☰

內核訊息 + 如何根據核心訊息知道是否需要更換 DIMM

tag-icon • tag-icon redhat memory kernel dmesg
內核訊息 + 如何根據核心訊息知道是否需要更換 DIMM

我們有 RHEL 7.6 伺服器，我們注意到以下核心訊息。

[1065085.048872] EDAC sbridge MC0: PROCESSOR 0:406f1 TIME 1676989040 SOCKET 0 APIC 0
[1065086.052107] EDAC MC1: 0 CE memory read error on CPU_SrcID#1_Ha#0_Chan#0_DIMM#0 (channel:0 slot:0 page:0x2ae958e offset:0xa00 grain:32 syndrome:0x0 -  area:DRAM err_code:0000:009f socket:1 ha:0 channel_mask:1 rank:0)
[1065166.234239] mce: [Hardware Error]: Machine check events logged

另外，我們查看了 iDRAC，這就是我們所看到的

在此輸入影像描述

從連結 -https://www.dell.com/support/kbdoc/en-il/000055500/vxrack-idrac-logs-the-following-event-mem0702- Correctable-memory-error-rate-exceeded-for-dimm-bank-投幣口

我們有以下資訊

原因 記憶體可能無法運作。

記憶體錯誤可以透過多種方式在您的系統上顯示，並且可能會因係統的使用期限或（系統代次）而異。根據您的系統韌體級別，也可能會略有不同。錯誤訊息可能會出現在開機自我檢測上的 BIOS 訊息、iDRAC 日誌、OpenManage System Administrator (OMSA) 日誌、系統 LCD 顯示器或作業系統中的一項或多項中。

但我不確定我的實體機上的 DIMM 是否需要更換？

其他連結

https://www.dell.com/support/kbdoc/en-il/000177028/edac-errors-in-messages-log-in-redhat-enterprise-linux-rhel-and-poweredge

從我們看到的其他 RHEL 案例中 -https://access.redhat.com/solutions/6961932

解決方法 錯誤代碼 err_code:0101:0091 來自硬體。

作業系統僅檢測並在訊息日誌中報告它們。

目前，錯誤訊息是從 SuperMicro 和 HP 硬體報告的。

建議聯絡硬體供應商以取得更多資訊。

所以我很困惑。 ，並且不清楚是否需要更換 DIMM 卡。

這是我們從 dmesg 看到的附加內核訊息輸出

[34226.902474] EDAC sbridge MC0: HANDLING MCE MEMORY ERROR
[34226.902477] EDAC sbridge MC0: CPU 0: Machine Check Event: 0 Bank 1: 940000000000009f
[34226.902479] EDAC sbridge MC0: TSC 41a0d0c2a8a2 
[34226.902482] EDAC sbridge MC0: ADDR 3a2b80a00 
[34226.902484] EDAC sbridge MC0: MISC 0 
[34226.902486] EDAC sbridge MC0: PROCESSOR 0:406f1 TIME 1675958197 SOCKET 0 APIC 0
[34227.566735] EDAC MC0: 0 CE memory read error on CPU_SrcID#0_Ha#0_Chan#1_DIMM#1 (channel:1 slot:1 page:0x3a2b80 offset:0xa00 grain:32 syndrome:0x0 -  area:DRAM err_code:0000:009f socket:0 ha:0 channel_mask:2 rank:4)
[34239.759292] {16}[Hardware Error]: Hardware error from APEI Generic Hardware Error Source: 4
[34239.759297] {16}[Hardware Error]: It has been corrected by h/w and requires no further action
[34239.759299] {16}[Hardware Error]: event severity: corrected
[34239.759301] {16}[Hardware Error]:  Error 0, type: corrected
[34239.759303] {16}[Hardware Error]:  fru_text: A6
[34239.759305] {16}[Hardware Error]:   section_type: memory error
[34239.759307] {16}[Hardware Error]:   error_status: 0x0000000000000400
[34239.759308] {16}[Hardware Error]:   physical_address: 0x00000009df0e0440
[34239.759319] {16}[Hardware Error]:   node: 0 card: 1 module: 1 rank: 0 bank: 3 row: 39911 column: 16 
[34239.759321] {16}[Hardware Error]:   error_type: 2, single-bit ECC
[34239.759331] mce: [Hardware Error]: Machine check events logged
[34239.759351] EDAC sbridge MC0: HANDLING MCE MEMORY ERROR
[34239.759355] EDAC sbridge MC0: CPU 0: Machine Check Event: 0 Bank 1: 940000000000009f
[34239.759357] EDAC sbridge MC0: TSC 41a71a0719df 
[34239.759359] EDAC sbridge MC0: ADDR 9df0e0440 
[34239.759362] EDAC sbridge MC0: MISC 0 
[34239.759364] EDAC sbridge MC0: PROCESSOR 0:406f1 TIME 1675958210 SOCKET 0 APIC 0

答案1

根據 Sun 的相當舊的文檔（針對不同的硬件，但對我來說聽起來合理），如果您每天看到此錯誤兩次以上（對於一個 DIMM），則需要更換它。否則，您將面臨 ECC 無法成功糾正錯誤的風險，並且您的資料將被損壞。

相關內容