14G Intel ja 15G Intel / AMD PowerEdge -palvelimet: DDR4-muisti: korjattavissa olevien virhekynnystapahtumien hallinta

Yritysluokan muistin RAS-ominaisuuksien (Reliability, Accessibility and Serviceability) kehittymisen myötä Dell on ottanut konservatiivisen lähestymistavan virheraportointiin tarjotakseen asiakkaille läpinäkyvyyttä. Tämän kehityksen jatkuessa myös Dellin lähestymistapa virheiden raportointiin muuttuu, jotta se voi keskittyä ilmoituksiin, jotka edellyttävät kiireellisempää vastausta, verrattuna ilmoituksiin, jotka ovat luonteeltaan ensisijaisesti informatiivisia.

Koska DRAM-pohjaisten muistigeometrioiden määrä pienenee jatkuvasti, mikä tarjoaa asiakkaille heidän tarvitsemansa paremman suorituskyvyn, yhä useamman korjattavissa olevan virheen odotetaan olevan luonnollinen osa yhtenäistä skaalausta.

Maailmanlaajuisella palvelinalalla ymmärretään yhä laajemmin, että Dell ymmärtää yhä laajemmin, että jotkin DIMM-moduulikohtaiset korjattavissa olevat virheet ovat väistämättömiä eivätkä sinänsä edellytä muistimoduulin vaihtamista tai edes välitöntä uudelleenkäynnistystä itsekorjauksen aloittamiseksi.

Korjattavissa olevista virheistä ilmoittavan järjestelmän käytön jatkaminen ilman uudelleenkäynnistystä tai itsekorjausta ei merkittävästi lisää korjauskelvottomien virheiden riskiä, jotka voivat johtaa suunnittelemattomiin seisokkeihin. Itse asiassa muut alan toimijat ovat julkisesti ilmoittaneet, että muistin käsittely ei ilmoita korjattavissa olevista virheistä.

14G Intel PowerEdge BIOS -versioon 2.5.4 ja uudempiin lisättiin BIOS-asetus nimeltä "Correctable Error Logging", jotta asiakkaat voivat halutessaan poistaa korjattavissa olevien virheiden raportoinnin käytöstä, kuten monet ovat tehneet.  BIOS ajoittaa korjattavissa olevien kynnystapahtumien itsekorjauksen myös ilman kirjaamista. Tämä ajoitettu itsekorjaus tapahtuu automaattisesti seuraavan järjestelmän uudelleenkäynnistyksen yhteydessä.

Dell PowerEdgen BIOS-päivitykset muuttavat maaliskuusta 2022 alkaen Correctable Error Logging -BIOS-asetuksen oletusarvoisesti pois käytöstä, jotta ala ja jatkuva asiakaspalaute vastaavat paremmin toisiaan.  Tämä BIOS-vaihtoehto voidaan ottaa uudelleen käyttöön, jos asiakkaat haluavat edelleen nähdä korjattavissa olevat muistin kynnystapahtumat. Tämä BIOS-asetusten muutos sisältää seuraavat BIOS-versiot:

• 14G-Intel-alustat – BIOS-versio 2.13.3 tai uudempi
• 15G AMD -alustat – BIOS-versio 2.6.5 tai uudempi
• 15G-Intel-alustat – BIOS-versio 1.5.5 tai uudempi.

DDR4 DIMM -itsekorjauksen edut järjestelmän uudelleenkäynnistyksen yhteydessä:

• Mahdollistaa DDR4 DIMM -moduulin korjauksen poistamatta sitä järjestelmästä. Kaikki Dellin DDR4 DIMM -moduulit tukevat muistin itsekorjausta. Huomautus - 14G AMD PowerEdge -palvelimissa ei ole tätä itsekorjautuvaa ominaisuutta.
• Hyödyntää DRAM-muistiin suunniteltuja käytettävissä olevia vararivejä, joissa huono rivi korvataan pysyvästi hyväksi tiedetyllä rivillä sähköisellä sulakkeella.
• Seuraava muistin uudelleenkoulutus optimoi "datasilmät" kalibroimalla keskipisteet uudelleen sen varmistamiseksi, että muistiväylä toimii signaalin eheyden korkeimmalla tasolla.

