PowerEdge：CPU 机器检查错误

什么是 CPU 机器检查错误？

在 PowerEdge 服务器上，并利用使用标准 BIOS 和 iDRAC 固件的解决方案，机器检查将捕获到系统事件日志 （SEL） 中。
这些条目也反映在各种增强型错误消息计划 （EEMI） 事件代码下的 Lifecycle Controller 日志 （LCL） 中。

日志示例：

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.

了解 CPU 机器检查错误的原因

CPU 机器检查错误 （MCE） 有多种可能的原因，从硬件触发到软件触发。这些错误可归因于多种因素，包括：

• BIOS 固件或 CPU 微码
• 主板 CPLD 固件
• 内存错误
• PCIE 致命总线错误
• 作系统崩溃或软件和驱动程序故障（BSOD、PSOD 或内核死机）
• CPU 故障

硬件日志可用于检查 CPU 机器检查错误是否伴随其他组件错误，从而帮助确定可能的原因。

从内存错误触发的 CPU MCE 示例：

从严重总线错误触发的 CPU MCE 示例：

由作系统崩溃触发的 CPU MCE 示例：

一般指导

提出以下问题总是有帮助的：

• 系统最近是否发生过更改，例如硬件或配置的更新或更改？
• 附近的日志中是否存在可能比机器检查本身更有用的其他错误？
• 机器检查多久进行一次？这是一次性的吗？它可以很容易地复制吗？
• 是否涉及环境因素，例如特定工作负载或电源和散热场景？

固件和驱动程序

过时或不兼容的固件和驱动程序是最常见的机器检查罪魁祸首，因为它们协同工作以实施和控制设备行为。因此，在评估任何机器检查调查时，必须查看使用的版本。

在固件中，BIOS 更新至关重要：

• 大多数 BIOS 版本都包含相应处理器供应商提供的更新，其中许多更新包括机器检查的明确修复。
• 这些服务器的 UEFI 更新包括微码、参考代码和其他模块更新，这些模块更新控制功能，包括所有可靠性、可用性和可维护性 （RAS） 功能等。
• 同时，请勿忽略系统中的其他固件。
• 系统中的几乎任何设备都可能是罪魁祸首，包括极少数情况下的 iDRAC。 

识别和解决 CPU 机器检查错误

要识别 CPU 机器检查错误，首先直接从 IDRAC 检查硬件日志生命周期 （LC） 或系统事件日志 （SEL），或者收集 TSR 或 SupportAssist 收集以查看日志。

• PowerEdge：使用 iDRAC 导出 SupportAssist 收集
• PowerEdge：如何查看或清除系统事件日志
• IDRAC9 用户指南 - 从 Web 界面查看生命周期日志

查看 CPU MCE 错误之前是否有任何其他错误，以及这些错误是否是针对这些组件的故障处理的重点。

故障诊断步骤

• 更新所有可用固件并监视结果是否发生任何错误行为更改。
• 如果只有一个 CPU 显示错误，请交换 CPU 以确定错误是否跟随 CPU 进入另一个插槽。
• 如果 MCE 是由其他组件错误触发的，请将故障处理重点放在该组件上。
  • 使用 MCE 检查哪些组件由 CPU 控制。
  • 例如：如果是 CPU1 MCE，请检查由 CPU1 控制的所有转接卡和 PCIE 插槽以及这些插槽中安装的任何设备，以及 CPU1 端的内存，检查所有 A-DIMM 是否有错误。
  • 要验证哪个 CPU 控制每个转接卡或插槽，请参阅服务器 安装和服务手册 ，并查看 安装和卸下系统组件>、扩展卡和扩展卡转接卡>的扩展卡安装原则。
  • 有关确定哪个 CPU 控制转接卡或插槽的更多信息，请参阅：PowerEdge：PCIe 设备检测问题故障处理
• 若要排除与作系统相关的 MCE 触发器，请在作系统外部进行测试，以查看错误是否仍在作系统外部触发。
  • 运行 ePSA 诊断程序以查看测试期间是否触发了任何错误。
    • PowerEdge：如何在服务器上运行硬件诊断程序
  • 启动 Support Live Image （SLI） 介质以测试该作系统环境中是否生成错误。
    • PowerEdge：在 SLI 中运行压力测试 Support Live Image。

  在 Support Live Image 中运行压力测试

  持续时间：00：02：38 （hh：mm：ss）
  如果可用，可以使用此视频播放器上的 CC 图标选择隐藏式字幕（字幕）语言设置。