VMware：除錯 ESXi 機器檢查例外紫色診斷畫面

Description:

由於機器檢查異常 （MCE） 錯誤，ESXi 伺服器可能會停止並顯示紫色診斷畫面 （PSOD）。MCE 錯誤是由於硬體問題所導致。

MCE 紫色診斷畫面顯示多個項目。其中， MCi_STATUS 註冊在調試問題時很有用。

註冊詳情：

• 可使用 MCi_STATUS 註冊包含有關計算機檢查錯誤的資訊。
• 寄存器顯示在”S:」如下例所示：

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

要調試錯誤，低 16 位 MCi_STATUS 註冊很重要。這些位表示簡單或複合錯誤。

選項 1：使用自動工具

注意：您現在可以使用下列工具偵錯錯誤，該工具可自動執行下列步驟：
VMware 紫色診斷畫面 （PSOD） 錯誤讀取器

1. 簡單的錯誤可以快速除錯

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. 複合錯誤

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 - 表單旗標

0 – Normal Filtering
1 – Corrected Filtering

篩選意味著不會發佈此結構中對此條目的部分或全部後續更正。

• TT - 適用於上述 2 和 4。 

指示交易類型：

00 - Instruction
01 - Data
10 - Generic

• LL - 適用於上述 1、2、4 和 5。 

這表示記憶體階層中發生錯誤的層級。

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 - 指示與錯誤關聯的操作類型。這些動作包括：

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 （參與） - 描述本地處理器在錯誤中的作用。

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 （逾時） - 1 = 要求逾時。
• II （記憶體或 I/O）

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

• 記憶體控制器錯誤 - 由上述 MMM 和 CCCC 子欄位定義
• MMM - 記憶體錯誤

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 - 有錯誤的通道

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

1. 記下 MCi_STATUS 寄存器值。這是：

0xfe20004000011166.

2. 將其轉換為二進位：

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

3. 取 MCi_STATUS 登記：

0001 0001 0110 0110

將其與複合錯誤進行比較。在這種情況下，這似乎是緩存層次結構錯誤（類型 4）。

4. 套用值：

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

結論：

• 當處理器 L2 快取記憶體中的某些資料執行預先擷取作業時，似乎出現紫色診斷畫面。
• 因此，這可能是處理器上 L2 快取的問題。
• 因此，應先更換 CPU，然後再檢查問題是否已解決。如果問題再次出現，可以更換主機板。