Data Domain: Odstraňování problémů s chybami paměti

• Systém DDOS generuje výstrahy související s pamětí, například:
  • DIMM-00001: Correctable ECC logging limit reached
  • DIMM-00002: Multibit uncorrectable ECC error
  • DIMM-00003: Memory card failure
  • ENVIRONMENT-00009: Correctable ECC errors exceed threshold
  • ENVIRONMENT-00013: Uncorrectable ECC error detected
  • ENVIRONMENT-00044: Memory riser fault detected
  • MEM-00001: DIMM failure detected; DDFS will not start
  • MEM-00002: Memory size below configured value
• Protokoly systémových událostí (SEL) řadiče iDRAC
  • MEM0802: The memory health monitor feature has detected a degradation in the DIMM installed in DIMM [slot number]. Reboot system to initiate self-heal process.
• Restartování systému kvůli neopravitelným chybám paměti
• Služba DDFS se nespustí nebo ji nelze povolit
• Systém přejde do stavu vypnutí kvůli selhání hardwaru paměti
• Jiné výstrahy mohou maskovat problémy s pamětí (například chyba CPU Machine Check Error)

• Moduly DIMM Data Domain používají k detekci a opravě chyb paměti funkci ECC (Error Correcting Code).
• Opravitelné chyby se sčítají a aktivují výstrahy při překročení prahových hodnot.
• Neopravitelné chyby značí chybu hardwaru a mohou způsobit nestabilitu systému nebo restartování systému.
• Selhání modulu DIMM nebo riseru paměti snižuje dostupnost dostupné paměti a může zabránit spuštění systému DDFS.

Výstraha modulu DIMM – průvodce rozhodováním o restartu

Funkce BIOS Post Package Repair (PPR-DDR4 Self-healing) může opravit dotčené paměťové buňky po restartování.

Pokyny k rozhodnutí o restartování:

Kritické varování

• Před restartováním nevyjímejte ani nevyměňujte modul DIMM. PPR vyžaduje použití původního modulu DIMM.
• Systém se může během obnovy self-heal několikrát automaticky restartovat. Jde o očekávané chování.
• Pokud test self-heal proběhne úspěšně, není nutná výměna modulu DIMM.
• Pokud výstraha přetrvává po restartování nebo se eskaluje na MEM0001Kontaktujte podporu společnosti Dell.

Standardní kroky pro odstraňování problémů a řešení problémů

1. Restartujte systém Data Domain (platformy PowerEdge) a zahajte PPR.
2. Identifikujte vadné komponenty (modul DIMM, procesor nebo základní deska) pomocí výstrah a diagnostiky.
3. Porovnejte aktuální stav systému s předchozím snímkem automatické podpory (před výstrahou).
4. Spusťte následující příkazy DD CLI:

   alerts show current
   system show meminfo
   enclosure show memory
   log view debug/messages.engineering
   

5. Spusťte nástroj DDOS Hardware Healthcheck a potvrďte chybu hardwaru.
6. Provádění fyzických kontrol:
   • Znovu a bezpečně usaďte modul DIMM
   • Výměna za ověřený funkční modul DIMM pro testování izolace
7. Na základě výsledků diagnostiky vyměňte vadnou součást.
8. Pokud se systém nespustí:
   • Odebrání zbytného hardwaru
   • Spuštění s minimální konfigurací (jeden modul DIMM ve slotu 0)
9. Shromážděte balíček podpory a v případě potřeby vytvořte servisní požadavek.
   • Následující video ukazuje, jak shromáždit balíček podpory: Shromáždění balíčku podpory (nutný externí odkaz – přihlášení)

Zdroje:

• Dokumentace k hardwaru systému PowerProtect a Data Domain, kde najdete relevantní informace o konfiguraci a rozložení modulů DIMM.
• Požadavky na paměť systému a konfigurace rozšířeného úložiště
• Video: Shromáždění balíčku podpory (nutný externí odkaz – nutné přihlášení)