Avamar: Hardware Gen4T: Erros relacionados à memória

A suspeita de problemas de memória pode ser confirmada pelo seguinte:

O log do sistema (/var/log/messages) relata os seguintes erros de memória: 

grep -i "mcelog.*error:" /var/log/messages

[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:27:08 test-ava-03 mcelog: Running trigger `socket-memory-error-trigger'
[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:27:40 test-ava-03 mcelog: Running trigger `page-error-trigger'
[log-messages:109]  ERROR: <0001> kernel error: Jan 17 13:31:53 test-ava-03 mcelog: SOCKET Fallback Socket memory error count 6474 exceeded threshold: 776460088 in 24h
...
[log-messages:109]  ERROR: <0001> kernel error: Jan 18 00:05:03 test-ava-03 mcelog: Corrected memory errors on page 6f58f8000 exceed threshold 10 in 24h: 10 in 24h
[log-messages:109]  <0007> kernel info: Jan 18 00:05:04 test-ava-03 kernel: [7199506.363919] mce_notify_irq: 6232 callbacks suppressed
[log-messages:109]  ERROR: <0001> kernel error: Jan 18 00:05:04 test-ava-03 kernel: [7199506.363925] [Hardware Error]: Machine check events logged

O comando ipmitool não relata nenhum erro nos bancos DIMM (quatro DIMMs como dois bancos):

ipmitool sdr entity 32 

DIMM_Bank0       | 30h | ok  | 32.0 | 23 degrees C
DIMM_Bank1       | 31h | ok  | 32.1 | 24 degrees C
DIMM_Bank2       | 32h | ns  | 32.2 | No Reading
DIMM_Bank3       | 33h | ns  | 32.3 | No Reading

O comando dmesg A saída mostra sinais de corrupção de memória:

dmesg |grep -i "memory corruption" 

[7689715.473298] mce_notify_irq: 7109 callbacks suppressed
[7689715.473303] [Hardware Error]: Machine check events logged
[7689715.481284] [Hardware Error]: Machine check events logged
[7689723.508392] soft_offline: 0x812b4f: unknown non LRU page type 20000000000100
[7689723.514500] get_any_page: 0x4360d9: unknown zero refcount page type 20000000000000
[7689728.554720] MCE: Killing sudo:18667 due to hardware memory corruption fault at 7f732745a750
[7689728.559849] MCE: Killing sudo:18676 due to hardware memory corruption fault at 7feabc119750
[7689728.564050] MCE: Killing sudo:18678 due to hardware memory corruption fault at 7fe3f0b37750 

Todos os módulos de memória estão on-line:

cat /sys/devices/system/memory/*/state |grep -v online

Consultar mcelog Nos dias subsequentes mostra um número crescente de erros de memória corrigidos:<

Dia 1:

mcelog --client

Memory errors
SOCKET 0 CHANNEL any DIMM any
corrected memory errors:
        9 total
        9 in 24h
uncorrected memory errors:
        0 total
        0 in 24h 

Dia 2:

mcelog --client

Memory errors
SOCKET 0 CHANNEL any DIMM any
corrected memory errors:
        30 total
        21 in 24h
uncorrected memory errors:
        0 total
        0 in 24h 

Consultando o controlador usando o arcconf O comando pode relatar um erro de barramento:

arcconf getconfig 1 

Bus error 

Isso indica uma falha preditiva de um DIMM.
 

Entre em contato com o suporte do Avamar da DELL Technologies para investigar esse problema por meio da criação de um chamado. Mencione esta KB no SR