Guida alla risoluzione dei problemi di utilizzo degli errori di parità

Introduzione

In questo documento vengono descritti gli errori di parità soft e hard, vengono illustrati i messaggi di errore più comuni e vengono consigliati i metodi che consentono di evitare o ridurre al minimo gli errori di parità.

Premesse

I recenti miglioramenti nella progettazione hardware e software riducono anche i problemi di parità.

Che cos'è un errore di parità del processore o della memoria?

Il controllo di parità è la memorizzazione di una cifra binaria (bit) aggiuntiva per rappresentare la parità (pari o dispari) di una piccola quantità di dati del computer (in genere un byte) mentre tali dati sono memorizzati in memoria. Il valore di parità calcolato dai dati memorizzati viene quindi confrontato con il valore di parità finale. Se questi due valori differiscono, si verifica un errore nei dati e almeno un bit deve essere stato modificato a causa di un danneggiamento dei dati.

In un sistema informatico, le interferenze elettriche o magnetiche causate da cause interne o esterne possono causare il capovolgimento spontaneo di un singolo bit di memoria allo stato opposto. Questo evento rende i bit di dati originali non validi ed è noto come errore di parità.

Tali errori di memoria, se non rilevati, possono avere risultati non rilevabili e senza conseguenze, o possono causare il danneggiamento permanente dei dati archiviati o un arresto anomalo del sistema.

Le cause degli errori di parità della memoria sono numerose e sono classificate come errori di parità soft o errori di parità hard.

Errori software

La maggior parte degli errori di parità è causata da condizioni ambientali elettrostatiche o magnetiche.

La maggior parte degli errori di evento singolo nei chip di memoria sono causati da radiazioni di fondo (come neutroni da raggi cosmici), interferenze elettromagnetiche (EMI) o scariche elettrostatiche (ESD). Questi eventi possono cambiare in modo casuale lo stato elettrico di una o più celle di memoria o possono interferire con i circuiti utilizzati per leggere e scrivere celle di memoria.

Noti come errori di parità soft, questi eventi sono in genere transitori o casuali e in genere si verificano una sola volta. Gli errori soft possono essere lievi o gravi:

• Gli errori software secondari che possono essere corretti senza reimpostare il componente sono disturbi di singoli eventi (SEU).
• Gli errori software gravi che richiedono il ripristino di un componente o del sistema sono blocchi di eventi singoli (SEL).

Gli errori software non sono causati da un malfunzionamento dell'hardware; sono transitorie e poco frequenti, sono quasi sempre una SEU e sono causate da un'interruzione ambientale dei dati della memoria.

Se si verificano errori di parità soft, analizzare le modifiche ambientali recenti che si sono verificate nella posizione del sistema interessato. Le origini più comuni di ESD ed EMI che possono causare errori di parità soft includono:

• Cavi e alimentatori
• Unità di distribuzione dell'alimentazione
• Alimentatori universali
• Sistemi di illuminazione
• Generatori di corrente
• Impianti nucleari (radiazioni)
• Torce solari (radiazioni)

Errori hardware

Altri errori di parità sono causati da un malfunzionamento fisico dell'hardware di memoria o dai circuiti utilizzati per leggere e scrivere le celle di memoria.

I produttori di hardware adottano misure estese per prevenire e testare i difetti hardware. Tuttavia, i difetti sono ancora possibili. Ad esempio, se una delle celle di memoria utilizzate per memorizzare i bit di dati ha un formato non corretto, potrebbe non essere in grado di sostenere una carica o essere più vulnerabile alle condizioni ambientali.

Analogamente, mentre la memoria stessa può funzionare normalmente, qualsiasi danno fisico o elettrico al circuito utilizzato per leggere e scrivere le celle di memoria può anche causare la modifica dei bit di dati durante il trasferimento, il che produce un errore di parità.

Noti come errori di parità rigida, questi eventi sono in genere molto frequenti e si ripetono e si verificano ogni volta che viene utilizzata la memoria o il circuito interessato. La frequenza esatta dipende dall'entità del malfunzionamento e dalla frequenza di utilizzo dell'apparecchiatura danneggiata.

Tenere presente che gli errori di parità hardware sono il risultato di un malfunzionamento hardware e si verificano nuovamente ogni volta che viene utilizzato il componente interessato.

