VMware: Felsöka ESXi MCE PSOD

ESXi-servrar kan stoppas med en lila diagnostikskärm (PSOD) på grund av MCE-fel (Machine Check Exception). MCE-fel beror på maskinvaruproblem.

Den lila diagnostikskärmen för MCE visar flera objekt. Av dessa MCi_STATUS register är användbart för att felsöka problemet.

Registrera information:

• Informationen MCi_STATUS Registret består av information om maskinkontrollfelet.
• Registret visas bredvid "S:" Som visas i exemplet nedan:

MC: PCPU18 B:13 S:0xfe20004000011166 M:0x7246040086 A:0x38c989b100 5

Bitar och deras betydelse:

För att felsöka felet, de låga 16 bitarna i MCi_STATUS registret är viktigt. Dessa bitar indikerar ett enkelt eller sammansatt fel.

Alternativet 1: Använda automatiskt verktyg

Obs! Du kan nu felsöka felet med följande verktyg som automatiserar stegen nedan:
VMware Purple Diagnostic Screen (PSOD) Error Reader

Alternativ 2: Använda manuella steg

1. Enkla fel går snabbt att felsöka

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.

2. Sammansatta fel

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 - Formulärflagga

0 – Normal Filtering
1 – Corrected Filtering

Filtrering innebär att vissa eller alla efterföljande korrigeringar av den här posten i den här strukturen inte bokförs.

• TT - Gäller 2 och 4 ovan. 

Anger typ av transaktion:

00 - Instruction
01 - Data
10 - Generic

• LL - Gäller 1, 2, 4 och 5 ovan. 

Detta anger den nivå i minneshierarkin där felet inträffade.

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 – Anger vilken typ av åtgärd som är associerad med felet. Åtgärderna är:

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 (Deltagande) – Beskriver den lokala processorns roll i felet.

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 (tidsgräns) – 1 = Tidsgränsen för begäran överskreds.
• II (minne eller I/O)

00 - M - Memory Access
10 - IO - I/O
01 - Reserved
11 - Other transaction

• Minnesstyrenhetsfel – definieras av MMM- och CCCC-underfälten ovan
• MMM – Minnesfel

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 – Kanal med felet

0000-1110 - CHN - Channel number
1111 - Channel not specified

Här är ett exempel på hur du analyserar en MCE-lila diagnostisk skärmbild:

1. Skriv ner MCi_STATUS registrera värdet. Här är den:

0xfe20004000011166.

2. Konvertera den till binär:

1111 1110 0010 0000 0000 0000 0100 0000 0000 0000 0000 0001 0001 0001 0110 0110

3. Ta de nedre 16 bitarna av MCi_STATUS Registrera dig:

0001 0001 0110 0110

Jämför det med de sammansatta felen. I det här fallet verkar detta vara ett cachehierarkifel (typ 4).

4. Tillämpa värdena:

F = 1
RRRR = 0110 – Prefetch
TT = 01 – Transaction type - Data
LL = 10 – Level 2 cache

Slutsats:

• Det verkar som att den lila diagnostikskärmen inträffade när det pågick en förhämtning av vissa data i processorns L2-cacheminne.
• Det kan alltså vara ett problem med processorns L2-cacheminne.
• Därför bör CPU:n bytas ut först och sedan kontrollera om problemet är löst. Om problemet dyker upp igen kan moderkortet bytas ut.