Servery 14. generace Intel a 15. generace Intel / AMD PowerEdge: Paměť DDR4: Správa opravitelných chyb překročení prahových hodnot

Prostřednictvím vývoje funkcí RAS (spolehlivost, dostupnost a servisovatelnost) v pamětech podnikové třídy zaujala společnost Dell konzervativní přístup k zasílání zpráv o chybách, aby byla zajištěna transparentnost pro naše zákazníky. Spolu s tímto vývojem se mění i přístup společnosti Dell k zasílání zpráv o chybách, který umožňuje zaměřit se na oznámení, která vyžadují naléhavější reakci, oproti oznámením, která mají primárně informativní charakter.

Vzhledem k tomu, že se geometrie pamětí na bázi DRAM stále zmenšují a poskytují zákazníkům vyšší požadovaný výkon, očekává se, že přirozenou součástí jednotného škálování bude rostoucí počet opravitelných chyb.

V celosvětovém serverovém odvětví stále více převládá názor, který sdílí i společnost Dell, že určité opravitelné chyby u každého modulu DIMM jsou nevyhnutelné a nevyžadují výměnu paměťového modulu nebo dokonce okamžitý restart pro zahájení samostatné opravy.

Pokračování v provozu systému hlásícího opravitelné chyby bez restartování do režimu Self-Heal významně nezvyšuje riziko výskytu neopravitelných chyb, které mohou vést k neplánovaným prostojům. Ve skutečnosti jiní v oboru veřejně sdělili, že jejich manipulace s pamětí nehlásí opravitelné chyby.

V systému BIOS pro servery Intel PowerEdge 14G verze 2.5.4 a novějších bylo přidáno nastavení systému BIOS s názvem "Correctable Error Logging", které zákazníkům umožňuje zakázat opravitelné chybové zpravodaje, pokud se tak rozhodnou – a mnoho z nich to udělalo.  Systém BIOS bude i nadále plánovat automatické opravy opravitelných prahových událostí i bez protokolování. Tato naplánovaná samooprava proběhne automaticky během následného restartování systému.

Aby bylo možné lépe reagovat na situaci v odvětví a na základě zpětné vazby od zákazníků, aktualizace systému BIOS společnosti Dell PowerEdge změní od března 2022 výchozí nastavení systému BIOS "Correctable Error Logging" na zakázané.  Tuto možnost systému BIOS lze znovu povolit pro zákazníky, kteří chtějí i nadále zobrazovat opravitelné události limitu paměti. Verze systému BIOS, které zahrnují tuto změnu nastavení systému BIOS, jsou:

• Platformy Intel 14G – BIOS verze 2.13.3 nebo novější
• Platformy AMD 15G – BIOS verze 2.6.5 nebo novější
• Platformy Intel 15G – BIOS verze 1.5.5 nebo novější.

Výhody automatické obnovy DDR4 DIMM po restartu systému:

• Povolí opravu modulu DIMM DDR4 bez odebrání ze systému. Všechny moduly DDR4 DIMM od společnosti Dell podporují funkci cache self-heal. Poznámka – Servery PowerEdge 14G AMD tuto funkci samostatné opravy nemají.
• Využívá dostupné náhradní řádky navržené do paměti DRAM, kde je chybná řada trvale nahrazena známou funkční řadou elektrickým jištěním.
• Následné přeškolení paměti optimalizuje "datové oči" rekalibrací středových bodů, aby bylo zajištěno, že paměťová sběrnice pracuje na nejvyšší úrovni integrity signálu.

Pokud dojde k událostem prahové hodnoty paměti s povoleným nastavením "Correctable Error Logging" v systému BIOS, společnost Dell doporučuje restartovat počítač podle plánu pravidelné údržby zákazníka, aby bylo možné provést naplánovanou automatickou opravu nebo opravu paměti. Po restartování se u souvisejících modulů DIMM zaprotokolují úspěšné nebo neúspěšné události samostatné opravy.

Vzhledem k tomu, že nastavení systému BIOS "Correctable Error Logging" je vyřešeno, společnost Dell doporučuje restartovat systém podle plánu pravidelné údržby zákazníka. Po restartování se automaticky spustí všechny naplánované samoopravné operace. Pokud byla operace samostatného zotavení / korekce neúspěšná, systém zaznamená událost (události typu MEM0805 nebo MEM7114) a dále doporučí fyzicky vyměnit dotčený modul DIMM.

Doporučení:
Technické oddělení pamětí společnosti Dell EMC doporučuje zákazníkům serverů PowerEdge se staršími verzemi systému BIOS (před vydáním systému BIOS z březnového bloku 2022) změnit nastavení systému BIOS "Correctable Error Logging" na hodnotu Disabled. Tím se eliminují občasné opravitelné události prahu paměti (například události typu MEM0802 nebo MEM5104) v infrastruktuře serveru, které doporučují restartování serveru, aby bylo možné provést samostatnou opravu nebo opravu. Jak již bylo zmíněno dříve, všechny naplánované operace automatické opravy a nápravy se spustí automaticky při restartování serveru a budou hlášeny všechny chyby.
 

Nastavení systému BIOS "Correctable Error Logging" lze změnit restartováním serveru do nastavení F2 nebo pomocí grafického uživatelského rozhraní řadiče iDRAC.
 

Změna nastavení systému BIOS pomocí nabídky Nastavení F2:

• Restartujte servery a zastavte se na nastavení F2.
• Ve výběrové volbě BIOS Settings –> Memory Settings změňte nastavení "Correctable Error Logging" na hodnotu Disabled.
• Uložte nastavení systému BIOS a ukončete nastavení klávesy F2.

Změna nastavení systému BIOS pomocí grafického uživatelského rozhraní řadiče iDRAC:

• Přihlaste se do grafického uživatelského rozhraní řadiče iDRAC.
• V části Configuration -> BIOS Settings rozbalte část Memory Settings.
• Změňte nastavení "Protokolování opravitelné chyby" na hodnotu zakázáno.
• Kliknutím na tlačítko Apply uložíte nastavení paměti.
• Nezapomeňte vybrat tlačítko Apply and Reboot (pro okamžitý restart) nebo At Next Reboot pro použití změn systému BIOS.

Stávající články znalostní databáze a dokumenty whitepaper související s pamětí budou aktualizovány tak, aby odrážely tuto doporučenou změnu.

POZNÁMKA: Schválené zprávy pro zákazníky jsou připojeny jako soubor k tomuto článku – "Správa opravitelných oznámení o chybách, prosinec 2021 v1.pdf".

Tento článek bude aktualizován, jakmile budou k dispozici nové informace.