☰

内核消息抱怨内存问题。尽管所有 DIMM 卡都已更换

tag-icon • tag-icon redhat memory kernel drac dmesg
内核消息抱怨内存问题。尽管所有 DIMM 卡都已更换

我们有几台 DELL 机器（带有RHEL 7.6），因为我们从内核消息中看到错误，所以我们更换了机器上的 DIMM 卡

过了一段时间，我们再次检查内核消息，发现了以下内容，我们可以看到有关 RAM 内存的错误（也与 RHEL 案例有关 -https://access.redhat.com/solutions/6961932）

[Mon May  8 21:08:01 2023] EDAC sbridge MC0: PROCESSOR 0:406f1 TIME 1683580080 SOCKET 0 APIC 0
[Mon May  8 21:08:01 2023] EDAC MC0: 0 CE memory read error on CPU_SrcID#0_Ha#0_Chan#1_DIMM#1 (channel:1 slot:1 page:0x6f3c77 offset:0xc80 grain:32 syndrome:0x0 -  area:DRAM err_code:0000:009f socket:0 ha:0 channel_mask:2 rank:4)
[Mon May  8 21:08:21 2023] mce: [Hardware Error]: Machine check events logged
[Tue May  9 05:30:29 2023] {13}[Hardware Error]: Hardware error from APEI Generic Hardware Error Source: 4
[Tue May  9 05:30:29 2023] {13}[Hardware Error]: It has been corrected by h/w and requires no further action
[Tue May  9 05:30:29 2023] {13}[Hardware Error]: event severity: corrected
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:  Error 0, type: corrected
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:  fru_text: B6
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:   section_type: memory error
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:   error_status: 0x0000000000000400
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:   physical_address: 0x000000446e0d5f00
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:   node: 1 card: 1 module: 1 rank: 0 bank: 3 row: 64982 column: 888 
[Tue May  9 05:30:29 2023] {13}[Hardware Error]:   error_type: 2, single-bit ECC
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: HANDLING MCE MEMORY ERROR
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: CPU 0: Machine Check Event: 0 Bank 1: 940000000000009f
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: TSC 30d2ef7e9bfda 
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: ADDR 446e0d5f00 
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: MISC 0 
[Tue May  9 05:30:29 2023] EDAC sbridge MC0: PROCESSOR 0:406f1 TIME 1683610228 SOCKET 0 APIC 0
[Tue May  9 05:30:29 2023] EDAC MC1: 0 CE memory read error on CPU_SrcID#1_Ha#0_Chan#1_DIMM#1 (channel:1 slot:1 page:0x446e0d5 offset:0xf00 grain:32 syndrome:0x0 -  area:DRAM err_code:0000:009f socket:1 ha:0 channel_mask:2 rank:4)
[Tue May  9 05:30:51 2023] mce: [Hardware Error]: Machine check events logged
[Tue May  9 17:52:21 2023] perf: interrupt took too long (380026 > 7861), lowering kernel.perf_event_max_sample_rate to 1000
[Wed May 10 06:27:17 2023] warning: `lshw' uses legacy ethtool link settings API, link modes are only partially reported

为了确保上述消息不是随机消息，我们决定重新启动机器，看看是否重现有关内存的错误消息

但有关 RAM 内存的错误消息仍然存在。

所以我们对从内核消息中看到的问题感到困惑

为什么我们更换了 DIMM 卡后仍然会出现 RAM 错误

我必须在这里提供有关我们所看到的附加信息信息数据库

在此处输入图片描述

正如我们上面提到的，IDRAC 没有完成有关 DIMM 卡或 RAM 内存

所以问题是 -dmesg尽管所有 DIMM 都已更换，但为什么（内核消息）仍会抱怨 RAM 内存？

是否有可能是其他东西出了问题而不是 DIMM 卡出了问题？例如 DELL 机器的主板？

答案1

您看到的错误是单比特 ECC 可纠正内存错误，已由硬件纠正。这些错误不会触发 iDRAC 中列出的故障组件，至少在它们的数量超过某个内部定义的阈值之前不会，但您应该会在 iDRAC SEL（系统事件日志）下看到记录的此内存错误。

不建议混合单列和双列模块，但您的里程可能会因处理器/主板版本的不同而有所不同。

相关内容