Procedura su come confermare e risolvere gli errori DIMM su un server Cisco serie C

• Server Cisco serie C montati su rack (possono essere gestiti o meno da UCSM)

Sintomi

•  Gli avvisi verranno visualizzati in CIMC o UCSM, ad esempio:

F0184
F0185
F0137
F1236
F1237

• PSOD - Schermata viola di errore (su KVM o console dell host)

Soluzione

Raccolta dei
 
registriAcquisire i registri dal server interessato PRIMA di eseguire qualsiasi operazione di risoluzione dei problemi. È necessaria una baseline per determinare l'esito positivo delle procedure di risoluzione dei problemi.

I server rack serie C possono essere autonomi o gestiti da UCSM.  I passaggi per raccogliere ed esaminare i registri saranno leggermente diversi a seconda del tipo di registro.

• Autonomo.
• Gestito da UCSM - Selezionare "Rack Mount" anziché "chassis" o "ucsm" nel campo Options
• Se si dispone solo di registri CIMC, è possibile verificare che provengano da un server gestito da UCSM perché il nome del file conterrà CIMCXXX.  I file di registro si troveranno inoltre in una directory compressa denominata Server XX, anziché direttamente nella directory compressa principale.  In questo caso, saranno necessari anche i registri UCSM.

Se il server ha riscontrato un PSOD, acquisire uno screenshot del PSOD e raccogliere i registri di vSphere/host.

Analisi dei

log  Le principali differenze tra i log sono

• Ulteriori informazioni sono disponibili nel file di sam_techsupport UCSM per i server gestiti da UCSM.
• Posizione delle directory. (vedere la nota nella sezione Raccolta dei registri)

Percorsi dei registri utili nei registri UCSM e CIMC:

UCSM_X_TechSupport.tar\sam_techsupportinfo

• "show server inventory expand" (confermare il numero di serie del server e individuare il PID). Esempio:

Server 1:
     Modello: UCSC-C220-M4S
     Numero di serie (SN) riconosciuto: FCHXXXXXXXXXX
     Nome del prodotto riconosciuto: Cisco UCS C220 M4S
     PID riconosciuto: UCSC-C220-M4S

• 'show fault detail' (individuare i guasti associati) - Esempio:

Livello di gravità: Principali
Codice: F0844
Ora ultima transizione: 2017-05-23T12:40:40.774
Descrizione: DIMM DIMM_B2 sul server 24 operaState: disabilitato

• "show server memory detail" (individuare il PID del DIMM interessato): esempio:

Percorso: DIMM_A1
Nome del prodotto: DDR4 da 16 GB - 2400 MHz RDIMM/PC4-19200/single rank/x4/1,2 V
PID: UCS-MR-xxxxxxxx-A

Nota: la maggior parte di queste informazioni è disponibile in sam_techsupport per i server

gestiti da UCSM [ServerXX_TechSupport.tar]\tmp\ ServerXX_TechSupport.txt

• Area informazioni chassis

Individuare il numero di serie del server elencato come "Chassis Serial Number". Esempio seguente: 

====================[ Area informazioni chassis]======================
            Numero parte chassis : [74-XXXXX-02]
            Numero di serie chassis : [FCHXXXXXXXXX]

 

• Area della scheda

Trova il PID e il numero di serie della scheda madre. Esempio seguente: 

========================[ Area Consiglio]=========================
            Nome del prodotto della scheda : [UCSC-C240-Mxxxx]
            Numero di serie della scheda: [FCHXXXXXXXX]

 

• Dump della tabella SMBIOS BEGIN    

                Trovare il numero parte del modulo DIMM in Dispositivi di memoria\Localizzatore parte. Esempio seguente: 
                Nota: potrebbe non essere il PID Cisco, ma può essere correlato per trovarlo

Dispositivo di memoria
           Locator: DIMM_A1
           Numero di parte: 36ASxxxxxx-2G3B1

  Sezione Interrogazione di tutti i sensori IPMI:

Errori correggibili e non correggibili:
Nome sensore | Lettura | Unità | Stato | LNR | LC | LNC | UNC | UC | UNR (UNR)    
DDR4_P2_E1_ECC | 63250.000 | Errore | UNR | na | na | na | na | na | 60250.000 DDR4_P2_E2_ECC | 63750.000 | Errore | UNR | na | na | na | na | na | 60250.000
DDR4_P2_E3_ECC | 63250.000 | Errore | UNR | na | na | na | na | na | 60250.000