Jos muistin kynnystapahtumat ovat korjattavissa ja BIOS on käytössä Correctable Error Logging -asetuksella, Dell suosittelee muistin kynnysarvon tapahtumien käynnistämistä uudelleen asiakkaan normaalin ylläpitoaikataulun mukaisesti, jotta ajoitettu muisti voi korjautua tai korjautua. Uudelleenkäynnistyksen jälkeen onnistuneita tai epäonnistuneita itsekorjaustapahtumia kirjataan liitetyille DIMM-moduuleille.

Kun BIOSin Correctable Error Logging -asetus on Disable, Dell suosittelee uudelleenkäynnistystä asiakkaan normaalin ylläpitoaikataulun mukaisesti. Uudelleenkäynnistyksen yhteydessä kaikki ajoitetut itsekorjaustoiminnot suoritetaan automaattisesti. Järjestelmä kirjaa tapahtuman (MEM0805- tai MEM7114-tyyppisen tapahtuman), jos itsekorjaus ei onnistunut, ja suosittelee lisäksi viallisen DIMM-moduulin fyysistä vaihtamista.

Suositus:
Dell EMC Memory Engineering suosittelee, että PowerEdge Server -asiakkaat, jotka käyttävät vanhempia BIOS-versioita (ennen maaliskuun lohkoa 2022 julkaistut BIOS-versiot), ottavat käyttöön Correctable Error Logging -asetuksen muuttamisen pois käytöstä. Tämä poistaa satunnaiset korjattavissa olevat muistikynnystapahtumat (kuten MEM0802- tai MEM5104 tyyppiset tapahtumat) koko palvelininfrastruktuurissa, jotka suosittelevat palvelimen uudelleenkäynnistystä itsekorjauksen tai itsekorjauksen mahdollistamiseksi. Kuten aiemmin mainittiin, kaikki ajoitetut itsekorjaus- tai itsekorjaustoiminnot suoritetaan automaattisesti, kun palvelin käynnistetään uudelleen, ja kaikista virheistä ilmoitetaan.
 

BIOSin Correctable Error Logging -asetusta voi muuttaa joko käynnistämällä palvelimen uudelleen F2-asetuksiin tai iDRAC-käyttöliittymässä.
 

BIOS-asetuksen muuttaminen F2-asetuksissa:

• Käynnistä palvelimet uudelleen pysähtyen F2-asetuksiin
• Muuta BIOS-asetukset -> Muistiasetukset -valinnassa "Korjattavissa olevien virheiden kirjaaminen" -asetukseksi pois käytöstä.
• Tallenna BIOS-asetukset ja poistu F2-asetuksista

BIOS-asetuksen muuttaminen iDRAC-käyttöliittymässä:

• Kirjaudu iDRAC-käyttöliittymään
• Laajenna Configuration -> BIOS Settings -kohdassa Memory Settings (Muistiasetukset)
• Vaihda Correctable Error Logging -asetukseksi disabled
• Tallenna muistiasetukset valitsemalla Apply-painike
• Ota BIOS-muutokset käyttöön valitsemalla joko Käytä ja käynnistä uudelleen -painike (käynnistääksesi heti uudelleen) tai Seuraava uudelleenkäynnistys -painike .

Nykyiset muistiin liittyvät tietämyskannan artikkelit ja tekniset raportit päivitetään vastaamaan tätä suositeltua muutosta.

HUOMAUTUS: Hyväksytty asiakkaille suunnattu viestintä on liitetty tiedostona tähän artikkeliin "Korjattavissa olevien virheilmoitusten hallinta joulukuu 2021 v1.pdf".

Tätä artikkelia päivitetään, kun uutta tietoa tulee saataville.