配备英特尔至强可扩展处理器的 Dell PowerEdge 服务器上的 DDR4 自我修复是什么

Dell PowerEdge BIOS 有持续的改进和增强功能，以改善服务器重新启动时发生的内存事件消息传递、错误处理和“自我修复”。这样就无需计划维护窗口或现场人员来更换记录错误事件的 DDR4 内存 DIMM。

运行 BIOS 2.1.x 和更高版本并配备 DDR4 的 PowerEdge 服务器有两个主要的与内存相关的“自我修复”BIOS 增强功能。当内存事件发生并记录到 LifeCycle 日志中时，这些增强功能确实会改变建议的步骤或操作。

1.内存重新安排 增强功能

内存重新安排发生在启动过程中（在“配置内存”步骤的较早操作），可优化每个 DIMM/插槽的信号计时和裕度以获得最佳访问效果。DIMM 的内存信号计时和裕度特征可能会随着时间的推移而变化，原因有多种：

• 服务器内存配置更改
• BIOS 更改（内存参考代码 - MRC）
• 不同的服务器或 DIMM 运行温度
• DIMM 的一般使用期限

之前，当检测到 BIOS 更新或内存配置更改时，会在后续的启动中进行内存重新安排。从 BIOS 2.1.x 开始，为内存重新安排增加了可纠正和不可纠正内存错误的“触发器”：

Warning - MEM0701 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0702 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0005 - "Persistent correctable memory error limit reached for a memory device at location XX."

只要任意以上错误被记录在 SEL/LifeCycle 日志中，都将为下一次重新启动（热重启或冷重启）安排内存重新安排。无论启动什么，BIOS 都会自动强制进行冷重启。

Critical - MEM0001 - "Multi-bit memory errors detected on memory device at location DIMM_XX."

如果操作系统无法处理该错误，此多位错误可能会导致服务器重新启动，因为存在致命错误。在该启动过程中，将自动进行内存重新安排。如果在非关键内存位置发生操作系统能够处理的多位错误，则必须计划重新启动。

开机自检期间的内存重新安排可能会优化信号时序和裕度，从而“自我修复”故障 DIMM 和相关插槽。无需为这些错误更换 DIMM，除非启动过程中内存重新安装失败 (UEFI0106) 或这些错误继续出现。
 

2.开机自检软件包修复 （PPR）

第二个“自我修复”记忆增强功能是 PPR。PPR 通过禁用硬件层上的位置或地址来修复故障内存位置，转而使用备用内存行。可用的备用内存行的确切数量取决于 DRAM 设备和 DIMM 大小。

此前，此功能仅限于制造过程。与上文提到的内存重新安排增强功能一样，某些可纠正的内存错误会导致在下一次重新启动（热重启或冷重启）时在特定 DIMM 插槽上计划 PPR。无论启动什么，BIOS 都会自动强制进行冷重启。由于在特定 DIMM 插槽上安排了 PPR 操作，因此在运行 PPR 操作之前，请勿更改 DIMM 插槽位置。错误示例如下：

Warning - MEM0701- "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0702 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0005 - "Persistent correctable memory error limit reached for a memory device at location XX."

日志中的任何这些事件都会导致在“配置内存”阶段早期为下一次重新启动（热重启或冷重启）计划 PPR。

重新启动后，确认 PPR 操作已成功执行。成功的 PPR 操作的示例类似于：

MEM9060 - "The Post Package Repair operation is successfully completed on the Dual In-line Memory Module (DIMM) device that was failing earlier."

UEFI0278 - "Unable to complete the Post Package Repair (PPR) operation because of an issue in the DIMM memory slot X."

