☰

我应该多认真对待 ECC 可纠正错误警告？

tag-icon • tag-icon ecc
我应该多认真对待 ECC 可纠正错误警告？

我有一堆 Sun X2200-M2 服务器。这些服务器有 ECC 内存。

在某些服务器中，我收到 eLOM 中关于“检测到可纠正的 ECC 错误”的警告，例如：

# ssh regress11 ipmitool sel elist
   1 | 05/20/2010 | 14:20:27 | Memory CPU0 DIMM2 | Correctable ECC | Asserted
   2 | 05/20/2010 | 14:33:47 | Memory CPU0 DIMM2 | Correctable ECC | Asserted

...有些比其他的更频繁。

该特定系统上的内核也抛出了 EDAC 错误，尽管其频率比 eLOM 记录 ECC 事件的频率高得多：

EDAC k8 MC0: general bus error: participating processor(local node response), time-out(no timeout) memory transaction type(generic read), mem or i/o(mem access), cache level(generic)
MC0: CE page 0x42a194, offset 0x60, grain 8, syndrome 0xf654, row 4, channel 1, label "": k8_edac
MC0: CE - no information available: k8_edac Error Overflow set
EDAC k8 MC0: extended error code: ECC chipkill x4 error
EDAC k8 MC0: general bus error: participating processor(local node response), time-out(no timeout) memory transaction type(generic read), mem or i/o(mem access), cache level(generic)
MC0: CE page 0x48cb94, offset 0x10, grain 8, syndrome 0xf654, row 5, channel 1, label "": k8_edac
MC0: CE - no information available: k8_edac Error Overflow set
EDAC k8 MC0: extended error code: ECC chipkill x4 error

现在，如果服务器检测到无法纠正的 ECC，系统将重置，因此显然这是坏了，移除/更换已识别的内存条或内存对即可解决问题。

但我在想，如果错误是可纠正的，那么就没有紧急问题——我可以将其视为警告，并准备在开始发生无法纠正的错误时拉动操纵杆/对？

答案1

取决于您出错的频率。出于各种原因，ECC 平均每年必须纠正一次单比特错误。如果您出错的速度比这快得多，或者它们是多比特错误，您应该担心（我会尽快更换 RAM）。

此外，ECC 并不完美。累积错误可能会通过 ECC；这将导致操作系统崩溃或类似问题。

相关内容