板載故障記錄原理解析

OBFL基線(xiàn)記錄的創(chuàng )建獨立于任何電路板故障。OBFL系統應一直保持一個(gè)初始基線(xiàn)記錄和至少一個(gè)近期基線(xiàn)記錄。在完成對OBFL的系統現場(chǎng)配置、首次成功將電路板件投入使用之后，就會(huì )立即生成初始基線(xiàn)。首次創(chuàng )建近期基線(xiàn)記錄的時(shí)候，將使用初始基線(xiàn)記錄。創(chuàng )建近期基線(xiàn)記錄的目的，是為了獲取OBFL資源的近期值。隨后每次成功的電路板復位都會(huì )創(chuàng )建后續的基線(xiàn)。OBFL還會(huì )要求提供存檔的舊基線(xiàn)。任何穩定的基線(xiàn)都會(huì )被標注為“優(yōu)良”基線(xiàn)，并在故障排查過(guò)程中用作參考基線(xiàn)。如果沒(méi)有優(yōu)良基線(xiàn)記錄，初級基線(xiàn)記錄將用作參考基線(xiàn)。

基線(xiàn)記錄將獲取特定的軟硬件配置詳情，并存儲在非易失性存儲器中?；€(xiàn)記錄的硬件部分包括電路板配置數據詳情，如機架編號、電路板件的插槽號、序列號、子卡標識詳情、FPGA和ASIC修訂號等。該部分還應該存儲諸如SRAM/SDRAM/DDR這樣的板載存儲器類(lèi)型、序列號和配置詳細信息。BIOS版本、固件版本、OS詳情和應用軟件版本應存儲在軟件基線(xiàn)記錄下。該記錄在縮小由近期軟硬件升級造成的電路板故障范圍時(shí)非常有用。

基線(xiàn)記錄的第三部分存儲電路板環(huán)境變量值。任一存儲的電路板環(huán)境變量都存放有近期的“N”個(gè)值，最大實(shí)際值和電路板環(huán)境變量的最低允許值。環(huán)境變量包括電路板電源部分參數，如電壓、電流以及來(lái)自電路板上一個(gè)或者多個(gè)感應器的溫度讀數。

電路板環(huán)境變量的值定期采集、存儲為近期值，并同最大允許值進(jìn)行比較。如果采集的值大于最大允許值，將采用當前的時(shí)間戳更新環(huán)境錯誤事件（Environment Error Event）記錄。此外，電路板一般有多個(gè)電壓源和溫度感應器。溫度應定期記錄（比如每隔30分鐘），而電壓數據可以不需這么頻繁（比如每隔60分鐘）。

事件記錄

OBFL事件記錄負責存儲由板載存儲器故障、系統復位、意外事件、中斷錯誤或者電路板環(huán)境錯誤導致的硬件故障事件跡象（如電路板崩潰）。OBFL事件記錄可以分為下列幾類(lèi)：

存儲錯誤：通常，SDRAM或者DDR錯誤分為可糾正的錯誤和不可糾正的致命錯誤兩種?？杉m正錯誤可以通過(guò)存儲器中的其他硬件邏輯來(lái)查找并糾正單比特ECC錯誤來(lái)加以糾正。雖然這種錯誤不具有致命性，但它會(huì )給系統性能造成一定影響，因此記錄這種事件有助于排除系統性能錯誤。此外，記錄可糾正錯誤還可以就將來(lái)可能出現的致命錯誤提出告警。對于屬于不可糾正致命錯誤的多比特存儲錯誤，在事件日志中應該登記錯誤地址位置、預計數據和其他存儲詳細信息。