硬件监控防抖机制参考

Hardware SIG
1

硬件监控防抖机制参考

本文档仅给出硬件监控系统中使用的各种防抖机制及其应用场景的参考，具体使用还需结合业务场景和硬件性能确定。

1. Median 类（中值滤波）

1.1 median_s5（有符号中值滤波5次防抖）

序号 应用场景 类型
1 RAID卡BBU温度 温度监控
2 CPU VRD芯片温度 温度监控
3 GPU卡温度 温度监控
4 Retimer芯片温度 温度监控
5 进风口/出风口温度 温度监控
6 1880核温值 温度监控

2. Cont 类（持续防抖）

2.1 cont_3

序号 应用场景 类型
1 PCB版本 版本信息

2.2 cont_5

序号 应用场景 类型
1 线缆在位 硬件状态
2 Riser卡电源异常 电源状态
3 I2C器件访问 通信状态
4 Riser卡在位 硬件状态
5 系统功率 功率监控
6 时钟状态监测 时钟状态
7 EEPROM PG监控 硬件监控
8 出风口温度状态 温度状态
9 1880核温状态 温度状态
10 SSD、HDD硬盘剩余磨损率 硬盘健康
11 硬盘故障状态 硬盘状态
12 网口连接状态 网络状态

2.3 cont_6

序号 应用场景 类型
1 内存故障监控 内存状态
2 电源输出电压监控 电压监控
3 电压模块接触不良监控 电压监控

2.4 cont_20

序号 应用场景 类型
1 级联器件的I2C器件故障 通信故障
2 电源数量不满足配置告警 电源配置
3 电池数量不满足配置告警 电池配置

3. MidAvg 类（中值平均防抖）

3.1 midavg_s3（有符号中值平均3次防抖）

序号 应用场景 类型
1 CPU温度 温度监控
2 SSD/HDD硬盘温度 温度监控
3 CPU VRD电压 电压监控

3.2 midavg_s4（有符号中值平均4次防抖）

序号 应用场景 类型
1 进风口温度 温度监控
2 后置硬盘背板温度监控 温度监控
3 GPU卡温度监控 温度监控
4 NIC卡温度监控 温度监控
5 IB卡温度监控 温度监控
6 SSD/HDD硬盘温度 温度监控
7 LOM卡温度 温度监控
8 CPU温度 温度监控

3.3 midavg_s6（有符号中值平均6次防抖）

序号 应用场景 类型
1 进风口温度监控 温度监控
2 出风口温度监控 温度监控
3 CPU温度 温度监控
4 1711芯片温度 温度监控
5 GPU卡温度监控 温度监控
6 SSD/HDD硬盘温度 温度监控
7 NIC卡温度监控 温度监控
8 LOM卡温度 温度监控
9 RAID卡BBU温度 温度监控

3.4 midavg_u6（无符号中值平均6次防抖）

序号 应用场景 类型
1 RTC电压 电压监控
2 硬盘背板电压 电压监控
3 Riser电压 电压监控
4 CPU电压 电压监控
5 ADC电压 电压监控

4. ContBin 类（持续二值防抖）

4.1 contbin_H2L2

序号 应用场景 类型
1 时钟监测 时钟状态
2 硬盘背板在位 硬件状态
3 硬盘背板I2C故障 通信故障
4 Riser卡在位 硬件状态
5 LOM卡在位 硬件状态
6 CPLD开焊检测 硬件故障
7 BasicBoard在位 硬件状态
8 风扇状态 散热状态
9 数码管显示 显示状态
10 U位高度监控 物理状态

4.2 contbin_H2L1

序号 应用场景 类型
1 电池放电状态 电池状态
2 AR卡网口状态 网络状态

4.3 contbin_H3L3

序号 应用场景 类型
1 网口linkdown状态 网络状态
2 CPLD寄存器检测 硬件检测
3 获取单板boardid 硬件信息
4 CPU内存温度读取 温度监控
5 漏液检测卡数量 安全监控
6 漏液检测卡在位 安全监控
7 主从同步链路故障码 通信故障
8 水侵绳不在位 安全监控
9 BBU故障 硬件故障
10 上电超时故障 电源故障
11 Riser PG失败检测 硬件故障
12 PCA9545故障 通信故障
13 风扇模块不在位 散热状态
14 电源冗余失效 电源故障
15 CAN PG监控 通信监控
16 BIOS启动超时状态监控 系统状态
17 级联板温度告警 温度告警
18 时钟信号异常告警 时钟故障

4.4 contbin_H3L1

序号 应用场景 类型
1 MOS过热告警 温度告警
2 风扇状态监控 散热状态
3 PCIE卡拔出监控 硬件状态
4 IOM板连接器状态 硬件状态
5 主板电源电压异常 电压异常
6 网卡在位掩码 网络状态
7 线缆连接告警 连接故障
8 线缆插错告警 连接故障

