清除ILOM中的故障码，消除黄灯告警

 X86架构的机器，当出现硬件故障时，一般会在ILOM中会记录下该故障的详细信息，简称为：故障码。当进行硬件更换后，ILOM会自动清除掉该故障码，机器的黄灯告警也会自动消失。但有的时候，总会出现一些莫名其妙的情况，硬件更换后，ILOM中的故障码却无法自动清除，例如下面这个案例。

 

1、某Exadata客户的计算节点亮黄灯告警，登录ILOM，发现Open Problems中存在两条告警。具体日志如下：

/SP/faultmgmt/0    | fru                   | /SYS/MB/P0/D7

/SP/faultmgmt/0/   | class                 | fault.memory.intel.dimm_ue

 faults/0          |                       |

/SP/faultmgmt/0/   | sunw-msg-id           | SPX86A-8002-Y8

 faults/0          |                       |

/SP/faultmgmt/0/   | component             | /SYS/MB/P0/D7

faults/0

 

.....

 

/SP/faultmgmt/0/   | class                 | fault.memory.intel.dimm_ce

 faults/1          |                       |

/SP/faultmgmt/0/   | sunw-msg-id           | SPX86A-8002-XM

 faults/1          |                       |

/SP/faultmgmt/0/   | component             | /SYS/MB/P0/D7/R0

 faults/1          |                       |

可以看出，这两个告警都来看于/SYS/MB/P0/D7，也即p0这颗CPU的D7通道上的内存出现故障。

 

2、停机更换完内存，重启主机后，发现ILOM的Open Problems中仍然存在一条告警，即/SYS/MB/P0/D7/R0那条告警还存在，而/SYS/MB/P0/D7这条告警已经消失。

 

3、检查操作系统是否已经识别新更换的内存。

操作系统层面执行free -g等命令，发现该主机的内存与其他主机一样，说明主机已经识别了刚刚更换的内存，只是ILOM无法自动清除故障码而已。

 

4、尝试手动清除ILOM中的故障码。

-> set /SYS/MB/P0/D7 clear_fault_action=true
Are you sure you want to clear /SYS/MB/P0/D7 (y/n)? y
Set 'clear_fault_action' to 'true'

-> set /SYS/MB/P0/D7/R0 clear_fault_action=true
set: Invalid target /SYS/MB/P0/D7/R0

可以看出，/SYS/MB/P0/D7/R0这条故障码无法清除，提示无法的目标。。

 

5、故障码无法清除，这是很奇怪的问题，但这很符合X86架构的个性。目前，只能打算对该计算节点再次关机，然后断电静置几分钟，再重新启动机器，看看故障码是否能自动清除。

 

6、客户不想再次关机，开机，所以建议要不先重置ILOM试试。于是重置ILOM。

-> reset /SP

 

ILOM重置后，清除码自动清除。至此，这个怪异的问题得以解决。