Data Domain: muistivirheiden vianmääritys

• DDOS luo muistiin liittyviä hälytyksiä, kuten:
  • DIMM-00001: Correctable ECC logging limit reached
  • DIMM-00002: Multibit uncorrectable ECC error
  • DIMM-00003: Memory card failure
  • ENVIRONMENT-00009: Correctable ECC errors exceed threshold
  • ENVIRONMENT-00013: Uncorrectable ECC error detected
  • ENVIRONMENT-00044: Memory riser fault detected
  • MEM-00001: DIMM failure detected; DDFS will not start
  • MEM-00002: Memory size below configured value
• iDRAC System Event Log (SEL) -raportit
  • MEM0802: The memory health monitor feature has detected a degradation in the DIMM installed in DIMM [slot number]. Reboot system to initiate self-heal process.
• Korjaamattomien muistivirheiden aiheuttama järjestelmän uudelleenkäynnistys
• DDFS ei käynnisty tai sitä ei voi ottaa käyttöön
• Järjestelmä siirtyy down -tilaan muistilaitteistovian vuoksi
• Muut hälytykset voivat peittää muistiongelmat (esimerkiksi suorittimen laitetarkistusvirheen)

• Data Domain DIMM -moduulit käyttävät muistivirheiden tunnistamiseen ja korjaamiseen ECC (Error Correcting Code) -koodia.
• Korjattavissa olevia virheitä kertyy ja ne antavat hälytyksiä, kun kynnysarvot ylittyvät.
• Korjauskelvottomat virheet ilmaisevat laitteistovian ja voivat aiheuttaa järjestelmän epävakautta tai uudelleenkäynnistyksen.
• DIMM-moduulin tai muistinostimen vikaantuminen vähentää käytettävissä olevaa muistia ja saattaa estää DDFS:n käynnistymisen.

DIMM-hälytys – Uudelleenkäynnistyspäätösopas

BIOS Post Package Repair (PPR-DDR4 Self-healing) -ominaisuus voi korjata vioittuneet muistisolut uudelleenkäynnistyksen yhteydessä.

Uudelleenkäynnistyspäätöksen ohjeet:

Kriittiset varoitukset:

• Älä irrota tai vaihda DIMM-moduulia ennen uudelleenkäynnistystä. PPR edellyttää, että alkuperäinen DIMM-moduuli on asennettu.
• Järjestelmä voi käynnistyä automaattisesti uudelleen useammin kuin kerran itsekorjauksen aikana. Tämä on normaalia.
• Jos itsekorjaus onnistuu, DIMM-moduulia ei tarvitse vaihtaa.
• Jos hälytys jatkuu uudelleenkäynnistyksen jälkeen tai eskaloituu MEM0001, ota yhteys Dellin tukeen.

Normaalit vianmääritys- ja ratkaisuvaiheet

1. Käynnistä Data Domain -järjestelmä uudelleen (PowerEdge-ympäristöissä) PPR:n käynnistämiseksi.
2. Tunnista viallinen komponentti (DIMM, CPU tai emolevy) hälytysten ja diagnostiikan avulla.
3. Vertaa järjestelmän nykyistä tilaa aiempaan AutoSupport-tilannevedokseen (ennen hälytystä).
4. Suorita seuraavat DD CLI -komennot:

   alerts show current
   system show meminfo
   enclosure show memory
   log view debug/messages.engineering
   

5. Vahvista laitteistovika suorittamalla DDOS Hardware Healthcheck .
6. Suorita fyysisiä tarkastuksia:
   • Aseta DIMM-moduuli uudelleen tukevasti paikalleen
   • Vaihda toimivaksi tiedettyyn DIMM-moduuliin eristystestausta varten
7. Vaihda viallinen osa diagnostiikkatulosten perusteella.
8. Jos järjestelmä ei käynnisty:
   • Poista tarpeettomat laitteistot
   • Käynnistys minimaalisella kokoonpanolla (yksi DIMM-moduuli paikassa 0)
9. Kerää tukipaketti ja avaa tarvittaessa palvelupyyntö.
   • Seuraavassa videossa näytetään, miten tukipaketti kerätään: Kerää tukipaketti (edellyttää kirjaudusta ulkoiseen linkkiin)

Resurssit:

• PowerProtect- ja Data Domain Hardware Documentation Guide -oppaassa on tärkeitä tietoja DIMM-kokoonpanosta ja -asettelusta.
• järjestelmän muistivaatimukset ja laajennettujen tallennustilojen kokoonpanot
• Video: Tukipaketin kerääminen (edellyttää ulkoista linkkiä – kirjautuminen vaaditaan)