一、现网描述

1.1 环境描述

设备型号：KunTai R622

二、故障描述

2.1故障现象

服务器ibmc 出现告警事件，DIMM060槽位内存发生不可纠正错误

三、问题分析

3.1排查思路

1.Sel日志中时间点为2023-11-07 15:05:35 DIMM060上报UCE记录

2.Fdm日志中记录到对应时间点DIMM060大量UEO(潜伏错误或可重启错误)告警

常见内存故障类型分为可纠正错误（CE）、不可以纠正错误（UCE）、延迟的错误（DE）

Corrected error：可纠正错误（CE），该错误被检测到并且被纠正，不影响系统运行，比如内存DDR单bit错误，可以顺利获得ECC纠正。

Deferred error：延迟的错误（DE），没有被沉默（silently）传播，可能是系统潜在的错误。比如内存控制器写数据到内存条，发现要写的数据存在不可纠正错误，它会将该错误数据写到内存，并打上poison标记，则为deferred错误。

Uncorrected error：不可纠正错误（UE），该错误被检测到且未被纠正或延迟，它又可划分为下面几个子类：潜伏错误或可重启错误（UEO）、带标记错误或可恢复错误（UER）、不可恢复错误（UEU）、不可抑制错误（UC）。

3.fdm_output日志中记录DIMM060内存由于频繁UCE导致的PFAE事件，下一时间点有多次UCE产生，如下图：

四、问题解决

4.1解决办法

DIMM060内存硬件产生UEO(潜伏错误或可重启错误)，该内存故障告警可顺利获得重启服务器恢复。但DIMM060内存PFA错误计数超门限，建议更换内存，避免后续出现设备异常重启或停止响应的故障风险。

4.2 解决方案

"DIMM060 triggered an uncorrectable error, (SN:857E325E).","2023-11-07 15:05:35","Asserted","0x01000017" 告警事件常用处理步骤如下：

1.下电后检查该部件与其插槽是否存在损坏或接触不良现象。

是 => 2

否 => 3

2.重新连接该部件，检查告警是否清除。

是 => 处理完毕

否 => 3

3.更换产生告警的内存，检查告警是否清除。