Centos 服务器系统内存故障排查

该笔记主要记录一下如何排查指定服务器中的指定内存条是否损坏。

1.内存故障排查

因为 68 – 71 软SBC服务器都是Centos7系统，所以我们可以通过以下命令来排查内存是否出现损坏。

grep "[0-9]" /sys/devices/system/edac/mc/mc*/csrow*/ch*_ce_count

1> count不为0表示有错误
2> mc代表第几个cpu，
3> csrow内存通道，
4> ch第几个内存

EDAC即error detection and correction（错误检测与纠正），是Linux系统内部的机制。在上面的日志中，可以清楚地看出是内存读错误。MC即memory controller（内存控制器）。CE则代表correctable error，是ECC内存中可以纠正的错误，相对地还有UE（uncorrectable error）。为了摸清是哪些内存出了问题，找出所有内存的CE计数,由上图可知，第四块内存出现了故障。

通过 dmidecode -t memory 命令，可以查看每个DIMM

2.CPU排查 cat /sys/devices/system/cpu/cpu*/online