Se si verificano errori di parità hardware, analizzare le modifiche fisiche che si sono verificate nella posizione del sistema interessato. Le origini comuni di malfunzionamento hardware che possono causare errori di parità hardware includono:

• Sovratensioni (senza terra)
• ESD
• Surriscaldamento o raffreddamento
• Installazione non corretta o parziale
• Incompatibilità dei componenti
• Difetto di produzione

Messaggi di errore comuni

Il software Cisco IOS^® fornisce una varietà di messaggi di errore di parità, che variano a seconda del componente interessato e del relativo impatto sul sistema.

Processore

RAM

ASIC

Per un elenco completo dei messaggi di errore, fare riferimento ai seguenti documenti del software Cisco IOS:

• Guida ai messaggi di sistema di Cisco IOS release 12.2SX
• Guida ai messaggi di sistema di Cisco IOS release 15.x SY

Lo strumento Output Interpreter (solo utenti registrati) supporta alcuni comandi show. Usare lo strumento Output Interpreter per visualizzare un'analisi dell'output del comando show.

Ultimi miglioramenti

La ricerca nel campo degli errori di parità è in corso e non è possibile risolvere tutti gli scenari, ma le organizzazioni di sviluppo hardware e software Cisco Catalyst 6500 continuano a introdurre nuovi metodi, ad esempio la protezione ECC (Error-Correcting Code), per ridurre al minimo e mitigare il verificarsi di errori di parità.

Benché questo documento abbia avuto inizio con la discussione sulla terza generazione (WS-XSUP720 e prime serie 6700) di prodotti Catalyst 6500, questa sezione riassume i miglioramenti introdotti con la quarta generazione (VS-S720-10G e successive serie 6700) e la quinta generazione (VS-SUP2T-10G e serie 6900).

Processore

Il modulo VS-S720-10G è dotato di una nuova scheda secondaria MSFC3, con una nuova IBC e una versione aggiornata della SR7010A con CPU RISC (Reduced Instruction Set Computing) RP e SP che funzionano a 600 Mhz ciascuna. Le cache di livello 1 (L1), L2 e di livello 3 (L3) sono in grado di rilevare la parità. La nuova versione dell'IBC offre tutte le funzionalità della generazione precedente e aggiunge la protezione ECC (correzione di un singolo bit, rilevamento di più bit) alle SRAM collegate.

I moduli serie 6700 supportano una CPU con cache L2 protetta da ECC (la cache L1 è in grado di rilevare la parità), che può correggere gli errori di parità a bit singolo senza la necessità di reimpostare. Tuttavia, a causa dell'ID bug Cisco CSCsz39222, la versione 12.2SXI del software Cisco IOS (Supervisor Engine 720) reimposta il modulo comunque se si verifica un errore di parità della cache della CPU a bit singolo. La causa è nelle versioni 12.2SXJ (Supervisor Engine 720) e 15.0SY (Supervisor Engine 2T) del software Cisco IOS.

VS-SUP2T-10G è dotato di una nuova scheda secondaria MSFC5 con IBC integrato e una nuova CPU RP MPC8572 dual-core (con cache L2 e L3 protetta da ECC, la cache L1 è in grado di rilevare la parità) che funziona a 1,5 Ghz per core. Dispone inoltre di una nuova CPU CMP (Connectivity Management Processor) fuori banda separata e di una DRAM protetta da ECC, che è disponibile anche se la CPU RP non è attualmente disponibile.

La nuova IBC offre tutte le funzionalità delle generazioni precedenti e supporta la protezione ECC per le SRAM collegate e miglioramenti nella gestione degli errori di parità. Il nuovo MSFC5 è inoltre dotato di una ROM OBFL (Onboard Failure Logging), che memorizza tutti gli eventi di inizializzazione e diagnostica dei moduli. Il nuovo progetto di CPU singola riduce inoltre la probabilità statistica di eventi di errore di parità.

I moduli serie 6900 supportano una CPU più recente con cache L1 e L2 protetta da ECC, che può correggere gli errori di parità a bit singolo senza la necessità di reimpostare. La nuova generazione supporta lo stesso IBC ed è stato incorporato il software per la gestione della correzione dell'errore di parità a bit singolo.