4.5 contbin_H4L4

序号 应用场景 类型
1 硬盘背板在位 硬件状态
2 电源在位 电源状态
3 时钟检测 时钟状态
4 SlimLine线缆告警 连接故障

4.6 contbin_H5L5

序号 应用场景 类型
1 SDI卡串口线缆在位检测 连接状态
2 一次备电容量告警 电源告警
3 后延伸板宇主板线缆检测告警 连接故障
4 时钟信号丢失告警 时钟故障
5 电源风扇故障告警 散热故障
6 M2硬盘在位信号 硬盘状态
7 CPU初始化异常告警 系统故障
8 内存故障告警 内存故障

4.7 contbin_H5L1

序号 应用场景 类型
1 与管理板心跳异常 通信故障
2 风扇类型 散热配置
3 风扇冗余失效 散热故障
4 Retimer温度读取失败 温度故障

4.8 contbin_H5L40

序号 应用场景 类型
1 PG监控 硬件监控

4.9 contbin_H10L10

序号 应用场景 类型
1 PCIe RAID卡故障监控 硬件故障

4.10 contbin_H10L5

序号 应用场景 类型
1 进风口、出风口温度读取失败 温度故障
2 PCH温度读取失败 温度故障
3 CPU温度读取失败 温度故障
4 系统电压读取失败 电压故障
5 PCIe switch温度读取失败 温度故障
6 RAID卡温度读取失败 温度故障
7 硬盘背板I2C访问失败 通信故障

4.11 contbin_H15L15

序号 应用场景 类型
1 线缆检测 硬件检测
2 网口带宽占用率过高监控 网络监控

4.12 contbin_H20L3

序号 应用场景 类型
1 SSD故障监控 硬盘故障
2 PCIe卡在位 硬件状态

4.13 contbin_H20L0

序号 应用场景 类型
1 风扇转速生效标志 散热控制

4.14 contbin_H20L5

序号 应用场景 类型
1 风扇转速异常 散热故障
2 电源在位个数不满足监控 电源配置
3 工作电源个数不满足监控 电源配置
4 背板/风扇板EEPROM的I2C故障 通信故障
5 主板上的心跳网口故障 网络故障
6 BBU通信丢失监控 通信故障
7 Riser PCA9545访问失败 通信故障
8 Retimer I2C访问失败 通信故障
9 GPU卡温度读取失败 温度故障
10 风扇板状态监控 散热状态
11 PG监控 硬件监控
12 PCA9555访问失败 通信故障
13 PCIe RAID卡控制器通信丢失 通信故障
14 Hi1822温度读取失败 温度故障
15 VRD温度读取失败 温度故障

4.15 contbin_H40L5

序号 应用场景 类型
1 I2C通信丢失 通信故障
2 电源功率读取失败 功率故障
3 I/O板中间进风口温度读取失败 温度故障
4 EIUA板监测点电压读取失败 电压故障
5 PCIe switch温度读取失败 温度故障
6 PCIe卡温度读取失败 温度故障
7 I2C器件访问失败 通信故障
8 Retimer访问失败 通信故障

4.16 contbin_H60L5

序号 应用场景 类型
1 电源冗余失效 电源故障
2 CX4温度读取失败 温度故障
3 框类型数据读取失败 数据故障
4 节点数据读取失败 数据故障
5 框工作环境数据读取失败 数据故障
6 OS载入dog数据读取失败 数据故障
7 硬盘分组数据读取失败 数据故障

4.17 contbin_H130L5

序号 应用场景 类型
1 节点BMC心跳 通信监控
2 CAN总线监控 通信监控
3 SMM主备板通信监控 通信监控
4 节点不在位 硬件状态
5 Retimer加载失败 硬件故障
6 Mezz卡温度 温度监控

4.18 contbin_H5L30

序号 应用场景 类型
1 NVMe盘预故障 硬盘预警

防抖机制说明

命名规则

  • Median: 中值滤波，数字表示滤波次数
  • Cont: 持续防抖，数字表示持续次数
  • MidAvg: 中值平均防抖
    • s 表示有符号（signed）
    • u 表示无符号（unsigned）
    • 数字表示平均次数
  • ContBin: 持续二值防抖
    • H 表示高电平持续次数
    • L 表示低电平持续次数

适用原则

  1. 温度监控：主要使用 Median 和 MidAvg 类防抖
  2. 状态监控：主要使用 Cont 和 ContBin 类防抖
  3. 电压监控：主要使用 MidAvg 类防抖
  4. 故障检测：主要使用 ContBin 类防抖，根据故障严重程度选择不同的防抖参数

