“北橋錯誤（節點 0）：探針過濾器目錄中存在 ECC 錯誤”

Question

我收到了一封來自用戶的電子郵件，他擔心他的一台伺服器上出現以下錯誤表明存在嚴重問題。問題是，下面的錯誤是全部我必須繼續下去。我通常認為自己是個不錯的 Google 員工，但在這種情況下我只能找到一使用者遇到有關「探針過濾器目錄」的錯誤的其他事件：

[1044 snapshots @ abc]$
Message from syslogd@abc at Sep  8 02:51:51 ...
  kernel:[Hardware Error]: CPU:0 
MC4_STATUS[Over|CE|MiscV|-|AddrV|-|Poison|CECC]: 0xdc0248d0001f010b

Message from syslogd@abc at Sep  8 02:51:51 ...
  kernel:[Hardware Error]:       MC4_ADDR: 0x0000000000010f40

Message from syslogd@abc at Sep  8 02:51:51 ...
  kernel:[Hardware Error]: Northbridge Error (node 0): ECC Error in the 
Probe Filter directory.

Message from syslogd@abc at Sep  8 02:51:51 ...
  kernel:[Hardware Error]: cache level: L3/GEN, tx: GEN, mem-tx: GEN

據我所知，這種情況只發生過一次。在日誌中尋找其他硬體錯誤，除了這一事件之外沒有發現任何其他錯誤。

我上面引用的論壇帖子只是簡單地結束，基本上告訴用戶不要擔心它，如果它只發生一次並且沒有導致任何致命問題。這與我從同事那裡得到的建議相同，他們也提到變數太多（即 9 月 8 日凌晨 2:50 運行的是什麼？）。

然而，該用戶希望確信他們的系統沒有出現問題。上述錯誤顯示什麼或與什麼有關？什麼是“探針過濾器目錄”？我可以運行哪些測試來讓用戶放心，這不會將他們的機器標記為即將到來的厄運？

該電腦的 Linux 發行版是 Red Hat Enterprise Linux Server 版本 6.4 (Santiago)。

Answer 1

我沒有確切的答案，但其中一些是熟悉的。我不知道 Probe Filter 目錄是什麼，但 CptSupermrkt 上面解釋了這一點。

在 PCI 中，北橋連接到記憶體和處理器。 ECC 錯誤與 DRAM 相關。每個字都儲存有糾錯碼位。在讀取時，會檢查它們是否已更新。 ECC 錯誤是可修正或不可修正的，這表示使用寫入的位元來修正錯誤的能力。無法修正並不表示有永久性硬體錯誤。當 DRAM 開始出現故障時，就會發生這些情況。

考慮到所有這些，這看起來像是一個暫時性錯誤。您可以嘗試進行完整的記憶體測試，但這不太可能找到任何結果。如果 DRAM 故障，您唯一的糾正措施就是更換它。