VMware: Depuración de PSOD de ESXi MCE

Es posible que los servidores ESXi se detengan con una pantalla de diagnóstico (PSOD) púrpura debido a errores de excepción de comprobación de máquina (MCE). Los errores de MCE se deben a problemas de hardware.

En la pantalla de diagnóstico de MCE de color púrpura, se muestran varios elementos. De estos, el MCi_STATUS register es útil para depurar el problema.

Detalles del registro:

• La variable MCi_STATUS El registro consta de información sobre el error de comprobación de la máquina.
• El registro se muestra junto a la tarjeta "S:" Como se muestra en el siguiente ejemplo:

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

Bits y su significado:

Para depurar el error, los 16 bits inferiores del MCi_STATUS registrarse son importantes. Estos bits indican un error simple o compuesto.

Opción 1: Uso de la herramienta automática

Nota: Ahora puede depurar el error con la siguiente herramienta que automatiza los pasos que se indican a continuación:
Lector de errores de la pantalla de diagnóstico púrpura de VMware (PSOD)

Opción 2: Uso de pasos manuales

1. Los errores simples se depuran rápidamente

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. Errores compuestos

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 - Marca de forma

0 – Normal Filtering
1 – Corrected Filtering

El filtrado significa que algunas o todas las correcciones posteriores a esta entrada en esta estructura no se publican.

• TT: se aplica a los puntos 2 y 4 anteriores. 

Indica el tipo de transacción:

00 - Instruction
01 - Data
10 - Generic

• LL: se aplica a los puntos 1, 2, 4 y 5 anteriores. 

Esto indica el nivel en la jerarquía de memoria en el que se produjo el error.

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 el tipo de acción asociada con el error. Las acciones son:

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 (participación): describe la función del procesador local en el error.

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 (tiempo de espera agotado) - 1 = tiempo de espera agotado de la solicitud.
• II (memoria o I/O)

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

• Errores de la controladora de memoria: definidos por los subcampos MMM y CCCC anteriores
• MMM: error de memoria

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 con el error

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

A continuación, se muestra un ejemplo de cómo analizar una captura de pantalla de diagnóstico de MCE Morado:

1. Anota el MCi_STATUS Registrar valor. Aquí está:

0xfe20004000011166.

2. Conviértalo en binario:

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

3. Tome los 16 bits inferiores del MCi_STATUS Registro:

0001 0001 0110 0110

Compáralo con los errores compuestos. En este caso, parece ser un error de jerarquía de caché (tipo 4).

4. Aplique los valores:

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

Conclusión:

• Parece que la pantalla de diagnóstico de color púrpura se produjo mientras se realizaba una operación de captura previa en algunos datos en la caché L2 del procesador.
• Por lo tanto, esto podría ser un problema con la caché L2 en el procesador.
• Por lo tanto, primero se debe reemplazar la CPU y, a continuación, comprobar si el problema se ha resuelto. En caso de que el problema vuelva a surgir, se podría reemplazar la placa base.