Dotaz: Nedari se nabootovat se zapnutym acpi apic, bez zapnuteho apic pouze jeden procesor

[Lukas]

Ahoj, mam problem s deskou supermicro X8DTU, bohuzel se mi nedari nabootovat do debian stretche, po fazi grubu se server zasekne. OS se stezoval na nejake acpi apic tabulky, to jsem zneskodnil vypnutim acpi whea. Zustaly vsak chybove hlasky typu:

[    0.070983] mce: [Hardware Error]: PROCESSOR 0:506c9 TIME 1498973483 SOCKET 0 APIC 0

. Tuhle hlasku vidim pro vsech 8 jader.

Podarilo se mi nabootovat, kdyz jsem vypnul acpi apic support, bohuzel po fazi grubu se zobrazi hlaska nahore jen pro jedno jadro a tak to zustane i nadale v operacnim systemu.

BIOS i microcode mam updatovany na nejnovejsi verzi.

Nejake napady?

Odpovědi

[Lukas]

Podarilo se mi pokrocit tim, ze jsem acpi vypnu "ACPI Aware O/S", ted ale dostavam pri bootu hlasku:

ACPI Error: A valid RSDP was not found (20170903/tbxfroot-219)

, predpokladam teda, ze system pocita s ACPI v kernelu, takze asi musim preinstalovat os ? zkousel jsem poustet s kernel parametrem noacpi, ale stejna hlaska.

[Jendа]

takze asi musim preinstalovat os

To nepomůže, kernel je pořád stejný a detekce HW se dělá pokaždé znovu. Maximálně přegenerovat initramdisk, ale nečekal bych, že to něco změní.

Začal bych posledním kernelem z backportů.

[mce]

Este si skus nainstalovat a nabotovat kernel z experimental (novsi tam je) a ci ti bude robit to iste.

[Lukas]

Zkousel jsem ruzne kernely, ted jsem do toho nainstaloval proxmox a i s 4.15.17-9 to nefunguje.

[Lukas]

Jinak kdyz jsem pouzil kernel parametry noacpi noapic nolapic, tak to nabehlo bez podpory ACPI, ale stale pouze s jednim CPU.

[mce]

Precitaj si toto: http://www.advancedclustering.com/act_kb/what-are-machine-check-exceptions-or-mce/

[mce]

Zapni ACPI a daj hlasky (abo si ich nahraj).

[Lukas]

mcelog se mi nepodarilo spustit, je tam 2x E5620 CPU. Kazdopadne takto vypada hlaska, pokud vypnu ACPI APIC v biosu = dokazu nabootovat.

[    0.044081] smpboot: SMP disabled
[    0.044137] mce: [Hardware Error]: Machine check events logged
[    0.044139] mce: [Hardware Error]: CPU 0: Machine Check: 0 Bank 5: fe00000000800400
[    0.044188] mce: [Hardware Error]: TSC 0 ADDR 3fff996a5095 MISC 7fff 
[    0.044234] mce: [Hardware Error]: PROCESSOR 0:206c2 TIME 1527234291 SOCKET 0 APIC 0 microcode 1e
[    0.044320] Performance Events: PEBS fmt1+, Westmere events, 16-deep LBR, Intel PMU driver.
[    0.044339] core: CPUID marked event: 'bus cycles' unavailable
[    0.044341] ... version:                3
[    0.044342] ... bit width:              48
[    0.044342] ... generic registers:      4
[    0.044343] ... value mask:             0000ffffffffffff
[    0.044344] ... max period:             000000007fffffff
[    0.044344] ... fixed-purpose events:   3
[    0.044345] ... event mask:             000000070000000f
[    0.044388] Hierarchical SRCU implementation.
[    0.048370] NMI watchdog: Enabled. Permanently consumes one hw-PMU counter.
[    0.048388] smp: Bringing up secondary CPUs ...
[    0.048390] smp: Brought up 2 nodes, 1 CPU
[    0.048390] smpboot: Max logical packages: 1
[    0.048392] smpboot: Total of 1 processors activated (4800.18 BogoMIPS)

Pokud zapnu ACPI APIC v biosu, tak nenabootuju, ale vidim

[    0.044234] mce: [Hardware Error]: PROCESSOR 0:206c2 TIME 1527234291 SOCKET 0 APIC 0 microcode 1e

tusim pro 0-7, coz by odpovidalo 8 jader celkem. Mezi kteryma muze byt i nektere spatne hadam?

[Peter Golis]

To sú hlášky z programu mcelog spomínanom na uvedenom linku?

[Lukas]

Kompiloval jsem tam posledni verzi dostupnou z gitu, ale nic to nevypise, spravne je zalogovana hlaska, ze mce jsou zalogovany, ale output na tom klientovi neni zadnej a v syslogu je to same, co tady pastuju. Na ten server se dostanu jen pres ultrapomale kvm, takze je mordor stim pracovat. Bude tam potreba vyzkouset jen jednu ramku/cpu a postupne zacit vylucovat hw chybu.

[Lukas]

Popripade PSU https://communities.intel.com/message/243118#243118

[dustin]

Máš mcelog nastavený na logování do syslogu? Pokud si pamatuji (matně), na debianu mi logoval do /var/log/mcelog.

V syslogu/dmesg byly jen základní hlášky, detaily o vadné ECC paměti byly právě až v mce logu.

[Lukas]

Ten daemon bezi bez configu a jako:

ExecStart=/usr/sbin/mcelog --ignorenodev --daemon --foreground
StandardOutput=syslog

Prikadam vypis syslogu https://pastebin.com/f1cSsm5p, pri vypnutem acpi apic Pri zapnutem acpi apic zkusim v grubu u kernelu pridat nejaky debug log level, ale vubec netusim, jak to vykopiruju...

[mce]

Nie si prvy co ma tu chybu.