Avamar: Gen4T-laitteisto: Muistivirheet

Summary: Tässä artikkelissa tarkastellaan Avamar Gen4T -solmujen ilmoittamia muistivirheitä.

This article applies to This article does not apply to This article is not tied to any specific product. Not all product versions are identified in this article.
Check out other resources

Symptoms

Epäillyt muistiongelmat voidaan vahvistaa seuraavasti:

 

Järjestelmäloki (/var/log/messages) ilmoittaa seuraavista muistivirheistä: 

grep -i "mcelog.*error:" /var/log/messages
[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:27:08 test-ava-03 mcelog: Running trigger `socket-memory-error-trigger'
[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:27:40 test-ava-03 mcelog: Running trigger `page-error-trigger'
[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:31:53 test-ava-03 mcelog: SOCKET Fallback Socket memory error count 6474 exceeded threshold: 776460088 in 24h
...
[log-messages:109]  ERROR: <0001> kernel error: Jan 18 00:05:03 test-ava-03 mcelog: Corrected memory errors on page 6f58f8000 exceed threshold 10 in 24h: 10 in 24h
[log-messages:109]  <0007> kernel info: Jan 18 00:05:04 test-ava-03 kernel: [7199506.363919] mce_notify_irq: 6232 callbacks suppressed
[log-messages:109]  ERROR: <0001> kernel error: Jan 18 00:05:04 test-ava-03 kernel: [7199506.363925] [Hardware Error]: Machine check events logged
 

pikanäppäimellä ipmitool Komento ei ilmoita virheitä DIMM-pankeissa (neljä DIMM-moduulia kahtena pankkina):

ipmitool sdr entity 32 
DIMM_Bank0       | 30h | ok  | 32.0 | 23 degrees C
DIMM_Bank1       | 31h | ok  | 32.1 | 24 degrees C
DIMM_Bank2       | 32h | ns  | 32.2 | No Reading
DIMM_Bank3       | 33h | ns  | 32.3 | No Reading
 

pikanäppäimellä dmesg Tulosteessa näkyy merkkejä muistin vioittumisesta:

dmesg |grep -i "memory corruption" 
[7689715.473298] mce_notify_irq: 7109 callbacks suppressed
[7689715.473303] [Hardware Error]: Machine check events logged
[7689715.481284] [Hardware Error]: Machine check events logged
[7689723.508392] soft_offline: 0x812b4f: unknown non LRU page type 20000000000100
[7689723.514500] get_any_page: 0x4360d9: unknown zero refcount page type 20000000000000
[7689728.554720] MCE: Killing sudo:18667 due to hardware memory corruption fault at 7f732745a750
[7689728.559849] MCE: Killing sudo:18676 due to hardware memory corruption fault at 7feabc119750
[7689728.564050] MCE: Killing sudo:18678 due to hardware memory corruption fault at 7fe3f0b37750
 

Kaikki muistimoduulit ovat online-tilassa:

cat /sys/devices/system/memory/*/state |grep -v online
Huomautus: Tämän komennon ei pitäisi palauttaa mitään tulosta.
 
 

Kyseltäessä mcelog seuraavina päivinä näkyy yhä enemmän korjattuja muistivirheitä:<

Päivä 1:

mcelog --client
Memory errors
SOCKET 0 CHANNEL any DIMM any
corrected memory errors:
        9 total
        9 in 24h
uncorrected memory errors:
        0 total
        0 in 24h

Päivä 2:

mcelog --client
Memory errors
SOCKET 0 CHANNEL any DIMM any
corrected memory errors:
        30 total
        21 in 24h
uncorrected memory errors:
        0 total
        0 in 24h
 

Kyselyn tekeminen ohjaimelle käyttämällä arcconf Komento voi ilmoittaa väylävirheestä:

arcconf getconfig 1 
Bus error

Cause

Tämä tarkoittaa DIMM-moduulin ennakoivaa vikaantumista.
 

Resolution

Pyydä DELL Technologiesin Avamar-tukea tutkimaan ongelmaa tarkemmin luomalla palvelupyyntö. Viite tästä tietämyskannan artikkelista palvelupyynnössä
 

Affected Products

Avamar

Products

Avamar, Avamar Data Store Gen4T, Avamar Server
Article Properties
Article Number: 000063609
Article Type: Solution
Last Modified: 01 May 2025
Version:  5
Find answers to your questions from other Dell users
Support Services
Check if your device is covered by Support Services.