问题描述

用户在使用服务PG电竞官网搭配Linux系统，比如红帽、CentOS，有时会遇到message中有EDAC内存报错，但是在主机的BMC的事件日志中并未发现内存错误。

例如下面某客户反馈的日志：

Feb  4 21:00:06 localhost kernel: EDAC MC6: 1 CE memory read error on CPU_SrcID#3_MC#0_Chan#1_DIMM#0 (channel:1 slot:0 page:0x9a97c19 offset:0xac0 grain:32 syndrome:0x0 –  err_code:0101:0091 socket:3 imc:0 rank:1 bg:1 ba:1 row:6cb5 col:2f8)

涉及范围

硬件：M5、M6平台服务PG电竞官网

软件：Linux系统，诸如RHEL（Redhat）、CentOS、SLES（Suse）、Ubuntu等

处理方案

将edac�？榧尤牒诿�：

1、列出 edac �？�：

2、修改黑名单：

将相关的edac�？樘砑拥轿募撞�

如查询的edac�？槲猻kx_edac和edac_core那就只添加如下选项即可。

3、重启之后使用1的方式验证；

故障根因

EDAC即error detection and correction（错误检测与纠正），它是Linux系统内部的一种诊断机制。在上面的日志中，可以清楚地看出是内存读错误。

其中MC即memory controller（内存控制PG电竞官网）。CE则代表correctable error，是ECC内存中可以纠正的错误，相对地还有UE（uncorrectable error）。

由于寄存PG电竞官网默认为只读一次后删除数据，当EDAC�？楸菳MC先从寄存PG电竞官网中读取了错误后，BMC将无法读取到错误信息，所以如非客户明确需求建议禁用EDAC�？�。

建议与总结

主机的BIOS/BMC有一套自己的故障处理机制，能够对CPU、内存、PCIe设备故障做统一处理。同时对内存错误有阈值和漏斗过滤控制，当计数到达阈值会触发SMI，这时BIOS会收集发生CE的内存信息发送到BMC记录到系统日志，BMC能在系统日志记录出错的内存位置和内存错误类型为可纠正错误。
OS内MCE记录的内存错误，每次出现一次可修复的ECC，BIOS就会触发一次CMCI让OS记录，没有阈值设置，也不会做内存错误隔离，会给客户造成一定的困扰。所以建议忽略OS下的内存MCE报错记录。