Solaris/OpenSolaris FMA和内存误报

Question

我们有+500台服务器，使用的是超级主板和金斯敦内存，我们通常会看到以下警告：

# fmdump  -v
TIME                 UUID                                 SUNW-MSG-ID
Oct 27 15:49:44.9379 108510ec-b4e1-c94b-dd9f-f7b2969a4725 INTEL-8001-94
  100%  fault.memory.intel.dimm_ce

        Problem in: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0/rank=1
           Affects: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0/rank=1
               FRU: hc://:product-id=X7DB8:chassis-id=0123456789:server-id=hostname:serial=180104092839051c6a:part=KINGSTON:revision=C1/motherboard=0/memory-controller=1/dram-channel=3/dimm=0
          Location: DIMM4A

我的问题是:当您在非Oracle硬件上运行时，这些错误是否可信？

我们几乎什么都试过了(除了不再使用这些组件之外)，但故障随机地又出现了(例如。更换dimm4a，几个月后dimm1b出现故障，更换所有内存和主板，几天后又出现另一个故障)。

我们替换的内存用memtest测试了几天，我们永远找不到问题。其他在Windows和Linux中使用相同硬件的团队没有看到它。索拉里斯是不是太敏感了？

现在，我们正在经历新一轮的记忆替换，但这正在成为一种痛苦。我们也找不到服务器的任何问题，它们一直工作得很好，但是随机出现的内存错误是可怕的。我们应该无视他们吗？

操作系统: OpenSolaris 2009.6 (b111)

Answer 1

我只能猜测，但从我所读到的情况来看，您正在经历的错误是由于在给定时间内超出了可纠正的ECC错误的数量所致。这当然是一个问题，应该加以解决。

但是，如果您的其他团队在这些框上运行windows，并且没有遇到任何问题，这可能是由于以下事实: windows只是纠正了可纠正的ECC错误，并在OpenSolaris或FMA发出警告时保持沉默。

它绝对不应被忽视。如果我是你，我会花时间进一步调查windows机器，如果有可能检查那些纠正的，可修正的ECC错误。