KunTai R622內(nèi)存故障問題分析

發(fā)布時(shí)間：2025-12-29

一、現(xiàn)網(wǎng)描述

1.1 環(huán)境描述

設(shè)備型號(hào)：KunTai R622

二、故障描述

2.1故障現(xiàn)象

服務(wù)器ibmc 出現(xiàn)告警事件，DIMM060槽位內(nèi)存發(fā)生不可糾正錯(cuò)誤

三、問題分析

3.1排查思路

1.Sel日志中時(shí)間點(diǎn)為2023-11-07 15:05:35 DIMM060上報(bào)UCE記錄

2.Fdm日志中記錄到對(duì)應(yīng)時(shí)間點(diǎn)DIMM060大量UEO(潛伏錯(cuò)誤或可重啟錯(cuò)誤)告警

常見內(nèi)存故障類型分為可糾正錯(cuò)誤（CE）、不可以糾正錯(cuò)誤（UCE）、延遲的錯(cuò)誤（DE）

Corrected error：可糾正錯(cuò)誤（CE），該錯(cuò)誤被檢測(cè)到并且被糾正，不影響系統(tǒng)運(yùn)行，比如內(nèi)存DDR單bit錯(cuò)誤，可以順利獲得ECC糾正。

Deferred error：延遲的錯(cuò)誤（DE），沒有被沉默（silently）傳播，可能是系統(tǒng)潛在的錯(cuò)誤。比如內(nèi)存控制器寫數(shù)據(jù)到內(nèi)存條，發(fā)現(xiàn)要寫的數(shù)據(jù)存在不可糾正錯(cuò)誤，它會(huì)將該錯(cuò)誤數(shù)據(jù)寫到內(nèi)存，并打上poison標(biāo)記，則為deferred錯(cuò)誤。

Uncorrected error：不可糾正錯(cuò)誤（UE），該錯(cuò)誤被檢測(cè)到且未被糾正或延遲，它又可劃分為下面幾個(gè)子類：潛伏錯(cuò)誤或可重啟錯(cuò)誤（UEO）、帶標(biāo)記錯(cuò)誤或可恢復(fù)錯(cuò)誤（UER）、不可恢復(fù)錯(cuò)誤（UEU）、不可抑制錯(cuò)誤（UC）。

3.fdm_output日志中記錄DIMM060內(nèi)存由于頻繁UCE導(dǎo)致的PFAE事件，下一時(shí)間點(diǎn)有多次UCE產(chǎn)生，如下圖：

四、問題解決

4.1解決辦法

DIMM060內(nèi)存硬件產(chǎn)生UEO(潛伏錯(cuò)誤或可重啟錯(cuò)誤)，該內(nèi)存故障告警可順利獲得重啟服務(wù)器恢復(fù)。但DIMM060內(nèi)存PFA錯(cuò)誤計(jì)數(shù)超門限，建議更換內(nèi)存，避免后續(xù)出現(xiàn)設(shè)備異常重啟或停止響應(yīng)的故障風(fēng)險(xiǎn)。