Hva er DDR4-selvreparasjon på Dell PowerEdge-servere med skalerbare Intel Xeon-prosessorer?

Det finnes kontinuerlige forbedringer og forbedringer av Dell PowerEdge BIOS for å forbedre meldinger om minnehendelser, feilhåndtering og "selvreparasjon" som oppstår når en server startes på nytt. Dette forhindrer behovet for et planlagt vedlikeholdsvindu eller tilstedeværelse på stedet for å erstatte en DDR4-minne-DIMM som logget feilhendelser.

Det finnes to hovedminnerelaterte, «selvreparerende» BIOS-forbedringer som ble implementert for PowerEdge-servere med DDR4 som kjører BIOS versjon 2.1.x og nyere. Disse utvidelsene endrer de anbefalte trinnene eller handlingene som skal utføres hvis minnehendelser oppstår og logges i LifeCycle-loggen.

1. Forbedringer for gjenopplæring av minne

Gjenopplæring av minnet, som skjer under oppstart (tidlig i konfigureringstrinnene for minnet), optimaliserer signaltidsberegningen og margineringen for hvert DIMM/spor for best mulig tilgang. Tidsberegning for minnesignal og margineringsegenskaper for en DIMM kan endres over tid av flere forskjellige årsaker:

• Endringer i konfigurasjonen av serverminnet
• BIOS-endringer (minnereferansekode – MRC)
• Ulike driftstemperaturer for serveren eller DIMM
• Den generelle alderen til DIMM-en

Når BIOS-oppdateringer eller minnekonfigurasjonsendringer ble oppdaget tidligere, førte det til ny opplæring av minnet under den etterfølgende oppstarten. Fra og med BIOS 2.1. x ble ytterligere «utløsere» for minnefeil som kunne korrigeres og ikke korrigeres, lagt til for planlagt ny opplæring:

Warning - MEM0701 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0702 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0005 - "Persistent correctable memory error limit reached for a memory device at location XX."

Hvis noen av disse feilene loggføres i SEL-/LifeCycle-loggene, fører det til at det planlegges gjenopplæring av minnet ved neste omstart (varm eller kald). BIOS tvinger automatisk en kald omstart uansett hva som startes.

Critical - MEM0001 - "Multi-bit memory errors detected on memory device at location DIMM_XX."

Denne flerbitsfeilen kan føre til at serveren starter på nytt på grunn av en uopprettelig feil hvis operativsystemet ikke klarer å håndtere den feilen. Minnegjenopplæring skjer automatisk under denne oppstarten. Hvis flerbitfeilen oppstår på en ikke-kritisk minneplassering som dette operativsystemet kan håndtere, må en omstart planlegges.

Gjenopplæring av minne under POST kan selvreparere den sviktende DIMM-en og tilhørende spor ved å optimere signaltidsberegningen og margineringen. En DIMM-erstatning for disse feilene er ikke nødvendig, med mindre ny opplæring av minnet mislykkes (UEFI0106) under oppstart eller de samme feilene vedvarer.
 

2. Post Package Repair (PPR)

Den andre "selvhelbredende" minneforbedringen er PPR. PPR reparerer en sviktende minneplassering ved å deaktivere plasseringen eller adressen i maskinvarelaget, slik at en ledig minnerad kan brukes i stedet. Det nøyaktige antallet ledige minnerader avhenger av DRAM-enheten og DIMM-størrelsen.

Tidligere var denne funksjonen begrenset til produksjonsprosessen. I likhet med forbedringene for gjenopplæring av minnet som er nevnt tidligere, er det visse korrigerbare minnefeil som fører til at PPR planlegges på et bestemt DIMM-spor for neste omstart (varm eller kald). BIOS tvinger automatisk en kald omstart uansett hva som startes. Ettersom PPR-operasjonen er planlagt for et bestemt DIMM-spor, må du IKKE endre DIMM-sporplasseringene før PPR-operasjonen er kjørt. Eksempler på feil:

Warning - MEM0701- "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0702 - "Correctable memory error rate exceeded for DIMM_XX."
Critical - MEM0005 - "Persistent correctable memory error limit reached for a memory device at location XX."

Alle disse hendelsene i loggene vil føre til at PPR planlegges for neste omstart (varm eller kald) tidlig i fasen med konfigurering av minne.

Etter omstarten må du kontrollere at PPR-operasjonen var vellykket. Et eksempel på en vellykket PPR-operasjon ligner på:

MEM9060 - "The Post Package Repair operation is successfully completed on the Dual In-line Memory Module (DIMM) device that was failing earlier."

UEFI0278 - "Unable to complete the Post Package Repair (PPR) operation because of an issue in the DIMM memory slot X."

En nylig publisert rapport (versjon 1.0) som beskriver minnerelaterte funksjoner for Dell PowerEdge-server (RAS) er nå tilgjengelig, og beskriver de ulike RAS-funksjonene og -egenskapene som er tilgjengelige på PowerEdge-servere – minnefeil og Dell EMC PowerEdge YX4X-serverminne-RAS-funksjoner.

Oppdatert April 24, 2020

Dell fortsetter å forbedre våre "selvhelbredende"-evner. Følgende del inneholder oppdateringer og forbedringer som er knyttet til de ulike BIOS-versjonene.

