Centos 伺服器系統記憶體故障排查

因為 68 – 71 軟SBC伺服器都是 7系統，所以我們可以透過以下 來排查記憶體是否出現損壞。

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

1> count不為0表示有錯誤

2> mc代表第幾個cpu，

3> csrow記憶體通道，

4> ch第幾個記憶體

EDAC即error detection and correction（錯誤檢測與糾正），是 內部的機制。在上面的日誌中，可以清楚地看出是記憶體讀錯誤。MC即memory controller（記憶體控制器）。CE則代表correctable error，是ECC記憶體中可以糾正的錯誤，相對地還有UE（uncorrectable error）。為了摸清是哪些記憶體出了問題，找出所有記憶體的CE計數,由上圖可知，第四塊記憶體出現了故障。

透過 dmidecode -t memory  ，可以檢視每個DIMM