调试 ESXi 机器检查异常 （MCE） PSOD
Summary: 如何调试 ESXi 机器检查异常 （MCE） 紫色诊断屏幕 （PSOD） 示例。
This article applies to
This article does not apply to
Instructions
Description:
由于 MCE（机器检查异常）错误，ESXi 服务器可能会停止并显示紫色诊断屏幕 （PSOD）。MCE 错误是由硬件问题引起的。
MCE 紫色诊断屏幕显示多个内容。其中，MCi_STATUS寄存器在调试问题时很有用。
注册详细信息：
- MCi_STATUS寄存器包含有关机器检查错误的信息。
- 寄存器显示在“S：”旁边如下例所示：
位及其意义：
| 63 | 62 | 61 | 60 | 59 | 58 | 57 | 53-56 | 38-52 | 32-37 | 16-31 | 0-15 |
| VALID 标记 — 如果设置，则信息有效。 | OVERFLOW 标志 — 如果设置，则可能表示多个 MCE 彼此靠近 | UNC 标记 — 如果设置，则 CPU 无法纠正错误。 | EN 标志 | MISCV 标记 - 如果设置，则 MISC 寄存器包含更多信息。 | ADDRV - 如果设置，则 ADDR 寄存器包含发生错误的位置。 | PCC 标记 — 如果设置，则表示处理器可能已损坏。 | 如果设置了位 11，则为体系结构，否则为“其他信息”。 | 如果设置了位 10，则为体系结构，否则为“其他信息”。 | 其他信息 | CPU 的型号特定错误代码 | 机器检查错误代码 |
为了调试错误，MCi_STATUS寄存器的低16位非常重要。这些位表示简单或复合错误。
选项 1：使用自动工具
-
提醒：现在，您可以使用以下工具调试错误，该工具可自动执行以下步骤：
选项 2：使用手动步骤
- 简单错误易于调试
0000 0000 0000 0000 -- No Error reported to this bank of error-reporting registers. 0000 0000 0000 0001 -- Unclassified - Error has not been classified. 0000 0000 0000 0010 -- Parity error in internal microcode ROM. 0000 0000 0000 0011 -- External error-BINIT# from another processor caused this processor MCE. Happens only if BINIT# observation enabled during power on. 0000 0000 0000 0100 -- Functional redundancy check master/slave error. 0000 0000 0000 0101 -- Internal parity error. 0000 0000 0000 0110 -- SMM handler tried to execute outside the ranges specified by SMRR. 0000 0100 0000 0000 -- Internal timer error. 0000 1110 0000 1011 -- I/O error. 0000 01xx xxxx xxxx -- Internal unclassified error. Atleast one X must be equal to 1.
- 复合误差
000F 0000 0000 11LL - Generic Cache Hierarchy error. 000F 0000 0001 TTLL - {TT}TLB{LL}_ERR. TLB errors. 000F 0000 1MMM CCCC - {MMM}_Channel{CCCC}_ERR - Memory controller errors. 000F 0001 RRRR TTLL - {TT}CACHE{LL}_{RRRR}_ERR - Cache Hierarchy errors. 000F 1PPT RRRR IILL - BUS{LL}_{PP}_{RRRR}_{II}_T_ERR - Bus and Interconnect errors.- F - 表单标记
0 – Normal Filtering 1 – Corrected Filtering过滤意味着不会发布此结构中对此条目的部分或全部后续更正。
- TT — 适用于上述 2 和 4。
表示交易类型：
00 - Instruction 01 - Data 10 - Generic - LL — 适用于上述 1、2、4 和 5。
指示发生错误的内存层次结构中的级别
00 - Level 0 - L0 01 - Level 1 - L1 10 - Level 2 - L2 11 - Generic – LG (It is shown only when processor cannot determine the hierarchy level) - RRRR - 指示与错误关联的操作类型。操作包括：
0000 - Generic Error - ERR 0001 - Generic Read - RD 0010 - Generic Write - WR 0011 - Data Read - DRD 0100 - Data Write - DWR 0101 - Instruction Fetch - IRD 0110 - Prefetch - PREFETCH 0111 - Eviction - EVICT 1000 - Snoop - SNOOP
- PP（参与）— 描述本地处理器在错误中的角色。
00 - SRC - Local processor originated request 01 - RES - Local processor responded to request 10 - OBS - Local processor observed error as third party 11 - Generic
- T（超时）- 1 = 请求超时。
- II（内存或 I/O）
00 - M - Memory Access 10 - IO - I/O 01 - Reserved 11 - Other transaction
- 内存控制器错误 — 由上面的 MMM 和 CCCC 子字段定义
- MMM - 内存错误
000 - GEN - Generic undefined request 001 - RD - Memory read error 010 - WR - Memory write error 011 - AC - Address/Command error 100 - MS - Memory Scrubbing error 101-111 - Reserved
- CCCC - 带有错误的通道
0000-1110 - CHN - Channel number 1111 - Channel not specified
- F - 表单标记
下面是如何分析 MCE 紫色诊断屏幕截图的示例：
- 请注意，MCi_STATUS寄存器值为 0xfe20004000011166。
- 将其转换为二进制：
1111 1110 0010 0000 0000 0000 0100 0000 0000 0000 0000 0001 0001 0001 0110 0110 - 取MCi_STATUS寄存器的下 16 位：
0001 0001 0110 0110将其与复合误差进行比较。在这种情况下，这似乎是缓存层次结构错误（类型 4）。
- 应用值：
F = 1 RRRR = 0110 – Prefetch TT = 01 – Transaction type - Data LL = 10 – Level 2 cache
结论：
- 在对处理器的 L2 高速缓存中的某些数据执行预取操作时，似乎出现了紫色诊断屏幕。
- 因此，这可能是处理器上的 L2 高速缓存的问题。
- 因此，我们应首先更换CPU，并检查问题是否得到解决。如果问题再次出现，我们可以更换主板。