我有一台服务器，它时不时地向操作系统报告硬件错误，但除此之外运行时没有任何明显的问题。
今天我走过连接着它的监视器时发现了这一点。
有人能告诉我这是什么意思吗？这是我需要担心的事情吗？有没有日志文件可以让我深入研究？几周前，我注意到系统没有检测到其中一个 RAM 棒，它只报告 112 GB 而不是 128 GB。但现在它显示正确了。
更多信息请参见此服务器具有以下主要组件：
- 超微 MBD-H11DSi-NT-B
- 2 个 AMD Epyc 7301
- 128GB 金士顿 Server Premier KSM26RD8/16HAI DDR4-2666 regECC
- Unraid 作为操作系统
答案1
谁能告诉我这是什么意思？
您有一个需要解决的硬件问题 - 可能是内存。MC15_STATUS[Over|CE在谷歌中输入，第二个结果来自未袭击论坛这也可能对我有帮助。
这是我需要担心的事情吗？
绝对如此！忽略硬件错误会让您的（数据）陷入危险。我会停止生产该系统，而不会花时间在网上询问这是否是我需要担心的问题。
使用类似memtest86之类的工具来测试并诊断问题的位置。
答案2
对于你的情况，我会读取 IPMI BMC 事件日志，例如使用ipmiutil sel。它应该显示有关错误的详细信息，对于我的情况，它甚至显示了故障模块所在的特定内存插槽位置。