VMware : Débogage de l’exception de vérification de la machine ESXi - Écran de diagnostic violet

Description:

Les serveurs ESXi peuvent s’arrêter avec un écran de diagnostic violet (PSOD) en raison d’erreurs d’exception de vérification de la machine (MCE). Les erreurs MCE sont dues à des problèmes matériels.

L’écran de diagnostic MCE violet affiche plusieurs éléments. Parmi ceux-ci, le MCi_STATUS register est utile pour déboguer le problème.

Détails de l’enregistrement :

• Le MCi_STATUS Le registre contient des informations sur l’erreur de vérification de la machine.
• Le registre s’affiche en regard de l’icône «S:» Comme illustré dans l’exemple ci-dessous :

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

Pour déboguer l’erreur, les 16 bits inférieurs de l’attribut MCi_STATUS sont importants. Ces bits indiquent une erreur simple ou composée.

Option 1 : Utilisation de l’outil automatique

Remarque : Vous pouvez maintenant déboguer l’erreur à l’aide de l’outil suivant qui automatise les étapes ci-dessous :
Lecteur d’erreurs VMware Purple Diagnostic Screen (PSOD)

1. Les erreurs simples sont rapides à déboguer

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. Erreurs combinées

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 - Balise de formulaire

0 – Normal Filtering
1 – Corrected Filtering

Le filtrage signifie qu’une partie ou la totalité des corrections ultérieures apportées à cette entrée dans cette structure ne sont pas publiées.

• TT : s’applique aux points 2 et 4 ci-dessus. 

Indique le type de transaction :

00 - Instruction
01 - Data
10 - Generic

• LL : s’applique aux points 1, 2, 4 et 5 ci-dessus. 

Cela indique le niveau de la hiérarchie de la mémoire où l’erreur s’est produite.

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 : indique le type d’action associé à l’erreur. Les actions sont les suivantes :

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) : décrit le rôle du processeur local dans l’erreur.

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 (Time-out) - 1 = expiration du délai de la demande.
• II (mémoire ou E/S)

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

• Erreurs de contrôleur de mémoire - Définies par les sous-champs MMM et CCCC ci-dessus
• MMM - Memory error

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 présentant l’erreur

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

1. Notez le MCi_STATUS enregistrer la valeur. Le voilà:

0xfe20004000011166.

2. Convertissez-le en binaire :

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

3. Prenez les 16 bits inférieurs de l’attribut MCi_STATUS registre:

0001 0001 0110 0110

Comparez-le avec les erreurs composées. Dans ce cas, il semble s’agir d’une erreur de hiérarchie de cache (type 4).

4. Appliquez les valeurs :

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

Conclusion :

• Il semble que l’écran de diagnostic violet se soit produit pendant qu’il y avait une opération de prérécupération sur certaines données dans le cache L2 du processeur.
• Il peut donc s’agir d’un problème avec le cache N2 sur le processeur.
• Par conséquent, vous devez d’abord remplacer le processeur, puis vérifier si le problème est résolu. Si le problème se reproduit, la carte mère peut être remplacée.