主页 / server / 问题 / 56739
Accepted
Andriy Volkov
Asked: 2009-08-21 08:56:17 +0800 CST

如何知道服务器是否由于内存错误而失败

  • 772

我最近阅读了@codinghorror 推特的这篇论文，我想知道我怎么知道我的服务器由于内存错误而失败？特别是，我如何知道它是可纠正的还是不可纠正的错误以及它发生在哪个 DIMM 上？

memory ecc

4 个回答

  1. Best Answer

    SNMP 陷阱/消息是获得有关内存/DIMM 错误的主动通知的最佳选择。HP Systems Insight Manager、HP OpenView 和 Dell OpenManage 等产品提供了多个可配置规则，可将 SNMP 消息转发到电子邮件/短信/寻呼机，让您准确了解内存错误或降级发生的时间。

    • 2

  2. 如果您的服务器很好，它有一个 BIOS 和 BMC 组合，可以跟踪这些错误并将它们记录在 IPMI 中，以便您查看它们。通常，您的服务器会因无法纠正的 ECC 错误而停止，BIOS 会在 SMI 中断中接管并将其记录在 BMC 中。然后它恢复到操作系统的操作，这比正常重启更好（有时可以杀死一个进程并继续）。IPMI SEL 日志应该是 ECC 错误的标志。

    如果您的服务器没有良好的 BMC/BIOS，您可以诉诸使用加载的崩溃内核，主机内核将跳转到该内核，它可以记录完整的堆栈跟踪和 dmesg 日志以供稍后查看以获取此信息。它将以粗体字母“HARDWARE ERROR”记录在崩溃内核的 dmesg 中。

    • 1

  3. 只需使用 memtest！它会准确告诉您哪个 DIMM 有问题。http://www.memtest86.com/

    • 0

  4. 检查服务器自己的诊断。正如您所告诉我们的那样，关于服务器的任何事情都没有我能给出的详细答案。

    • 0

相关问题