VMware: Fejlfinding af ESXi-maskinkontrolundtagelse Lilla diagnosticeringsskærm

Beskrivelse:

ESXi-servere kan stoppe med en lilla diagnostisk skærm (PSOD) pga. MCE-fejl (Machine Check Exception). MCE-fejl skyldes hardwareproblemer.

Skærmbilledet til diagnosticering af MCE lilla viser flere elementer. Ud af disse har MCi_STATUS Registrer er nyttigt til fejlfinding af problemet.

Oplysninger om tilmelding:

• Ikonet MCi_STATUS Register består af oplysninger om maskinkontrolfejlen.
• Registret vises ved siden af "S:" Som vist i eksemplet nedenfor:

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

For at fejlfinde fejlen vil de lave 16 bit i MCi_STATUS Registrer er vigtige. Disse bits indikerer en simpel eller sammensat fejl.

Mulighed 1: Brug af automatisk værktøj

Bemærk: Du kan nu fejlfinde fejlen med følgende værktøj, der automatiserer nedenstående trin:
VMware Purple Diagnostic Screen (PSOD) fejllæser

1. Enkle fejl er hurtige at fejlfinde

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. Sammensatte fejl

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 – Formularflag

0 – Normal Filtering
1 – Corrected Filtering

Filtrering betyder, at nogle eller alle de efterfølgende rettelser til denne post i denne struktur ikke bogføres.

• TT - Gælder for 2 og 4 ovenfor. 

Angiver transaktionstype:

00 - Instruction
01 - Data
10 - Generic

• LL - Gælder for 1, 2, 4 og 5 ovenfor. 

Dette angiver det niveau i hukommelseshierarkiet, hvor fejlen opstod.

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 - Angiver den type handling, der er knyttet til fejlen. Foranstaltningerne er:

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 (deltagelse) - Beskriver den lokale processors rolle i fejlen.

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 (timeout) - 1 = Anmodning fik timeout.
• II (hukommelse eller I/O)

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

• Hukommelsescontrollerfejl – defineret af MMM- og CCCC-underfelter ovenfor
• MMM – hukommelsesfejl

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 fejlen

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

1. Skriv MCi_STATUS registrere værdi. Her er det:

0xfe20004000011166.

2. Konverter det til binært:

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

3. Tag de nederste 16 bit af MCi_STATUS Registrer:

0001 0001 0110 0110

Sammenlign det med de sammensatte fejl. I dette tilfælde ser det ud til at være en cachehierarkifejl (type 4).

4. Anvend værdierne:

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

Konklusion:

• Det ser ud til, at den lilla diagnostiske skærm opstod, mens der var en prefetch-handling på nogle data i processorens L2-cache.
• Dette kan således være et problem med L2-cachen på processoren.
• Derfor skal CPU'en udskiftes først og derefter kontrollere, om problemet er løst. Hvis problemet opstår igen, kan bundkortet udskiftes.