Correctable ECC Error の対応方法

[Akiyoshi Kawaguchi]

【症状】

UCSMで以下のようなFaultイベントが発生した時、CIMCのログを確認してみると、DIMMでCorrectable ECC Errorが発生していることがあります。　

Severity: Minor
Code: F0184
Description: DIMM A2 on server X/Y operability: degraded
Name: Memory Unit Degraded
Cause: Equipment Degraded

Correctable ECC Errorの発生は、DIMMから読み出したデータで検知されたSingle Bit Errorを、修復したことを意味しています。
そのため、Correctable ECC Errorが発生しても、OSへ正常なデータが渡されているため、OSの動作に影響はありません。
注意点としては、読み出したデータは修復されますが、読み出し元のDIMM上のデータは修復されません。
従いまして、問題のデータが別のデータで上書きされるか、サーバの再起動でDIMM上のデータをクリアするまで、該当箇所を読み込む度にCorrectable ECC Errorとして出力されることがあります。

【対応方法】

- UCS M3サーバ以降の場合

M3サーバ以降では、メモリのスクラブ機能がデフォルトで有効になっています。この機能により、Correctable ECC Errorは以前よりも積極的に訂正されるようになっています。

この状況でFaultイベントが発生した場合は、ハードウェア的な問題が原因でCorrectable ECC Errorが発生している可能性があります。交換対応するかJapan TACにSRをオープンしてください。

- UCSM 2.2(1)、もしくは CIMC 1.5(2) 以降の場合

UCSM 2.2(1)、もしくはCIMC 1.5(2)以降の場合、上記のFaultイベントが発生するための閾値が大きく変更されています。
この状況でFaultイベントが発生した場合は、ハードウェア的な問題が原因で長期間に渡ってCorrectable ECC Errorが発生していることが考えられるため、交換対応するかJapan TACにSRをオープンしてください。
Faultイベントが発生する前であれば、様子見していただくか、次項の対応方法を実施してください。

- 上記よりも前のバージョンの場合

Correctable ECC Error 発生時の対応方法ですが、OSの動作に影響はないため、無視して頂いても問題ありません。
明示的に対応する場合は、以下の手順を実施してください。

1. OSの再起動
2. UCSMでDIMMのカウンタリセット
3. CIMCのリセット（手順2実施後もエラーが消えない場合）

手順2も3も、OSへの動作に影響はありません。
直ぐにOSの再起動が実施できない場合は、まずは手順2と3をお試しください。
その後も、エラーが発生し続ける場合は、保守期間にOSの再起動を実施して、再度手順2と3も実施してください。

[DIMMのカウンタリセット方法]

1. UCSMへアクセス。
2. Chassis > Chassis x > Servers > Server y をクリック。
3a. 右画面の General タブで、Reset All Memory Errors をクリック。
     （このメニューは UCSM 2.2 の比較的新しいバージョンから実装されています。このメニューがない場合は、3b に進んでください。）
4a. ポップアップウィンドウで Yes をクリック。
5a. 内部的にCIMCのDIMMカウンタリセットも行われるので、この後のCIMCのリセットは実施する必要はありません。

3b. （UCSM 2.2の初期、もしくはそれ以前のバージョン）
      右画面で Inventory > Memory で対象のDIMM_xxのメモリをダブルクリック。
4b. ポップアップするメモリの詳細を表示している別ウィンドウで、Reset Memory Errorsをクリック。

[CIMCのリセット方法]

1. UCSMへアクセス。
2. Chassis > Chassis x > Servers > Server y をクリック。
3. 右画面のGeneralタブの中のRecover Serverをクリック。
4. ポップアップする別ウィンドウで、Reset CIMCをクリック。

- Standalone C-Seriesの場合

基本的には、B-Seriesの場合と同様の対応となります。

1. OSの再起動
2. CIMCのリセット

CIMCのリセットは、OSの動作に影響しません。
OSの再起動が直ぐにできない場合は、CIMCのリセットをまずは行ってみてください。その後も、エラーが発生し続ける場合は、保守期間にOSの再起動を実施して、CIMCのリセットも実施してください。

[CIMCのリセット方法]

1. CIMCへアクセス。
2. Admin > Utilities でReboot CIMCをクリック。

[Akiyoshi Kawaguchi]

メモリのスクラブ機能について追記しました。