新发布的白皮书（版本 1.0）介绍了 Dell PowerEdge 服务器与内存相关的可靠性、可用性和可维护性 （RAS） 功能，其中介绍了 PowerEdge 服务器上可用的各种 RAS 特性和功能 - 内存错误和 Dell EMC PowerEdge YX4X 服务器内存 RAS 功能。

上次更新日期 2020 年 4 月 24 日

戴尔正在不断增强我们的“自我修复”功能。以下部分列出了与不同 BIOS 版本关联的更新和增强功能。

BIOS 2.1.x — 关于从 BIOS 2.1.6 及更高版本开始提供“自我修复”功能的初始文章发布，包括错误消息示例和建议的操作。

BIOS 2.4.x 和更新版本更改（2019 年 12 月）

• MEM0702（已超出可纠正错误率）— 消息从严重更新为警告。更新了建议的操作以重新启动服务器，以允许进行“自我修复”— 例如，开机自检程序包修复。
  • 还需要安装 2019 年 12 月或更高版本的 iDRAC 以获取更新的消息
  • 建议措施：重新启动服务器以允许 PPR 运行
• MEM9060 — 更新消息说明以指示“自我修复”已成功完成

BIOS 2.5.x 和更新版本更改（2020 年 2 月）

• 添加了“Correctable Error Logging”BIOS 选项，以允许客户禁用与可纠正错误相关的所有生命周期/SEL 日志记录。所有“自我修复”功能将继续正常工作 — 例如，PPR 和内存重新安排仍会在下次重新启动期间（在配置内存过程的早期阶段）计划和运行。
• 为 RDIMM 和 LRDIMM 添加 MEM08xx 错误，替换现有错误消息和操作。现有错误消息仍用于不支持“自我修复”功能的平台。
  • 要记录新消息， 需要 2020 年 2 月或更高版本的 iDRAC。

• MEM0802 — 更换的 MEM0702 — 超过可纠正错误率
  • 建议措施：重新启动服务器以允许 PPR 运行。确认 PPR 成功 (MEM0802)
• MEM0804 — 更换了 MEM9060，指示 PPR 成功。现在包括运行 PPR 的 DIMM 插槽位置
  • 建议措施：None.此事件表示发生了“自我修复”，不需要更换 DIMM。
• MEM0805 — 更换了 UEFI0278，指示 PPR 失败
  • 建议措施：更换故障 DIMM

上次更新日期：2020 年 7 月 10 日

BIOS 2.7.x 和更新版本更改（2020 年 7 月发布的 BIOS — 针对 Web 发布于 7 月中旬推出）

• MEM8000 （禁用可纠正的错误日志记录）— 从 BIOS ~2.0.x 开始，戴尔工程部门进行了 BIOS 更改，以提高可能影响性能的可纠正错误检测率。此更改导致 DIMM 故障分析结果无法证实的MEM8000事件增加。从 BIOS 2.7.x 开始，有两个与 MEM8000 相关的更改。首先，MEM8000事件的信号已被修改。第二个是 BIOS 为下一次重新启动计划自我修复 (PPR)。iDRAC 消息尚未更新以反映新操作。
  • 建议措施：重新启动服务器以允许运行自我修复/PPR。确认 PPR 成功 (MEM0804)。
• MEM0001 （不可纠正的错误）— 导致为下一次重新启动计划自我修复 （PPR）。iDRAC 消息尚未更新以反映新操作。
  • 建议措施：如果 MEM0001 与操作系统无法恢复的关键页面有关，则无需执行任何操作 — 仍是导致重新启动的致命错误。如果 MEM0001 与操作系统可以恢复的非关键页面相关，则必须计划重新启动，以进行所有自我修复 (PPR)。确认 PPR 成功 (MEM0804)。

上次更新日期：2021 年 1 月 13 日

BIOS 2.8.2 及更高版本更改（2020 年 9 月周期 BIOS）

• MEM9072 （内存巡检清理进程识别出不可纠正的错误 - 页面未使用或正在使用）- 导致为下一次重新启动计划自我修复 （PPR）。  iDRAC 消息尚未更新以反映新操作。
  • 建议措施：立即计划重新启动。延迟重新启动可能会导致页面被占用，从而导致 MEM0001 错误，从而可能导致重新启动。  内存自我修复 (PPR) 在重新启动期间运行。确认 PPR 成功 (MEM0804)。

在未来的 BIOS 更新中，我们还将评估更多的 RAS 功能增强。

本文将在有新信息可用时更新。

另请参见：有关通过交换测试对内存进行故障处理的指导 — 通过交换测试

对 PowerEdge 系统上的内存错误进行故障处理下载和驱动程序：驱动程序与下载 |戴尔美国