BIOS 2.1.x – første artikkelpublisering av selvreparasjonsfunksjonene som er tilgjengelige fra og med BIOS 2.1.6 og nyere, inkludert eksempelfeilmeldinger og anbefalte handlinger.

BIOS 2.4.x og nyere endringer (desember 2019)

• MEM0702 (Korrigerbar feilfrekvens overskredet...) – meldingen er oppdatert fra en kritisk til advarsel. Med anbefalte handlinger oppdatert for å starte serveren på nytt slik at "selvreparasjon" kan utføres – for eksempel Post Package Repair.
  • Desember 2019 eller nyere iDRAC installeres også for å få den oppdaterte meldingen
  • Anbefalt handling: Start serveren på nytt for å tillate PPR å kjøre
• MEM9060 – Meldingsbeskrivelsen er oppdatert for å angi at selvreparasjon er fullført

BIOS 2.5.x og nyere endringer (februar 2020)

• BIOS-alternativet "Korrigerbar feillogging" ble lagt til, slik at kundene kan deaktivere all logging av livssyklus/SEL relatert til korrigerbare feil. Alle funksjonene for "selvreparasjon" fortsetter å fungere – PPR og gjenopplæring av minne er for eksempel fortsatt planlagt og kjører under neste omstart (tidlig i prosessen med å konfigurere minnet).
• Tillegg av MEM08xx-feil for RDIMM-er og LRDIMM-er som erstatter eksisterende feilmeldinger og handlinger. Eksisterende feilmeldinger brukes fortsatt for plattformer som ikke støtter funksjonene for selvreparasjon.
  • Februar 2020 eller nyere iDRAC kreves for å logge de nye meldingene.

• MEM0802 – Erstattet MEM0702 – korrigerbar feilrate er overskredet
  • Anbefalt handling: Start serveren på nytt slik at PPR kan kjøre. Bekreft at PPR var vellykket (MEM0802)
• MEM0804 – Erstattet MEM9060 som indikerer at PPR var vellykket. Inkluderer nå plassering av DIMM-spor som kjørte PPR
  • Anbefalt handling: Ingen. Denne hendelsen angir at "selvhelbredelse" har oppstått. Ingen DIMM-erstatning er nødvendig.
• MEM0805 – Erstattet UEFI0278 som indikerer at PPR mislyktes
  • Anbefalt handling: Bytt ut DIMM som svikter

Oppdatert juli 10, 2020

BIOS 2.7.x og nyere endringer (blokk-BIOS fra juli 2020 – målrettet i midten av juli for nettpublisering)

• MEM8000 (korrigerbar feillogging deaktivert) – Fra og med BIOS ~2.0.x har Dell-teknikerne gjort en BIOS-endring for å forbedre antallet korrigerbare feiloppdaginger som kan påvirke ytelsen. Denne endringen førte til en økning i MEM8000 hendelser som ikke ble underbygget av resultatene fra DIMM-feilanalysen. Fra og med BIOS 2.7.x er det to endringer relatert til MEM8000. Den første er at signalisering av den MEM8000 hendelsen er endret. Deretter planlegger BIOS selvreparasjon (PPR) for neste omstart. iDRAC-meldinger er ennå ikke oppdatert for å gjenspeile de nye handlingene.
  • Anbefalt handling: Start serveren på nytt for å tillate selvreparasjon/PPR å kjøre. Bekreft at PPR var vellykket (MEM0804).
• MEM0001 (feil som ikke kan rettes opp) – Resulterer i selvreparasjon (PPR) som skal planlegges til neste omstart. iDRAC-meldinger er ennå ikke oppdatert for å gjenspeile de nye handlingene.
  • Anbefalt handling: Ingen nødvendig hvis MEM0001 er knyttet til en kritisk side som operativsystemet ikke kan gjenopprette – Det er fortsatt en uopprettelig feil som fører til omstart. Hvis MEM0001 er knyttet til en ikke-kritisk side som operativsystemet kan gjenopprettes fra, må det planlegges en omstart før all selvreparasjon (PPR) skal utføres. Bekreft at PPR var vellykket (MEM0804).

OPPDATERT Januar 13, 2021

BIOS 2.8.2 og nyere endringer (blokk-BIOS fra september 2020)

• MEM9072 (feil som ikke kan rettes opp i minnepatruljeskrubbprosessen – siden er ikke brukt eller i bruk) – resulterer i selvreparasjon (PPR) som skal planlegges til neste omstart.  iDRAC-meldinger er ennå ikke oppdatert for å gjenspeile de nye handlingene.
  • Anbefalt handling: Planlegg en omstart snart. Hvis du forsinker omstarten, kan det føre til at siden blir brukt, noe som resulterer i en MEM0001 feil som kan føre til omstart.  Selvreparasjon av minne (PPR) kjører under omstarten. Bekreft at PPR var vellykket (MEM0804).

Ytterligere RAS-funksjonsforbedringer blir evaluert med tanke på å bli inkludert i fremtidige BIOS-oppdateringer.

Denne artikkelen vil bli oppdatert etter hvert som ny informasjon blir tilgjengelig.

Les også: Veiledning for feilsøking av minne ved byttetesting – Feilsøke minnefeil på PowerEdge-systemer ved byttetesting

Nedlastinger og drivere: Drivere og nedlastinger | Dell USA