RAM

VS-S720-10G con MSFC3 è dotato di SDRAM DDR (Double-Data-Rate) con protezione ECC e funziona a 266 Mhz.

I moduli serie 6700 supportano SDRAM DDR con protezione ECC, con funzionamento a 266 Mhz.

Rispetto alla SDRAM a velocità di dati singola (SDR), l'interfaccia SDRAM DDR consente velocità di trasferimento più elevate grazie a un controllo più rigoroso della temporizzazione dei dati elettrici e dei segnali dell'orologio. L'interfaccia DDR utilizza il doppio pompaggio (trasferimento di dati sui bordi ascendente e discendente del segnale di clock) per ridurre la frequenza di clock. La frequenza di clock più bassa riduce i requisiti di integrità del segnale sulla scheda di circuito che collega la memoria al controller.

VS-SUP2T-10G con MSFC5 è dotato di SDRAM DDR3 con protezione ECC e funziona a 667 Mhz.

I moduli della serie 6900 supportano la memoria SDRAM DDR3 con protezione ECC, con un funzionamento a 667 Mhz.

Il vantaggio principale della SDRAM DDR3 rispetto ai suoi predecessori immediati (DDR2 e DDR) è la possibilità di trasferire i dati a una velocità doppia (otto volte superiore rispetto agli array di memoria interni), che consente una larghezza di banda superiore o velocità di picco dei dati. La memoria DDR3 riduce inoltre il consumo energetico del 30%, anche se utilizza lo stesso standard di segnalazione elettrica di DDR e DDR2.

ASIC

VS-S720-10G con PFC3C dispone di buffer di pacchetti SRAM con protezione ECC. In questo modo è possibile correggere gli errori di parità a bit singolo senza reimpostare il modulo e rilevare gli errori di parità a bit multiplo.

La serie 6700 con DFC3C include buffer di pacchetti SRAM con protezione ECC. In questo modo è possibile correggere gli errori di parità a bit singolo senza reimpostare il modulo e rilevare gli errori di parità a bit multiplo.

VS-SUP2T-10G con PFC4 dispone di buffer di pacchetti SRAM con protezione ECC. In questo modo è possibile correggere gli errori di parità a bit singolo senza reimpostare il modulo e rilevare gli errori di parità a bit multiplo.

La serie 6900 con DFC4 include buffer di pacchetti SRAM con protezione ECC. In questo modo è possibile correggere gli errori di parità a bit singolo senza reimpostare il modulo e rilevare gli errori di parità a bit multiplo.

Software

Il software Cisco IOS è progettato per supportare la protezione ECC. Se un componente hardware che supporta la protezione ECC presenta una SEU, il codice può correggere i dati danneggiati o reimpostare il componente interessato e non richiedere un ripristino completo dell'hardware del modulo interessato. 

Tuttavia, nelle versioni precedenti del software Cisco IOS, sono presenti alcune eccezioni in cui il comportamento è stato modificato intenzionalmente o non funziona correttamente a causa di un bug del software. Ecco due notevoli eccezioni.

Reset IBC MSFC

Nelle versioni del software Cisco IOS tra la 12.1(8)E e la 12.2(33)SXI3, per impostazione predefinita, in risposta agli eventi SEU SYSTEM_CONTROLLER-3-ERROR, è stato necessario reimpostare l'IBC e registrare un messaggio di errore. Tuttavia, a seguito di questa azione correttiva, in alcuni casi documentati l'IBC (e quindi la CPU) non è più in grado di trasmettere o ricevere dati.

Pertanto, il comportamento è stato modificato dopo la versione 12.2(33)SXI4 (ID bug Cisco CSCtf51541) in modo da registrare un messaggio di errore e ripristinare il sistema. Anche se questa reazione può sembrare più grave, è preferibile reimpostare il sistema e correggere la struttura della memoria piuttosto che avere un sistema che non risponde.

Una funzionalità attualmente in fase di sviluppo (ID bug Cisco CSCtr89859) aggiunge un nuovo comando dell'interfaccia della riga di comando (CLI) che consente di modificare il comportamento predefinito. Questo miglioramento è applicabile soprattutto ai sistemi che utilizzano un singolo supervisore e che quindi non hanno ridondanza di supervisore.

