板載故障記錄原理解析

OBFL基線記錄的創(chuàng)建獨(dú)立于任何電路板故障。OBFL系統(tǒng)應(yīng)一直保持一個(gè)初始基線記錄和至少一個(gè)近期基線記錄。在完成對(duì)OBFL的系統(tǒng)現(xiàn)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。首次創(chuàng)建近期基線記錄的時(shí)候，將使用初始基線記錄。創(chuàng)建近期基線記錄的目的，是為了獲取OBFL資源的近期值。隨后每次成功的電路板復(fù)位都會(huì)創(chuàng)建后續(xù)的基線。OBFL還會(huì)要求提供存檔的舊基線。任何穩(wěn)定的基線都會(huì)被標(biāo)注為“優(yōu)良”基線，并在故障排查過(guò)程中用作參考基線。如果沒(méi)有優(yōu)良基線記錄，初級(jí)基線記錄將用作參考基線。

基線記錄將獲取特定的軟硬件配置詳情，并存儲(chǔ)在非易失性存儲(chǔ)器中?；€記錄的硬件部分包括電路板配置數(shù)據(jù)詳情，如機(jī)架編號(hào)、電路板件的插槽號(hào)、序列號(hào)、子卡標(biāo)識(shí)詳情、FPGA和ASIC修訂號(hào)等。該部分還應(yīng)該存儲(chǔ)諸如SRAM/SDRAM/DDR這樣的板載存儲(chǔ)器類型、序列號(hào)和配置詳細(xì)信息。BIOS版本、固件版本、OS詳情和應(yīng)用軟件版本應(yīng)存儲(chǔ)在軟件基線記錄下。該記錄在縮小由近期軟硬件升級(jí)造成的電路板故障范圍時(shí)非常有用。

基線記錄的第三部分存儲(chǔ)電路板環(huán)境變量值。任一存儲(chǔ)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(shù)，如電壓、電流以及來(lái)自電路板上一個(gè)或者多個(gè)感應(yīng)器的溫度讀數(shù)。

電路板環(huán)境變量的值定期采集、存儲(chǔ)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(dāng)前的時(shí)間戳更新環(huán)境錯(cuò)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(yīng)器。溫度應(yīng)定期記錄（比如每隔30分鐘），而電壓數(shù)據(jù)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(fù)責(zé)存儲(chǔ)由板載存儲(chǔ)器故障、系統(tǒng)復(fù)位、意外事件、中斷錯(cuò)誤或者電路板環(huán)境錯(cuò)誤導(dǎo)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：

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