请教高手关于E3500的问题

有熊氏

一台E3500，在/var/adm/messages中有\r\n\r\nApr 25 14:49:12 DB-TS.he.cn unix: ^MSunOS Release 5.7 Version Generic_106541-16 64-bit [UNIX(R) System V Release 4.0]\r\nApr 25 14:49:12 DB-TS.he.cn unix: Copyright (c) 1983-1999, Sun Microsystems, Inc.\r\nApr 25 14:49:12 DB-TS.he.cn unix: Ethernet address = 8:0:20:c9:b9:10\r\nApr 25 14:49:12 DB-TS.he.cn unix: WARNING: forceload of drv/atf failed\r\nApr 25 14:49:12 DB-TS.he.cn unix: NOTICE: DR Kernel Cage is DISABLED\r\nApr 25 14:49:12 DB-TS.he.cn unix: mem = 8388608K (0x200000000)\r\nApr 25 14:49:12 DB-TS.he.cn unix: avail mem = 8259010560\r\n\r\n请教一下forceload of drv/atf failed是什么意思，由什么引起的？\r\n这个DR Kernel Cage is DISABLED标是什么意思？\r\n\r\n\r\n这个E3500共有8个CPU，其中cpu报错信息是：\r\nWARNING: [AFT1] Uncorrectable Memory Error on CPU11 Data access at TL=0, errID 0x000083fd.a8bf2dba\r\nWARNING: [AFT1] errID 0x000083fd.a8bf2dba Syndrome 0x3 indicates that this may not be a memory module problem\r\n[AFT1] errID 0x000083fd.a8bf2dba UE Error(s)\r\n\r\n用worm作负载，用vts监测了21小时无任何错误，然后将其余的都进行监测，每个都至少pass了一次。\r\n\r\n今天发现系统自动进入ok，显示信息有：\r\nseetop_self:return from prom_stop_self\r\nFast Data Access MMU Miss\r\n\r\n请问是cpu问题还是主板问题？用什么方法可以证实一下？\r\n\r\n在这里先谢谢了！

Philmoon

WARNING: [AFT1] Uncorrectable Memory Error on CPU11 Data access at TL=0, errID 0x000083fd.a8bf2dba \r\nFast Data Access MMU Miss \r\n\r\n从这两条看，应该是CPU对内存访问上有问题，估计是CPU11那块板上。可以取下那块板子再继续检测一段时间。\r\n\r\nforceload和DR信息都与此无关。

有熊氏

谢谢Philmoon \r\n\r\ncpu14也报过同样的信息，我当时将其余cpu停止运行，让cpu10,cpu11,cpu14,cpu15运行，第2天发现进入ok了。\r\n\r\n现在我停止了昨天的cpu，让没运行的再运行一天看结果。\r\n\r\n对于这个现象我分析不出来原因（实力也不是那个档次的，呵呵），在此请各位高手不惜赐教。

nimysun

这种问题，我遇到N多，大部分不是硬件问题，而是CPU散热问题。所以建议你改善机器的散热环境。再者CPU坏一个也不会当机的，你说呢？

有熊氏

谢谢nimysun，cpu的散热问题我确实没有考虑到。\r\n\r\n不过cpu发生了数据错误以至产生panic，系统会重启的。

nimysun

你查查auto-boot?参数是true or false?\r\n我对我维护的服务器做了个比较，容易出问题的机器，CPU问题一般偏高。\r\n正常温度在30~40度。\r\n此外E4500这种平放着的IO板对这个灰尘是比较容易接收的，如果跑的时间太长的服务，难免会导致IO板上堆满灰尘。\r\n而E3500就不会如此。我想E3500卖的比E4500贵的原因应该有这么一点缘故吧。\r\n温度的查看。你可以通过这个命令得到：\r\n/usr/platform/sun4u/sbin/prtdiag -v|more

helixor

1. 请教一下forceload of drv/atf failed是什么意思，由什么引起的？\r\n没有关系\r\n\r\n2。 这个DR Kernel Cage is DISABLED标是什么意思？\r\nOS的内核分布在多个系统板上。\r\n\r\n3。 WARNING: [AFT1] Uncorrectable Memory Error on CPU11 Data access at TL=0, errID 0x000083fd.a8bf2dba\r\nWARNING: [AFT1] errID 0x000083fd.a8bf2dba Syndrome 0x3 indicates that this may not be a memory module problem\r\n[AFT1] errID 0x000083fd.a8bf2dba UE Error(s) \r\n\r\n建议升级kernel patch

有熊氏

nimysun，刚刚查了，最高温度是41，运行状态stable  ：）\r\n\r\n谢谢helixor，你的意思是不是硬件引起的故障，而是系统板本过低的原因吗？\r\n记得有人说系统一旦运行起来做服务后就不要再打patch了，这样很容易导致系统崩溃，那kernel patch就是没办法打上去了，对吗？

wyycn

用volume manager把root也给做备份了。你就尽管弄好了

nimysun

forceload\r\n那是加载根分区的警告信息，不用管它，所有的系统都这样子。\r\n软件raid嘛.