UCS服务器上的内存错误故障排除

简介

本文档介绍处理UCS服务器内存错误的故障排除步骤。

先决条件

要求

Cisco建议您了解这些主题。

• 对UCS的基本了解。
• 基本了解内存体系结构。

使用的组件

本文档中的信息基于以下软件和硬件版本：

• UCS系列服务器M5、M6、M7及更高版本。
• UCS 管理器
• 思科集成管理控制器(CIMC)
• Cisco Intersight管理模式(IMM)

本文档中的信息都是基于特定实验室环境中的设备编写的。本文档中使用的所有设备最初均采用原始（默认）配置。如果您的网络处于活动状态，请确保您了解所有命令的潜在影响。

背景信息

内存错误

尝试读取内存位置时遇到内存错误。从内存中读取的值与应存在的值不匹配。这些错误分为两种类型：

1. 软错误

软错误是暂时的，不会继续重复。这些都是临时的，通常可以通过重试读取或重写内存位置来纠正。

2. 硬错误

永久性的物理缺陷会导致这些症状。  重写内存位置并重试读取访问不能消除硬错误。因此，此内存错误无法纠正，在错误继续重复时需要更换内存。

可更正的错误

如果检测到错误并纠正错误，则认为它们是可纠正的。这可以通过重试读取或者使用纠错码(ECC)数据计算正确的内存内容并将正确的数据写回内存中来实现。检测到错误并纠正后，思科集成管理控制器(IMC)会在系统事件日志中记录该事件。

通常，可纠正的错误是软错误的结果。如果可更正错误在较长的时间段内存在于同一内存位置内，则可能表示存在潜在的硬错误。

自适应双设备数据校正(ADDDC)

ADDDC备用可更正两个连续的DRAM故障（如果它们位于同一区域）。ADDDC将数据从发生故障的位动态移动到备用内存，以防无法纠正错误。触发该机制需要可纠正的ECC错误阈值。

在某些可纠正ECC错误优先于不可纠正ECC错误的情况下，ADDDC会有所帮助。

包装后修复(PPR)

封装后修复(PPR)可通过利用冗余DRAM行永久修复DIMM中的故障内存区域。这种永久性现场修复可以从硬错误中快速恢复，而无需更换DIMM。要执行修复，系统必须遇到ADDDC事件并经历至少一个重新引导循环。此修复活动不会影响操作系统的性能或可用内存总量。

默认情况下，PPR和ADDDC处于启用状态，但是可以进行配置。PPR要求同时启用ADDDC备用RAS模式。如果RAS设置不是ADDDC备用或平台默认值，则PPR不运行。唯一支持的PPR模式是硬PPR，这意味着修复是永久性的。

部分缓存行备用(PCLS)

内存控制器中有一个错误预防机制。它通过识别内存中故障小部分数据来工作。这些有故障的位置与备份数据一起被记录在一个特殊的目录中，可以替换它们。访问内存时，如果故障点出错，控制器将使用来自目录的备份数据，以确保所有数据都能顺利运行。

注意：具体功能取决于CPU架构和服务器上运行的固件版本。确保您使用的是最新推荐的版本，以便更好地处理内存错误。

排除RAS故障

 UCS 管理器

通常，您会将UCS Manager中的这些故障视为RAS事件。

在运行状况摘要中，您可以找到有关错误的详细信息（无论是PCLS还是PPR已触发）。

PCLS示例

在M6及更高版本服务器上，您可以选择启用部分缓存线路备用(PCLS)作为BIOS选项，这是一种错误预防机制。必须尽快重新启动服务器，以便PPR可以启动并修复DIMM。服务器重新启动后，监控同一DIMM的其他UCS Manager故障。

正如警报所提到的，建议尽早重新启动服务器，因为存在发生无法纠正的错误的相关风险，进而会导致服务器意外停机。

PPR示例

服务器启用了ADDDC和PPR，并且发生了RAS事件。此故障建议重新启动PPR以修复DIMM。服务器需要尽快重新启动，PPR才能启动并修复DIMM。

服务器重新启动后，监控同一DIMM的其他UCS Manager故障。

正如警报所提到的，建议尽早重新启动服务器，因为存在发生无法纠正的错误的相关风险，进而会导致服务器意外停机。

 Intersight管理模式

服务器已启用ADDDC，并且发生BANK VLS事件，创建您所看到的故障。在此场景中，下一步是尽快执行服务器重新启动，以允许执行PPR。

思科集成管理控制器(CIMC)

使用思科集成管理控制器时，故障会如图所示。如果服务器有ADDDC并且发生了VLS事件，则按设计运行，以防止发生无法纠正的错误。

故障排除步骤

• 验证是否存在其它DIMM故障（例如不可纠正的错误）。
• 计划维护窗口。
• 将主机置于维护模式，然后重新启动服务器以尝试使用包后修复(PPR)永久修复DIMM。

UCSM重新启动步骤

注意：您也可以从操作系统重新启动服务器。本示例使用服务器UI中的reboot选项。

导航到UCS Manager Web界面。

刀片式服务器 

导航到设备>机箱>服务器X。

集成服务器 

导航到设备>机架安装>服务器X。

单击KVM控制台。

在KVM窗口中，点击服务器操作，选择重置，然后点击确定。

在KVM中监控重新启动过程，并确保操作系统正确启动。

IMM重新启动步骤

导航到Servers 选项卡，找到server，然后单击Action（三点）菜单。

然后，选择Power菜单，然后选择Power Cycle选项。

单击Power Cycle按钮以确认操作。

在Requests菜单下验证进度。

CIMC重新启动步骤 

导航到主机电源选项，然后选择重新通电。

启动KVM以监控重新启动过程，并确保操作系统正确启动。

监控新故障

如果在重新启动后没有发生错误，意味着没有其他RAS事件或与DIMM相关的故障，则PPR成功，服务器可以重新投入使用。

如果发生新的ADDDC事件，请重复上述步骤中概述的重新启动过程，以便使用PPR执行额外的永久修复。

如果重新启动后出现“Uncorrectable Error（无法纠正的错误）”或“Unoperational fault（无法操作）” ，则该故障表示需要更换内存。

注意：如果您遇到任何此类故障，请向思科TAC提交支持请求以更换DIMM。

UCS Manager不可纠正的内存错误

IMM内存无法纠正的错误

无法纠正的错误故障。此故障指示DIMM出现无法纠正的错误，需要更换。

CIMC无法纠正的内存错误

相关信息

• 内存技术概述-内存RAS功能ures