☰

Solaris/OpenSolaris FMA 和内存误报

tag-icon • tag-icon solaris opensolaris
Solaris/OpenSolaris FMA 和内存误报

我们拥有 500 余台采用 Supermicro 主板和金士顿内存的服务器，通常会看到以下警报：

# fmdump  -v
TIME                 UUID                                 SUNW-MSG-ID
Oct 27 15:49:44.9379 108510ec-b4e1-c94b-dd9f-f7b2969a4725 INTEL-8001-94
  100%  fault.memory.intel.dimm_ce

        Problem in: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0/rank=1
           Affects: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0/rank=1
               FRU: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0
          Location: DIMM4A

我的问题是：当您在非 Oracle 硬件上运行时，这些故障有多可信？

我们几乎尝试了所有方法（除了再也不使用这些组件），但故障仍然随机出现（例如，更换 dimm4a 后几个月 dimm1b 出现故障，更换所有内存和主板后几天又出现另一个故障）。

我们更换的内存经过了几天的 memtest 测试，从未发现任何问题。使用相同硬件和 Windows 及 Linux 的其他团队没有发现任何问题。Solaris 是不是太敏感了？

现在我们正在进行另一轮内存更换，但这变得越来越麻烦。我们也找不到服务器的任何问题，它们一直运行良好，但随机出现的内存故障令人恐惧。我们应该忽略它们吗？

操作系统：OpenSolaris 2009.6 (b111)

答案1

我只能猜测，但从我读到的内容来看，你遇到的错误是由于可纠正给定时间内的 ECC 错误已超过上限。这肯定是个问题，应该解决。

但是，如果您的其他团队在这些机器上运行 Windows 并且没有遇到任何问题，这可能是因为 Windows 只是纠正了可纠正的 ECC 错误，而在 OpenSolaris 或 FMA 发出警告时保持沉默。

它绝对不应该被忽略。如果我是你，我会花时间进一步调查 Windows 机器，看看是否有可能检查那些已纠正的、可纠正的 ECC 错误。

相关内容