[ServerXX_TechSupport.tar]\var\log\sel\log

• Esaminare i registri per individuare eventuali errori ECC correggibili e non correggibili:

Memoria DDR4_P2_E2_ECC #0xb0 | leggere 512 errori ECC correggibili su CPU2 DIMM E2 | Affermato

• Esaminare i registri per verificare la presenza di eventuali CATERR_N ... Con assert | Voci asserted, un esempio è il seguente:

03/06/2017 20:02:12 | CIMC | Processore CATERR_N #0x70 | Errore predittivo asserito | Affermato

  Nota: è previsto un comportamento per vedere CATERR_N deasserted | Asserted nei log al momento dell'avvio [ServerXX_TechSupport.tar]\var\DIMM-BL_Status.txt

• Trovare il numero di errori correggibili/non correggibili per i DIMM interessati e copiare i campi pertinenti, un esempio è il seguente:

================== RIEPILOGO DEGLI ERRORI DIMM ===================
------- DIMM E2 ----------
  CONTEGGI DEGLI ERRORI DEGLI SLOT CORRENTI:
      Errori ECC correggibili dall'ultimo avvio del server: 0
      Conteggio errori ECC correggibili cumulativi: 2560
      Errori ECC non correggibili dall'ultimo avvio del server: 0
      Conteggio cumulativo degli errori ECC non correggibili: 3
   CONTEGGI DEGLI ERRORI DEGLI SLOT PRECEDENTI:
      Conteggio errori ECC correggibili: 0
      Conteggio errori ECC irreversibili: 0

[ServerXX_TechSupport.tar]\var\sel_decode.txt

• Gioco per gioco di entrate e falli di sel

eventLogMaxEntries: 1445
eventLogList: 
---
Id: 1440
Gravità: Critico
Datetime: 2017-03-10 00:57:17 
dateTimeOrder: 00005
Descrizione: "Evento sul software di sistema: Post sensore, socket DIMM 3, canale E, socket processore 2. Disabilitato a causa di un'altra memoria non riuscita nello stesso canale. [0xE542] è stato affermato"

Per i server standalone:

• tmp\tech_support.frupids

====== Dumping dei record FRU IPMI ======
Nome del prodotto: UCSC-C220-xxx
Numero di parte del prodotto: 74-xxxx-01
Versione prodotto: Un
 Numero di serie del prodotto: FCHxxxxxxxN: numero di serie del server

====== Dumping dei PID del catalogo di inventario ======
DIMMList: 
Name: DIMM_A1Description: 8 GB DDR3 - 1333 MHz RDIMM/PC3-10600/dual rank/1,35 V
PID: UCS-MR-1X082RX-A - PID DIMM

Post-analisi
Dopo aver eseguito l'analisi, assicurarsi che la Service Request sia aggiornata con il numero di serie corretto del server interessato e che nel database vengano ricercati eventuali RMA precedenti associati al blade in esame.  Se il modulo DIMM che mostra errori è stato sostituito di recente, la scheda madre potrebbe essere sospetta.

Aggiungere l'analisi alla Service Request.

Risoluzione dei problemi
 
logiciUna volta identificati gli errori, si tenterà di cancellarli tutti e si monitoreranno i contatori e la scheda degli errori in UCSM per verificare se persistono.
Accedere alla riga di comando del server.

Cancellare i contatori degli errori di memoria

server# ambito chassis
Server/Chassis # reset-ECC

Cancellare System Event Logs con i comandi riportati di seguito:

Server# scope sel
Server /sel # clear 
Questa operazione eliminerà l'intera selezione.
Continuare? [y|N]y

 Reimpostare il registro CIMC utilizzando i comandi riportati di seguito:

Server# ambito cimc
Server /cimc # registro ambito
Server /cimc/log # clear

Monitorare l'ambiente per 48 ore.
Se l'errore persiste, acquisire un nuovo set di registri UCS e dello chassis, confermare l'analisi, formulare un piano d'azione basato sulle prove e procedere alla sezione successiva.

Causa

• Generalmente, gli errori DIMM sono causati da un DIMM difettoso o, talvolta, da una scheda madre difettosa

Note

• None

Fare riferimento a questo video: