡直通，在 BIOS 中关闭 ASPM 并将 PCIe 槽强制指定为 Gen3/Gen2。
- 在宿主机中开启
pcie_acs_override，彻底隔绝设备间的相互干扰。
