HBM ACLS/SPPR 在线修复插件 ​

简介 ​

该插件用于保障业务可靠性，维护业务的连续运行。具体为针对业务运行时的CE故障诊断或预测结果，采用ACLS/SPPR进行故障地址/故障行进行在线修复，避免UCE导致业务中断。整个流程涉及到FW、IMU、BIOS、OS、BMC等多方面的整体能力，该插件为OS端使能插件，主要功能为监听接受ACLS/SPPR消息、持久化保存故障信息与在线修复故障。

硬件规格要求 ​

• 仅支持aarch64架构
• 仅支持华为服务器，且服务器中装载HaiyanHBM设备
• FW需要具有将故障行列地址解析为物理地址并通知OS的能力，需要相应固件支持
• IMU/BIOS需要有透传FW下发给OS在线修复请求的能力，需要相应固件支持
• BMC需要有接收在线修复请求并返回接受结果的能力，需要相应固件支持

安装插件 ​

前置条件 ​

已通过《安装和使用》安装sysSentry巡检框架。

安装软件包 ​

yum install hbm_online_repair -y

在线修复插件参数配置 ​

在线修复插件的配置文件默认保存在/etc/sysconfig/hbm_online_repair.env中。

• 配置项说明

• 配置示例

HBM_ONLINE_REPAIR_LOG_LEVEL=1
PAGE_ISOLATION_THRESHOLD=3355443

管理在线修复插件 ​

管理插件方式与《安装和使用》方式基本相同，不在此赘述。

注意，插件在使用sentryctl get_result <module_name>方法时，该方法只会返回插件的运行起止时间"start_time"与"end_time"，其余字段为空，需要通过读取日志的方式获取插件的运行状态及相关信息。

查看在线修复插件日志 ​

在线修复插件日志记录在 /var/log/sysSentry/hbm_online_repair.log 文件中，日志中主要记录插件的初始配置以及收到消息后的各种处理结果。

启动日志 ​

插件启动后，一般会有如下日志：

运行日志 ​

插件在接收到正确的ACLS/SPPR类型的故障上报后，会出现Received ACLS/SPPR repair request字样，然后插件按照两个阶段处理信息并执行操作，日志中会打印对应操作的信息，如下图示例：

阶段一：持久化保存信息 ​

该阶段的日志会出现两种情况：

1. 出现write hbm fault info to flash xxx success表示持久化信息保存成功；
2. 出现其余信息，表示持久化信息保存失败，可对照下表查询失败原因：

阶段二：Flat模式下尝试进行修复 ​

由BIOS透传至OS的ACLS/SPPR故障上报信息会有两种模式：Flat模式与Cache模式。只有接收到Flat模式的消息，插件才会尝试进行修复操作，因此该阶段会有三种情况的日志出现：

1. 无任何打印，说明消息模式为Cache模式，此时插件只会进行持久化信息保存（阶段一）而不会尝试修复操作。
2. 出现HBM ACLS/SPPR: Page xxx repair and online success字样，表示接收到了Flat模式信息且修复成功；
3. 出现其他信息，表示接收到了Flat模式消息并执行操作，在隔离/修复/上线中任一操作失败，可对照下表查询失败原因：