SUN服务器cpumemory出错类型和处理.pdfVIP

SUN 服务器cpu/memory 出错类型和处理 王路平 一、 概述 SunSun 服务器在运行过程中经常出现 Panic 的现象，查看 log 发现类似 UE,CE,WDC,UCC 等等错误事件，这些错误信息基本上都跟cpu/memorycpu/memory 有关，错误 的原因都是由软件或硬件引起的。 二、内存故障 1．CE （corrected error ）类错误 该类错一般分为soft errors 和hard errors 两种，soft errors 错误是指内存的某一个 位（bit ）通过ECC 校验发现存在错误并加以纠正，该类错误是暂时性的，所谓暂时 性就是指内存该字节的错误位纠错后就可以正确使用了。 Hard errorsHard errors 一般是指硬件类的错误，该种错误发生时，内存某个存储单元里的一 个位永远为0 或1，该错误是因为内存的某个位在硬件永久性损坏了导致的。 2 ．UE(Uncorrectable Errors)类错误 UE 类错一般会引起cpu 的panic ，CE 类错被检测到是因为内存存储单元某个位 出现错误，如果此时 同一个存储单元另一个 位出现错误的话，就 产生一个 UE(Uncorrectable Errors)类的错误，或者内存一个字某位出错了，但是系统无法纠正 我们仍把它叫做UE 类错，为了保证数据的可用性，OS 极有可能reboot 系统。 3 ．如何得到更为详尽的内存错误信息 kernal update 21 （即1085280-21）的solaris 8 可以将出错的cpu offline 掉，还可 以执行page Retirement 的操作（特别是在出现CE 类问题并同时出现ME ，即UE ， mutil bit 类错误的时候），该操作将禁止使用相关的故障内存，这需要在/etc/system 文 件加入以下的一行： automatic_page_removal=1 以下的参数可以帮助我们记录更详细内存出错log 。 VariablesVariables Values set A valu of 0 indicates no logging.A valu of 1 indicates ce_verbose_memory=[0/1/2] that th messages ar sent to th log file, but not th console. A value of 2 indicates that the messages ar set ce_verbose_other=[0/1/2] sent to th consol and th log file. Th default valu is 1. set A value of 0 disables the page retirement feature. A automatic_page_removal=[0/1] value of 1 enables the page retirement feature. Th default value depends upon the kernel patch releas 。 set The interval measured in minutes and number of ecc_softerr_interval=1440 acceptabl CEs within this interval. Used by th Leaky Bucket algorithm to determin