VMware: Depurando a exceção de verificação de máquina do ESXi - Tela roxa de diagnóstico

Descrição:

Os servidores ESXi podem parar com uma PSOD (tela de diagnóstico roxa) devido a erros de MCE (Machine Check Exception). Os erros de MCE ocorrem devido a problemas de hardware.

A tela de diagnóstico roxa do MCE exibe vários itens. Destes, o MCi_STATUS O registro é útil para depurar o problema.

Detalhes do registro:

• O comando MCi_STATUS O registro consiste em informações sobre o erro de verificação da máquina.
• O registro é exibido ao lado do "S:" Como mostrado no exemplo abaixo:

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

Para depurar o erro, os 16 bits do MCi_STATUS cadastro são importantes. Esses bits indicam um erro simples ou composto.

Opção 1: Usando a ferramenta automática

Nota: Agora você pode depurar o erro com a seguinte ferramenta que automatiza as etapas abaixo:
VMware Purple Diagnostic Screen (PSOD) Error Reader

1. Erros simples são rápidos de depurar

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. Erros compostos

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 - Sinalizador do formulário

0 – Normal Filtering
1 – Corrected Filtering

A filtragem significa que algumas ou todas as correções subsequentes a essa entrada nessa estrutura não são lançadas.

• TT - Aplica-se a 2 e 4 acima. 

Indica o tipo de transação:

00 - Instruction
01 - Data
10 - Generic

• LL - Aplica-se a 1, 2, 4 e 5 acima. 

Isso indica o nível na hierarquia de memória em que o erro ocorreu.

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 - Indica o tipo de ação associado ao erro. As ações são:

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 (Participation) - Descreve a função do processador local no erro.

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 (tempo de espera excedido) - 1 = tempo limite da solicitação excedido.
• II (memória ou E/S)

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

• Erros do controlador de memória - definidos pelos subcampos MMM e CCCC acima
• MMM - Erro de memória

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 - Canal com o erro

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

1. Anote o MCi_STATUS valor do registro. Aqui está:

0xfe20004000011166.

2. Converta-o em binário:

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

3. Pegue os 16 bits inferiores do MCi_STATUS Registro:

0001 0001 0110 0110

Compare-o com os erros compostos. Nesse caso, parece ser um erro de hierarquia de cache (tipo 4).

4. Aplique os valores:

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

Conclusão:

• Parece que a tela de diagnóstico roxa ocorreu enquanto havia uma operação de pré-busca em alguns dados no cache L2 do processador.
• Portanto, isso pode ser um problema com o cache L2 no processador.
• Portanto, a CPU deve ser substituída primeiro e, em seguida, verifique se o problema foi resolvido. Caso o problema ocorra novamente, a placa-mãe pode ser substituída.