PowerEdge. Ошибки машинного контроля ЦП

Что такое ошибки CPU Machine Check?

На серверах PowerEdge и решениях, использующих стандартные версии BIOS и микропрограммы iDRAC, проверки компьютеров записываются в журнал системных событий (SEL).
Эти записи также отражаются в журнале контроллера жизненного цикла (LCL) под различными кодами событий Enhanced Error Message Initiative (EEMI).

Примеры журналов:

2022-10-22 22:12:35    506    CPU9000    An OEM diagnostic event occurred.
2022-10-22 22:12:34    505    CPU9000    An OEM diagnostic event occurred.
2022-10-22 22:12:33    504    CPU9000    An OEM diagnostic event occurred.
2022-10-22 22:12:31    503    CPU0704    CPU 2 machine check error detected.
2022-10-22 22:12:31    502    UEFI0078   One or more Machine Check errors occurred in the previous boot.

2025-05-21 03:42:32    320    CPU9000    An OEM diagnostic event occurred.
2025-05-21 03:42:30    319    CPU0704    CPU 1 machine check error detected.
2025-05-21 03:42:29    318    PST0090    A problem was detected related to the previous server boot.
2025-05-21 03:42:29    317    UEFI0078   One or more Machine Check errors occurred in the previous boot.

2021-09-02 16:02:18    712    UEFI0078   One or more Machine Check errors occurred in the previous boot.
2021-09-02 16:02:18    711    CPU0000    Internal error has occurred check for additional logs.

Общие сведения о причинах ошибок машинной проверки ЦП

Ошибки машинного контроля ЦП (MCE) могут быть вызваны различными причинами, начиная от аппаратных и заканчивая программными триггерами. Эти ошибки могут быть связаны с различными факторами, в том числе:

• Микрокод микропрограммы BIOS или ЦП
• Микропрограмма CPLD системной платы
• Ошибки памяти
• Неустранимые ошибки шины PCIe
• Сбой ОС или сбои программного обеспечения и драйвера (BSOD, PSOD или сбой ядра)
• Сбои ЦП

Журналы оборудования можно использовать для определения возможных причин, проверяя, сопровождаются ли ошибки других компонентов, сопровождающие ошибки машинного контроля ЦП.

Пример MCE ЦП, вызванных ошибкой памяти:

Пример CPU MCE, вызванной неустранимой ошибкой шины:

Пример MCE ЦП, вызванной сбоем ОС:

Общие рекомендации

Всегда полезно задать себе следующие вопросы:

• Происходили ли в системе недавние изменения, например обновления оборудования, изменения конфигурации?
• Есть ли другие ошибки в журналах поблизости, которые могут быть более информативными, чем сама проверка машины?
• Как часто происходит проверка машины? Был ли это единичный случай? Можно ли его легко воспроизвести?
• Существуют ли какие-либо факторы среды, такие как конкретные рабочие нагрузки или сценарии, связанные с питанием и охлаждением?

Микропрограмма и драйверы

Устаревшие или несовместимые микропрограммы и драйверы являются одними из самых распространенных виновников машинных проверок, поскольку они работают вместе для реализации и управления поведением устройства. Поэтому очень важно рассмотреть версии, используемые в рамках оценки любого расследования проверки машины.

Среди микропрограмм критически важными являются обновления BIOS:

• Большинство выпусков BIOS включают обновления, предоставляемые соответствующим поставщиком процессора, многие из которых содержат явные исправления для машинных проверок.
• Эти обновления UEFI для серверов включают обновления микрокода, ссылочного кода и других модулей, которые управляют функциональностью, включая все функции надежности, доступности и удобства обслуживания (RAS).
• В то же время не забывайте о других микропрограммах в системе.
• Виновником может быть практически любое устройство в системе, в том числе в редких случаях iDRAC. 

Выявление и устранение ошибок машинной проверки ЦП

Чтобы выявить ошибки проверки компьютера ЦП, начните с проверки журналов жизненного цикла оборудования (LC) или журнала системных событий (SEL) непосредственно из iDRAC или соберите TSR или коллекцию SupportAssist для просмотра журналов.

• PowerEdge. Экспорт коллекции SupportAssist с помощью iDRAC
• PowerEdge. Просмотр и очистка журнала системных событий
• Руководство пользователя iDRAC9 — просмотр журнала жизненного цикла с помощью веб-интерфейса

Проверьте, не предшествуют ли ошибкам MCE ЦП другие ошибки, и направлены ли они на поиск и устранение неисправностей этих компонентов.

Действия по устранению неисправностей

• Обновляйте все доступные микропрограммы и отслеживайте результаты на предмет любых изменений в поведении при ошибках.
• Если ошибки отображаются только в одном ЦП, поменяйте местами ЦП, чтобы определить, следует ли ошибка за ЦП в другой разъем.
• Если MCE вызвана ошибкой другого компонента, сосредоточьте поиск и устранение неисправностей на этом компоненте.
  • Проверьте, какие компоненты управляются ЦП с помощью MCE.
  • Пример. Если это MCE CPU1, проверьте все переходники и слоты PCIe, которые управляются CPU1, и все устройства, установленные в этих слотах, а также память на стороне CPU1, проверьте все A-DIMM на наличие ошибок.
  • Чтобы узнать, какой процессор управляет каждым переходником или разъемом, см. Руководство по установке и обслуживанию серверов в разделе Установка и извлечение компонентов> системы Платы расширения и переходники> плат расширения Инструкции по установке плат расширения.
  • Дополнительные сведения о том, как определить, какой процессор управляет переходниками или разъемами, см. в разделе: PowerEdge. Поиск и устранение неисправностей при обнаружении устройств PCIe
• Чтобы исключить триггеры MCE, связанные с ОС, выполните проверку вне ОС, чтобы определить, по-прежнему ли ошибки запускаются за пределами ОС.
  • Запустите диагностику ePSA, чтобы проверить, не возникают ли во время тестов ошибки.
    • PowerEdge. Как запустить диагностику оборудования на сервере
  • Загрузите носитель Support Live Image (SLI), чтобы проверить, не возникают ли ошибки в этой среде ОС.
    • PowerEdge. Проведение стресс-тестов в SLI поддерживает Live Image.

  Запуск стресс-тестов в службе поддержки Live Image

  Продолжительность: 00:02:38 (чч:мм:сс)При
  наличии языковых настроек субтитров можно выбрать с помощью значка CC в этом видеопроигрывателе.