Reimpostazione "Errore parità bit singolo" serie 6700

Nelle versioni software Cisco IOS precedenti alla 12.2(33)SXI5, un bug del software (ID bug Cisco CSCtj06411) causerebbe anche errori di parità a bit singolo per ripristinare il modulo 6700. In genere si tratta di un errore di parità correggibile e non richiede la reimpostazione del modulo.

Il bug è stato risolto nelle versioni 12.2(33)SXI6+ e 12.2SXJ per Supervisor Engine 720 e nella versione 15.0SY per Supervisor Engine 2T. Dopo un aggiornamento alla versione appropriata, il modulo 6700 si limita a registrare un messaggio di errore e continua a funzionare.

Consigli

A questo punto, probabilmente avete determinato se avete riscontrato un errore di parità soft o hard. Anche se questo può risolvere un singolo problema, possono comunque esistere altre vulnerabilità di errore di parità, in modo da poter adottare un approccio più completo all'intera rete.

Pertanto, Cisco e la Business Unit Catalyst 6500 consigliano di esaminare queste procedure di mitigazione e di intraprendere le azioni correttive appropriate per eliminare o ridurre futuri errori di parità.

Errori software (SEU)

Gli errori di parità di evento singolo (soft) sono causati da condizioni ambientali e possono verificarsi una sola volta (SEU) o molto raramente, ad esempio mensilmente o annualmente. Sebbene non sia necessario sostituire l'hardware, è possibile ridurre il numero di ricorrenze future.

Queste procedure ottimali riducono in modo significativo la probabilità di errori di parità soft.

Audit ambientale

Cisco consiglia di eseguire un controllo ambientale dei percorsi di rete interessati. È possibile eseguire questa verifica personalmente o in coordinamento con un rappresentante Cisco, con un team Cisco (ad esempio Cisco Advanced Services) o tramite un consulente di terze parti.

La copertura esatta e la complessità di un audit ambientale dipendono da molte variabili diverse, quali la posizione geografica, le dimensioni e la progettazione degli edifici e delle stanze, la progettazione e la disposizione degli impianti elettrici e altri fattori correlati.

Considerate quali fonti ambientali di ESD ed EMI possono esistere all'interno o intorno alla rete. Queste sono origini di interferenza comuni che possono causare un errore di parità soft:

• Cavi e alimentatori
• Unità di distribuzione dell'alimentazione
• Alimentatori universali
• Sistemi di illuminazione
• Generatori di corrente
• Impianti nucleari (radiazioni)
• Torce solari (radiazioni)

Posizionamento dello chassis

È possibile che si verifichino SEU se le unità di distribuzione dell'alimentazione, i generatori di alimentazione o i sistemi di illuminazione sono troppo vicini allo chassis o se sono presenti più cavi di alimentazione accesi o accanto allo chassis.

È importante fornire una distanza adeguata tra lo chassis Catalyst 6500 e queste sorgenti elettriche e magnetiche. Le distanze consigliate variano in base al componente e sono disponibili nei fogli dati dei componenti.

In generale, Cisco consiglia di individuare sistemi con un'altezza compresa tra i tre e i sei pollici dalle sorgenti comuni di interferenze elettriche e magnetiche. I cavi di alimentazione possono essere stesi verso il basso e allontanati dallo chassis, dove possibile, e non possono essere disposti in fasci di cavi strettamente compressi o in grandi quantità attraverso o accanto allo chassis.

Messa a terra

Le fluttuazioni dell'alimentazione e i picchi di corrente sono relativamente comuni e gli alimentatori Catalyst 6500 sono progettati per adattarsi a variazioni minime di corrente di tensione.

Tuttavia, è fondamentale fornire una messa a terra elettrica adeguata per il telaio e il rack in modo che qualsiasi tensione elettrica in eccesso venga rimossa dal sistema. Senza una messa a terra adeguata, i picchi di corrente possono causare danni o malfunzionamenti in vari ASIC e componenti della memoria. Per ulteriori informazioni, consultare la guida all'installazione degli switch Catalyst serie 6500, Installazione dello switch, Configurazione della messa a terra del sistema.

