Я недавно получил материнскую плату SuperMicro X10SLL-F, которая имеет встроенный BMC (Микросхема Aspeed AST2400). Я хочу использовать встроенный сторожевой контроллер когда под управлением Linux на сервере (укрепленный хинду).
Я включил сторожевую функцию в BIOS, затем переключил перемычку материнской платы от жесткой перезагрузки до NMI (сторожевое действие тайм-аута, для тестирования чтобы не перезагружать). О мягком - я установил и добавил к значению по умолчанию runlevel сторожевую программу (sys-apps/watchdog), который настроен для проверки с помощью ping-запросов сторожевого устройства (/dev/watchdog, который присутствует), каждые 10 секунд. Сторожевой тайм-аут установлен на 250 секунд.
Программы, по-видимому, видят сторожевые аппаратные средства (ipmitool с включенным openipmi):
# ipmitool mc watchdog get
Watchdog Timer Use: SMS/OS (0x44)
Watchdog Timer Is: Started/Running
Watchdog Timer Actions: Hard Reset (0x01)
Pre-timeout interval: 0 seconds
Timer Expiration Flags: 0x10
Initial Countdown: 254 sec
Present Countdown: 253 sec
Freeipmi:
# bmc-watchdog --get
Timer Use: SMS/OS
Timer: Running
Logging: Enabled
Timeout Action: Hard Reset
Pre-Timeout Interrupt: None
Pre-Timeout Interval: 0 seconds
Timer Use BIOS FRB2 Flag: Clear
Timer Use BIOS POST Flag: Clear
Timer Use BIOS OS Load Flag: Clear
Timer Use BIOS SMS/OS Flag: Set
Timer Use BIOS OEM Flag: Clear
Initial Countdown: 254 seconds
Current Countdown: 253 seconds
Однако после определенного количества времени я добираюсь (с хорошим "текущим обратным отсчетом" значения, о которых сообщают программы выше):
[ 294.107534] Uhhuh. NMI received for unknown reason 21 on CPU 0.
[ 294.107998] Do you have a strange power saving mode enabled?
[ 294.108437] Dazed and confused, but trying to continue
Который является NMI, по-видимому, вызванным сторожевым тайм-аутом. Немного меньше чем минута после той жесткой перезагрузки машины происходит.
Где проблема и к какому направлению я должен вырыть?
Править: сообщения ядра связаны с ipmi:
[ 0.353090] ipmi message handler version 39.2
[ 0.353353] ipmi device interface
[ 0.353623] IPMI System Interface driver.
[ 0.353898] ipmi_si: probing via ACPI
[ 0.354172] ipmi_si 00:08: [io 0x0ca2] regsize 1 spacing 1 irq 0
[ 0.354444] ipmi_si: Adding ACPI-specified kcs state machine
[ 0.354790] ipmi_si: probing via SMBIOS
[ 0.355051] ipmi_si: SMBIOS: io 0xca2 regsize 1 spacing 1 irq 0
[ 0.355317] ipmi_si: Adding SMBIOS-specified kcs state machine duplicate interface
[ 0.355836] ipmi_si: probing via SPMI
[ 0.356095] ipmi_si: SPMI: io 0xca2 regsize 1 spacing 1 irq 0
[ 0.356362] ipmi_si: Adding SPMI-specified kcs state machine duplicate interface
[ 0.356906] ipmi_si: Trying ACPI-specified kcs state machine at i/o address 0xca2, slave address 0x0, irq 0
[ 0.390536] ipmi_si: The BMC does not support clearing the recv irq bit, compensating, but the BMC needs to be fixed.
[ 0.418476] ipmi_si 00:08: Found new BMC (man_id: 0x002a7c, prod_id: 0x0801, dev_id: 0x20)
[ 0.419004] ipmi_si 00:08: IPMI kcs interface initialized
[ 0.419272] IPMI SSIF Interface driver
[ 0.420350] IPMI Watchdog: driver initialized
[ 0.420635] Copyright (C) 2004 MontaVista Software - IPMI Powerdown via sys_reboot.
[ 0.421444] IPMI poweroff: ATCA Detect mfg 0x2A7C prod 0x801
[ 0.421710] IPMI poweroff: Found a chassis style poweroff function
Править: Я пытался использовать сторожевой таймер BMC с конфигурацией "-u 4-p 2-a 0-F-P-L-O-i 300-e 10". Таким образом, только время SMS/ОС используется, прерывание перед тайм-аутом установлено на NMI, действие тайм-аута не установлено ни на ОДИН:
# bmc-watchdog --get
Timer Use: SMS/OS
Timer: Running
Logging: Enabled
Timeout Action: None
Pre-Timeout Interrupt: NMI / Diagnostic Interrupt
Pre-Timeout Interval: 0 seconds
Timer Use BIOS FRB2 Flag: Clear
Timer Use BIOS POST Flag: Clear
Timer Use BIOS OS Load Flag: Clear
Timer Use BIOS SMS/OS Flag: Set
Timer Use BIOS OEM Flag: Clear
Initial Countdown: 300 seconds
Current Countdown: 290 seconds
Но ведомый ни к какому изменению вообще.
Править. Также, когда я инициировал сторожевой таймер с повторением \0x00 к/dev/watchdog и затем сохранил это нетронутым - система правильно перезагружается после значения по умолчанию 10 вторых тайм-аутов. Таким образом, сторожевой таймер работает хороший, но точно в 350 секунд от системных перезагрузок запуска.
Править. Я проверил журнал системного события (SEL) BMC и нашел это после перезагрузки:
Sensor #202 | Watchdog 2 | Assertion Event | Timer interrupt ; Timer use at expiration = SMS/OS ; Interrupt type = none
Sensor #202 | Watchdog 2 | Assertion Event | Timer expired, status only ; Timer use at expiration = SMS/OS ; Interrupt type = none
То, что интересно здесь - то, что событие отметило как "состояние только". И несмотря на это, система перезагружается. Когда я инициировал сторожевой тайм-аут намеренно, журналы отличаются:
Sensor #202 | Watchdog 2 | Assertion Event | Timer interrupt ; Timer use at expiration = SMS/OS ; Interrupt type = none
Sensor #202 | Watchdog 2 | Assertion Event | Hard Reset ; Timer use at expiration = SMS/OS ; Interrupt type = none
В конце концов, я нашел немного странное решение: просто оставьте перемычку сторожевого таймера (JWD1) открытой (без выбора NMI или жесткого сброса). Сторожевой таймер включен в настройках BIOS.
В этом случае сторожевой таймер работает должным образом - система была стабильной в течение 25 минут с запущенным bmc-watchdog и перезагружалась после завершения программы сторожевого таймера.