RH5485光通路诊断板MEM告警处理

关键过程、根本原因分析

关键过程：

1. 首先检查内存系统的故障类型。

   假设其中一块内存卡有告警，连同卡上的内存条一起，更换内存卡的槽位。若故障现象跟随内存卡，则说明内存卡或者内存存在物理故障；若故障现象不跟随内存卡，则说明内存或者内存卡没有物理故障。

2. 若内存或者内存卡没有物理故障，则改变内存卡上的内存配置。

   假设告警的内存卡上原配4条内存，可减少或者增加内存条；或者服务器原配内存卡超过2块，则可以减少或者增加内存卡。在内存配置更改后，重新启动服务器。此时，系统会重新计算服务器的能耗等参数，再做一次内存校验，并激活原先被Disable掉的内存，使告警消失。告警消失后，恢复原来的内存配置即可。

3. 若内存或者内存卡存在物理故障，则继续定位。
   • 当内存错误指示灯成对点亮时，比如，当DIMM1和DIMM8的Error LED被点亮时，可以交换DIMM1和DIMM3：

• 若交换后，只有DIMM3 Error LED被点亮 ，则说明原来的DIMM1，也就是交换后在DIMM3上的内存条故障。
• 若交换后，还是DIMM1和DIMM8上的Error LED点亮，则再交换DIMM6和DIMM8。若交换后，只有DIMM6 Error LED被点亮，则说明原来的DIMM8，也就是交换后在DIMM6上的内存条故障。
• 若再次交换后，还是DIMM1和DIMM8的Error LED被点亮，则可排除内存条本身的问题，需要更换内存卡。
  • 当内存错误灯单个点亮时，比如，当DIMM1 Error LED被点亮时，可以交换DIMM1和DIMM3 ：
• 若交换后，只有DIMM3 Error LED被点亮，说明原来的DIMM1，交换后，在DIMM3上的内存条故障。
• 若交换后，还是DIMM1 Error LED被点亮，则可排除内存条本身的问题，需要更换内存卡。

结论、解决方案及效果

解决方案：

• 对物理损坏的内存卡，申请备件更换。
• 对非物理损坏的内存卡，常见解决方法如下：
  • 可以更改内存配置（改变内存卡或者内存卡上的内存数量），使服务器在重启时，重新计算用电情况，并重新做一次内存校验，使能被禁用的内存槽位。
  • 可以卸下主板CMOS电池，复位系统时钟，再重新装上电池。系统重启时也会重新做一次内存校验，使能被禁用的内存槽位。
  • IBM在2011年Q2的固件中修正内存不能在UEFI中Enable的问题。在最新的固件中，UEFI提供了Enable内存的选项，而不用再去拆卸主板CMOS电池。
• 还有一种很少见的内存告警现象，是由内存条的兼容性问题导致。在这一情景中，内存系统无物理故障，但存在内存告警，且告警现象会跟随告警的内存卡（带内存）。此时，可以将内存卡上的内存条顺序打乱重插即可消除告警。

经验总结、预防措施和规范建议

内存或内存卡物理故障的机率比较小，多数内存告警是由于接触不良等导致内存自检时出现校验错误，系统自动禁用相关槽位的内存条所致。