防抖机制汇总表

监控对象分类表

监控分类 监控对象 推荐防抖机制 备注
温度传感器
CPU温度 midavg_s3/s4/s6 根据精度要求选择
GPU温度 median_s5, midavg_s4/s6 高精度场景使用median
硬盘温度 midavg_s3/s4/s6 支持SSD/HDD
进风口温度 midavg_s4/s6 环境温度监控
出风口温度 median_s5, midavg_s6 散热效果监控
芯片温度 median_s5, midavg_s6 Retimer、1711、1880等
电压监控
CPU电压 midavg_s3, midavg_u6 精密电压监控
电源电压 midavg_u6 无符号电压值
背板电压 midavg_u6 硬件供电监控
系统电压 midavg_u6 RTC、ADC等
硬件状态
设备在位 contbin_H2L2/H4L4 快速响应
卡片在位 contbin_H2L2/H20L3 Riser卡、LOM卡、PCIe卡等
硬盘在位 contbin_H2L2/H5L5 硬盘背板、M2硬盘等
电源在位 contbin_H4L4/H20L5 电源模块状态
通信监控
I2C通信 cont_5/contbin_H10L5~H40L5 根据重要性调整
网络通信 cont_5/contbin_H2L1~H130L5 网口状态、心跳监控
总线通信 contbin_H130L5 CAN总线、SMM通信
故障检测
温度故障 contbin_H10L5~H60L5 温度读取失败
电压故障 contbin_H10L5~H40L5 电压读取失败
硬件故障 contbin_H2L2~H130L5 根据故障严重程度调整
通信故障 contbin_H3L3~H130L5 通信丢失、访问失败
系统状态
系统启动 contbin_H3L3 BIOS启动超时
系统初始化 contbin_H5L5 CPU初始化异常
系统功率 cont_5 系统功率监控
时钟状态 cont_5/contbin_H2L2~H5L5 时钟监测和故障
散热监控
风扇状态 contbin_H2L2/H3L1/H5L1 风扇在位、转速、故障
风扇控制 contbin_H20L0/H20L5 风扇转速控制
散热故障 contbin_H3L3/H5L5 风扇模块、电源风扇故障
电源监控
电源配置 cont_20/contbin_H20L5 电源数量、工作状态
电源故障 contbin_H3L3/H60L5 电源异常、冗余失效
电源告警 contbin_H3L1/H5L5 电压异常、备电容量
电池监控 cont_20/contbin_H2L1 电池数量、放电状态
连接监控
线缆检测 contbin_H3L1/H4L4/H5L5/H15L15 线缆在位、连接状态
连接故障 contbin_H3L1/H5L5 线缆插错、连接异常
接口状态 contbin_H3L1 IOM板连接器状态
安全监控
漏液检测 contbin_H3L3 漏液检测卡管理
水侵监控 contbin_H3L3 水侵绳状态
物理监控 contbin_H2L2 U位高度监控
存储监控
硬盘健康 cont_5/contbin_H20L3/H5L30 磨损率、故障、预故障
存储故障 cont_5/contbin_H20L3 硬盘故障状态
内存监控
内存状态 cont_6/contbin_H5L5 内存故障监控
内存故障 contbin_H5L5 内存故障告警
版本信息
版本管理 cont_3 PCB版本信息
硬件信息 contbin_H3L3 单板boardid获取

防抖参数选择指南

防抖类型 响应速度 稳定性 适用场景 典型参数
Median 中等 高 温度等模拟量监控 median_s5
Cont 快 中 数字状态监控 cont_3~20
MidAvg 慢 最高 精密测量 midavg_s3~6, midavg_u6
ContBin 可调 高 二值状态监控 contbin_H2L2~H130L5

防抖参数含义

参数类型 参数范围 含义 建议应用场景
Median median_s5 中值滤波5次 温度监控
Cont cont_3~20 持续3~20次 状态确认，数值越大越稳定
MidAvg midavg_s3~6 有符号中值平均3~6次 模拟量平滑
MidAvg midavg_u6 无符号中值平均6次 电压等正值监控
ContBin contbin_H2L2 高2次低2次 快速响应的状态监控
ContBin contbin_H10L5 高10次低5次 中等稳定性的故障检测
ContBin contbin_H20L5 高20次低5次 重要故障的稳定检测
ContBin contbin_H40L5~H130L5 高40~130次低5次 关键系统的长期稳定监控

防抖参数选择建议

按监控重要性分级

重要性级别 推荐防抖参数 应用场景
关键系统 contbin_H130L5 节点BMC心跳、主备板通信
重要硬件 contbin_H40L5~H60L5 电源冗余、关键芯片温度
一般监控 contbin_H10L5~H20L5 温度读取、I2C通信
快速响应 contbin_H2L2~H5L5 设备在位、风扇状态
精密测量 midavg_s3~6, midavg_u6 温度、电压精确监控

按故障影响分级

故障影响 防抖策略 典型应用
系统级 长防抖（H60L5以上） 电源冗余、系统心跳
设备级 中防抖（H20L5~H40L5） 设备故障、通信丢失
功能级 短防抖（H10L5~H20L5） 功能异常、性能监控
状态级 快防抖（H2L2~H5L5） 状态变化、在位检测
1 个赞
有没有方法对某个CSR对象进行防抖