ESD

Le ESD possono danneggiare facilmente i componenti critici senza compromettere la visibilità. Misure preventive adeguate possono essere integrate nelle politiche delle operazioni di laboratorio, ma tali misure sono spesso e purtroppo ignorate a causa dell'opportunità e della scarsa sorveglianza.

Cisco consiglia che la gestione delle operazioni di laboratorio, insieme a Cisco Systems, esegua un audit ambientale di tutte le aree della rete o, almeno, di tutte le aree che hanno presentato errori hardware o che sono state designate come mission critical. Una volta completato il controllo, Cisco consiglia di implementare una lista di controllo ambientale standardizzata per tutti i nuovi sistemi installati, al fine di evitare futuri eventi di parità SEU.

Firmware più recente (Rommon)

I componenti hardware Catalyst utilizzano il codice firmware (noto anche come Rommon) per inizializzare, comunicare ed eseguire la diagnostica. Una volta completate queste funzioni, il funzionamento del sistema viene trasferito al software Cisco IOS. È raro riscontrare problemi relativi al firmware, ma possono verificarsi se si utilizzano versioni diverse del codice del firmware per i Supervisor e i moduli.

Pertanto, è buona norma garantire che tutti i componenti utilizzino il codice del firmware più recente per garantire l'inizializzazione e la comunicazione corrette del modulo. Cisco consiglia alla direzione delle operazioni di eseguire un controllo della rete e aggiornare tutti i componenti hardware con la versione più recente del firmware.

I problemi noti del firmware e le procedure di aggiornamento sono documentati in:

• Note sulla versione per Supervisor Engine 720 Switch Processor ROMMON
• Note sulla release per il modulo di switching serie 6700 ROMMON

Scaricare le versioni più recenti del firmware dal sito Web Cisco:

• Cisco Catalyst serie 6500 Supervisor Engine 720 / MSFC3 - 8.5(4) Rommon
• Cisco Catalyst serie 6500 Virtual Switching Supervisor Engine 720 con uplink 10GE - 12.2(18r)S1 Rommon

Viti a testa

Tutti i sistemi di rete modulari sono progettati per l'inserimento in un backplane dello chassis con una serie di pin di interfaccia fisica. Il backplane dello chassis è essenzialmente costituito da una serie di fili interconnessi. I pin in ciascuno slot dello chassis formano la connessione dati fisica tra il Supervisor e i moduli Ethernet. Pertanto, è fondamentale inserire e allineare correttamente questi perni.

Catalyst 6500 fornisce guide e pin di allineamento per l'installazione nello chassis. I pin (socket) e i connettori dei moduli sono progettati per inserirsi facilmente e fornire una connettività elettrica ad ampia larghezza di banda. Una volta inserita nello chassis, ci sono viti di fissaggio su entrambi i lati del modulo che agganciano completamente i pin del backplane. Fare riferimento alla nota sull'installazione del modulo dello switch Catalyst serie 6500.

Se un modulo è stato inserito correttamente nello slot e le viti del pollice sono state serrate correttamente, non si prevedono problemi di comunicazione. Tuttavia, nell'inserimento quotidiano dei moduli possono verificarsi diverse condizioni che possono causare un inserimento errato o anche incompleto del pin:

• Forza di inserimento insufficiente - Se il modulo è inserito parzialmente senza l'uso delle viti di fissaggio, il bus potrebbe bloccarsi e il modulo potrebbe non essere in grado di comunicare con altri moduli. A seconda del livello di inserimento (ad esempio, se il contatto fisico è limitato), il modulo può essere in grado di trasmettere e ricevere dati, ma può sperimentare errori di bit che danno luogo a pacchetti danneggiati.
• Disallineamento verticale - Si verifica quando un solo lato del modulo è sulle guide di guida. Questo è facilmente identificabile perché il modulo appare diagonale e in genere non si collega con i pin del backplane.
• Disallineamento orizzontale - Se si utilizzano viti a testa su un solo lato, alcuni pin non si inseriscono correttamente. Si tratta di un problema comune, in quanto il modulo può sembrare inserito correttamente. Il disallineamento orizzontale è in realtà una forma di forza di inserimento insufficiente.

Cisco consiglia di implementare un processo di gestione delle operazioni che richieda l'uso di viti di fissaggio su tutti i moduli Catalyst 6500 negli ambienti di produzione. Ciò garantisce l'inserimento e l'allineamento corretti e completi dei pin del backplane e previene futuri errori dovuti a errori di bit e correlati errori di comunicazione.

