排除UCS伺服器上的記憶體錯誤

簡介

本文檔介紹處理UCS伺服器上記憶體錯誤的故障排除步驟。

必要條件

需求

思科建議您瞭解以下主題。

• 對UCS的基本瞭解。
• 對記憶體架構有基本的瞭解。

採用元件

本文中的資訊係根據以下軟體和硬體版本：

• UCS系列伺服器M5、M6、M7及更高版本。
• UCS管理器
• 思科整合式管理控制器(CIMC)
• Cisco Intersight管理模式(IMM)

本文中的資訊是根據特定實驗室環境內的裝置所建立。文中使用到的所有裝置皆從已清除（預設）的組態來啟動。如果您的網路運作中，請確保您瞭解任何指令可能造成的影響。

背景資訊

記憶體錯誤

嘗試讀取記憶體位置時遇到記憶體錯誤。從記憶體讀取的值與應該存在的值不符。這些錯誤分為兩種型別：

1. 軟錯誤

軟錯誤是暫時性的，不會繼續重複。這些是暫時性的，通常可以透過重試讀取或重寫記憶體位置來修正。

2. 硬性錯誤

永久性物理缺陷會導致這些症狀。  重寫記憶體位置並重新嘗試讀取訪問不會消除硬錯誤。因此，此記憶體錯誤無法修正，而且當錯誤繼續重複時，需要更換記憶體。

可更正的錯誤

如果檢測到錯誤並糾正錯誤，則認為這些錯誤是可糾正的。這可以透過重試讀取或者使用糾錯碼(ECC)資料計算正確的記憶體內容並將正確的資料寫回記憶體中來實現。檢測到錯誤並糾正後，思科整合管理控制器(IMC)會將事件記錄在系統事件日誌中。

通常，可糾正的錯誤是軟錯誤的結果。如果可糾正的錯誤在相同記憶體位置中持續較長時間，則可能表示存在潛在的硬錯誤。

調適型雙裝置資料修正(ADDDC)

ADDDC備援可以更正兩個連續的DRAM故障（如果它們位於同一區域）。ADDDC會以動態方式將資料從故障位元移動到備用記憶體，以避免無法更正的錯誤。需要可糾正的ECC錯誤閾值才能觸發該機制。

ADDDC在某些可糾正的ECC錯誤優先於不可糾正的ECC錯誤的情況下會有所幫助。

包裝後修復(PPR)

「封裝後修復」(PPR)可利用備援DRAM列，永久修復DIMM內的故障記憶體區域。這種永久性的現場修復可快速從硬錯誤中恢復，無需更換DIMM。要執行修復，系統必須遇到ADDDC事件並經歷至少一個重新引導循環。此修復活動不影響效能或作業系統可用的記憶體總數。

PPR和ADDDC預設啟用，但是可以配置。PPR需要同時啟用ADDDC備用RAS模式。如果RAS設定不是ADDDC備件或平台預設值，則PPR不運行。唯一支援的PPR模式是硬PPR，這意味著修復是永久性的。

部分快取線路備援(PCLS)

記憶體控制器中有一個錯誤預防機制。它透過辨識記憶體中故障小部分資料來工作。這些故障位置會與可替換它們的備份資料一起記錄在特殊目錄中。存取記憶體時，如果發生故障的部位發生錯誤，控制器就會使用目錄的備份資料，以確保所有專案都能順利執行。

註：根據CPU體系結構和伺服器上運行的韌體版本，這些功能可用。確保您使用的是最後建議的版本，以便更好地處理記憶體錯誤。

排除RAS故障

 UCS管理器

通常，您會將UCS Manager中的這些故障視為RAS事件。

在運行狀況摘要中，您可以找到有關錯誤的詳細資訊，包括PCLS或PPR是否觸發。

PCLS範例

在M6和更新版本中，您可以選擇啟用部分快取線路備援(PCLS)作為BIOS選項，這是預防錯誤的機制。伺服器必須儘快重新開機，PPR才能啟動並修復DIMM。重新啟動伺服器後，監控同一DIMM的其他UCS Manager故障。

如警示所述，建議儘早重新啟動伺服器，因為可能會發生無法修正的錯誤，進而造成伺服器意外停機。

PPR示例

伺服器啟用了ADDDC和PPR，並且發生了RAS事件。此故障建議重新啟動PPR以修復DIMM。伺服器需要儘快重新啟動，PPR才能啟動並修復DIMM。

重新啟動伺服器後，監控同一DIMM的其他UCS Manager故障。

如警示所述，建議儘早重新啟動伺服器，因為可能會發生無法修正的錯誤，進而造成伺服器意外停機。

 Intersight管理模式

伺服器啟用了ADDDC，並且發生了BANK VLS事件，從而產生了您看到的故障。在此案例中，下一步是儘快執行伺服器重新開機，以便執行PPR。

思科整合式管理控制器(CIMC)

使用思科整合管理控制器時，故障如圖所示。如果伺服器具有ADDDC且發生VLS事件，則此作業會按照設計來防止無法修正的錯誤。

疑難排解步驟

• 驗證是否存在其他DIMM故障（例如，DIMM故障和無法糾正的錯誤）。
• 安排維護時間。
• 將主機置於維護模式，然後重新啟動伺服器，以嘗試使用包後修復(PPR)永久修復DIMM。

UCSM重新引導步驟

注意：您也可以從作業系統重新啟動伺服器。此示例使用伺服器UI中的reboot選項。

導航到UCS Manager Web介面。

刀鋒伺服器 

導航到裝置>機箱>伺服器X。

整合式伺服器 

導航到裝置>機架安裝>伺服器X。

按一下KVM console。

在KVM窗口上，按一下伺服器操作，選擇重置，然後按一下確定。

在KVM中監控重新引導過程，並確保作業系統正確啟動。

IMM重新啟動步驟

導航到Servers頁籤，辨識伺服器，然後按一下Action （三個點）選單。

然後，選擇Power選單，然後選擇Power Cycle選項。

按一下Power Cycle按鈕以確認操作。

驗證請求選單下的進度。

CIMC重新啟動步驟 

導航到主機電源選項，然後選擇重新通電。

啟動KVM以監控重新引導過程，並確保作業系統正確啟動。

監控新故障

如果重新啟動後未發生錯誤，表示沒有其它RAS事件或與DIMM相關的故障，則PPR成功，伺服器可以重新投入使用。

如果發生新的ADDDC事件，請重複上述步驟中概述的重新引導過程，以便使用PPR執行額外的永久修復。

如果重新啟動後出現「Uncorrectable Error（無法糾正的錯誤）」或無法運行的故障，則表明需要更換記憶體。

注意：如果遇到這些錯誤中的任何一個，請向Cisco TAC提交支援請求以更換DIMM。

UCS Manager不可糾正的記憶體錯誤

IMM記憶體無法更正的錯誤

無法更正的錯誤錯誤。此故障表示DIMM有無法糾正的錯誤，需要更換。

CIMC不可糾正的記憶體錯誤

相關資訊

• 記憶體技術概述-記憶體RAS功能ures