VMware: Feilsøking ESXi-maskinkontrollunntak Lilla diagnoseskjerm

Beskrivelse:

ESXi-servere kan stoppe med lilla diagnoseskjerm (PSOD) på grunn av MCE-feil (Machine Check Exception). MCE-feil skyldes maskinvareproblemer.

MCE-diagnostikkskjermen i lilla format viser flere elementer. Av disse er MCi_STATUS register er nyttig i feilsøking av problemet.

Registrer detaljer:

• Informasjonen i MCi_STATUS Registeret består av informasjon om maskinkontrollfeilen.
• Registeret vises ved siden av "S:" Som vist i eksemplet nedenfor:

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

For å feilsøke feilen, den lave 16 biter av MCi_STATUS Registrering er viktig. Disse bitene indikerer en enkel eller sammensatt feil.

Alternativ 1: Bruke automatiske verktøy

Merk: Du kan nå feilsøke feilen med følgende verktøy som automatiserer trinnene nedenfor:
Feilleser for VMware Purple Diagnostic Screen (PSOD)

1. Enkle feil er raske å feilsøke

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 feil

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 - Skjemaflagg

0 – Normal Filtering
1 – Corrected Filtering

Filtrering betyr at noen av eller alle de påfølgende rettelsene i denne oppføringen i denne strukturen ikke posteres.

• TT - Gjelder 2 og 4 ovenfor. 

Angir type transaksjon:

00 - Instruction
01 - Data
10 - Generic

• LL - Gjelder 1, 2, 4 og 5 ovenfor. 

Dette angir nivået i minnehierarkiet der feilen oppstod.

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 – angir handlingstypen som er knyttet til feilen. Handlingene 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 (deltakelse) – beskriver rollen til den lokale prosessoren i feilen.

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 (Time-out) – 1 = Forespørselen ble tidsavbrutt.
• II (minne eller I/O)

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

• Minnekontrollerfeil – definert av MMM- og CCCC-underfeltene ovenfor
• MMM – minnefeil

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 feilen

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

1. Skriv ned MCi_STATUS Registrer verdi. Her er det:

0xfe20004000011166.

2. Konverter den til binær:

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

3. Ta de nederste 16 bitene av MCi_STATUS Registrering:

0001 0001 0110 0110

Sammenlign det med sammensatte feil. I dette tilfellet ser dette ut til å være en cache-hierarkifeil (type 4).

4. Bruk verdiene:

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

Konklusjon:

• Det ser ut til at den lilla diagnoseskjermen oppstod mens det var en forhåndshentingsoperasjon på noen data i L2-hurtigbufferen til prosessoren.
• Dermed kan dette være et problem med L2-hurtigbufferen på prosessoren.
• Derfor bør CPU byttes ut først og deretter sjekke om problemet er løst. I tilfelle problemet kommer opp igjen, kan hovedkortet byttes ut.