当配备ECC内存的
Linux机器识别内存故障时,如何收到通知？我对可纠正和无法纠正的错误感兴趣.
>如果将消息写入dmesg / syslog,这已经很好了,但我很想知道要查找什么
>安装额外的守护进程(如硬盘驱动器的smartmontools)是可以接受的
> Nagios / Icinga监控将是另一种方式
>并非所有要监控的计算机都具有IPMI
感兴趣的系统有Supermicro板(X9SCM-F),关于HP N54L微处理器,我只是好奇,但不要太在意.所有系统都运行Debian或Ubuntu Linux.
解决方法
Linux kernel supports一些芯片组的错误检测和纠正(
EDAC)功能.在支持的
ECC系统上,可以通过sysfs访问内存控制器的状态：
/sys/devices/system/edac/mc
该位置下的目录树应与您的硬件相对应,例如：
/sys/devices/system/edac/mc/mc0/csrow2/power /sys/devices/system/edac/mc/mc0/csrow0/power /sys/devices/system/edac/mc/mc0/dimm2/power /sys/devices/system/edac/mc/mc0/dimm0/power /sys/devices/system/edac/mc/mc1/power ...
根据您的硬件,您可能必须明确加载正确的edac驱动程序,参见：
find /lib/modules/$(uname -r) -name '*edac*'
edac-utils package提供了一个命令行前端和一个用于访问该数据的库,例如：
edac-util -rfull mc0:csrow0:mc#0memory#0:CE:0 mc0:csrow2:mc#0memory#2:CE:0 mc0:noinfo:all:UE:0 mc0:noinfo:all:CE:0 mc1:noinfo:all:UE:0 mc1:noinfo:all:CE:0
您可以设置某种定期调用eac-util的cron-job,并将结果提供给监控系统,然后您可以在其中配置一些通知.
除此之外,运行mcelog通常是一个好主意.取决于系统,但不可纠正/可纠正的ECC错误也可能被报告为机器检查异常(MCE).我的意思是,即使由于温度较高而短暂的cpu节流也被报告为MCE.
