Article Number: 000215212
Servery ESXi se mohou zastavit s purpurovou diagnostickou obrazovkou (PSOD) kvůli chybám MCE (machine check exception). Chyby MCE jsou způsobeny problémy s hardwarem.
Purpurová diagnostická obrazovka MCE zobrazuje několik věcí. Kromě toho je registrace MCi_STATUS užitečná při ladění problému.
Podrobnosti registrace:
Bity a jejich význam:
63 | 62 | 61 | 60 | 59 | 58 | 57 | 53-56 | 38-52 | 32-37 | 16-31 | 0-15 |
VALID flag - If set, then information is valid (PLATNÝ příznak – je-li nastaven, pak jsou informace platné. | Příznak OVERFLOW – je-li nastaven, může to znamenat, že k sobě došlo k vícenásobným výskytům chyby MCE. | Unc flag- If set, then CPU could not correct the error. (Příznak UNC – je-li nastaven, procesor nemohl chybu opravit.) | Příznak EN | Příznak MISCV – je-li nastaven, pak misc register obsahuje další informace. | ADDRV – Je-li nastaven, pak registr ADDR obsahuje místo, kde došlo k chybě. | PŘÍZNAK PCC – Je-li nastaven, znamená to, že procesor mohl být poškozen. | Pokud je nastaven bit 11, v opačném případě "jiné informace". | Pokud je nastaven bit 10, v opačném případě "jiné informace". | Další informace | Kód chyby pro konkrétní model procesoru | Chybový kód kontroly zařízení |
K ladění chyby je důležité méně než 16 bitů registru MCi_STATUS. Tyto bity označují jednoduchou nebo složené chyby.
Možnost 1: Použití automatického nástroje
2. možnost: Použití ručního postupu
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.
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.
0 – Normal Filtering
1 – Corrected Filtering
Filtrování znamená, že některé nebo všechny následné opravy tohoto záznamu v této struktuře nebudou zveřejněny.
Označuje typ transakce:
00 - Instruction
01 - Data
10 - Generic
Udává úroveň v hierarchii paměti, při které došlo k chybě.
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)
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
00 - SRC - Local processor originated request 01 - RES - Local processor responded to request 10 - OBS - Local processor observed error as third party 11 - Generic
00 - M - Memory Access 10 - IO - I/O 01 - Reserved 11 - Other transaction
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
0000-1110 - CHN - Channel number
1111 - Channel not specified
Zde je příklad, jak analyzovat purpurový diagnostický snímek obrazovky MCE:
1111 1110 0010 0000 0000 0000 0100 0000 0000 0000 0000 0001 0001 0001 0110 0110
0001 0001 0110 0110
Porovnejte jej s složené chyby. V takovém případě se jedná o chybu hierarchie mezipaměti (typ 4).
F = 1 RRRR = 0110 – Prefetch TT = 01 – Transaction type - Data LL = 10 – Level 2 cache
Závěr:
PowerEdge, Virtualization Solutions
Software, Analytics
18 Sep 2023
1
How To