Errori hardware (guasto)

Errori di parità frequenti o ripetibili (rigidi) sono causati da malfunzionamento fisico della memoria o dei circuiti utilizzati per leggere e scrivere. In questi casi, sostituire l'hardware e chiedere al Cisco Technical Assistance Center (TAC) o al tecnico di sistema Cisco di eseguire un'autenticazione EFA sull'hardware restituito.

Queste procedure ottimali riducono in modo significativo la probabilità di errori di parità hardware.

Controllo hardware (MTBF e EOL)

Cisco consiglia di eseguire un controllo della rete dei percorsi di rete interessati. È possibile eseguire questa verifica personalmente o in coordinamento con un rappresentante Cisco, con un team Cisco (ad esempio Cisco Advanced Services) o tramite un consulente di terze parti.

Tutto l'hardware (di tutti i fornitori) è soggetto a un eventuale peggioramento dell'integrità fisica ed è importante tenere traccia del ciclo di vita di tutti i componenti hardware della rete per comprendere appieno la probabilità di guasto dei componenti nel tempo.

L'affidabilità dell'hardware può essere misurata con il framework MTBF (Mean Time Between Failure). Poiché l'MTBF è solo una media statistica, ciò non significa che un guasto possa verificarsi definitivamente alla fine del periodo di tempo MTBF. Tuttavia, la probabilità e la vulnerabilità di guasti ai componenti aumenta, pertanto tali componenti hardware possono essere contrassegnati per l'aggiornamento. Per i valori MTBF specifici di ciascun prodotto Catalyst 6500, consultare i data sheet degli switch Cisco Catalyst serie 6500.

Il valore MTBF calcolato aggregato a livello di sistema per Catalyst 6500 è > 7 anni.

Oltre al framework MTBF, Cisco fornisce anche un framework di fine ciclo di vita (EOL), che definisce il ciclo di vita previsto di un dato prodotto e fornisce annunci applicabili per aiutare l'utente ad aggiornare le apparecchiature legacy. Fare riferimento agli avvisi di fine del ciclo di vita e di vendita per diversi prodotti Catalyst 6500 legacy.

In seguito a questa verifica dell'hardware, Cisco consiglia di implementare un processo MTBF e di fine ciclo di vita personalizzato che identifichi e tenga traccia dell'hardware per un potenziale aggiornamento. In questo modo viene garantita l'esecuzione dell'hardware più recente e viene ridotta al minimo la probabilità di malfunzionamento dell'hardware.

Diagnostica hardware

Catalyst serie 6500 e il software Cisco IOS offrono la diagnostica Generic Online Diagnostics (GOLD) e la diagnostica Health Monitoring (HM) per tutti i componenti hardware utilizzati nel sistema. I due tipi di diagnostica di base che possono essere attivati sono on-demand e boot-up. per ulteriori informazioni, fare riferimento a Generic Online Diagnostics sullo switch Cisco Catalyst serie 6500.

Cisco consiglia di abilitare la diagnostica di avvio completa per tutti i componenti hardware in modo da assicurare che tutti i test di diagnostica vengano eseguiti e da verificare che tutti i componenti hardware funzionino come previsto all'avvio.

Cisco consiglia inoltre di pianificare la diagnostica regolare e su richiesta dei componenti critici dell'infrastruttura su base giornaliera o settimanale. Oltre alla diagnostica di avvio che si verifica solo durante l'inizializzazione, la diagnostica su richiesta garantisce che l'hardware continui a funzionare come previsto. Per ulteriori informazioni, consultare la guida alla configurazione del software Catalyst 6500 release 12.2SX, componenti hardware e interfaccia, diagnostica online.

Oltre ai test diagnostici predefiniti su richiesta, Cisco consiglia di abilitare questi test diagnostici su richiesta per identificare in modo proattivo i componenti della memoria che possono malfunzionare:

• TestMemoriaSchedaLinea
• MemoriaBaseTest

Informazioni correlate

• Cisco Community - %C4K_RKNOVA-2-EDACSOFTERROR
• Documentazione e supporto tecnico – Cisco Systems