冷复位BMC产生电源冗余告警

guohao · 2026 年1 月 14 日 09:11

已经初步定位是由于PowerStrategy_1.RedundancyFailure为fasle的时候，居然会产生告警事件，怀疑是event组件bug，不理解为什么读值为false会告警

偶现问题

ubmc_assistant · 2026 年1 月 14 日 09:13

答案内容由AI生成，仅供参考：

冷复位 BMC 产生电源冗余告警问题分析

根据您提供的信息，问题并非 event 组件存在 Bug，而是由 BMC 冷复位过程中的时序逻辑异常 导致的 偶发现象。以下是基于提供的知识图谱和文档的详细分析。

问题本质：时序竞争导致误告警

虽然 RedundancyFailure 为 false 表示冗余正常，但在 BMC 冷复位（Cold Reset）过程中，该状态会经历一个短暂的变化周期（false → true → false）。告警触发的原因是这个状态在短时间内为 true，而非 false。

详细分析与链路还原

1. 整体故障链路

graph TD
    A[BMC 冷复位] --> B[系统重启初始化]
    B --> C[PowerStrategy_1.RedundancyFailure 设置为 true]
    C --> D[OnePower 组件尚未加载]
    D --> E[PSU 状态未同步]
    E --> F[RedundancyFailure 持续为 true 超过阈值]
    F --> G[Event_PSURedundancyLost_01010A 被触发]
    G --> H[SEL 日志记录 PSU 冗余丢失告警]
    H --> I[BMC 完成初始化]
    I --> J[OnePower 加载完成]
    J --> K[RedundancyFailure 恢复为 false]
    K --> L[告警解除]

2. 关键组件交互分析

RedundancyFailure 状态机行为

默认值：false（冗余正常）
触发为 true 的条件：
- AC 上电时检测到可用 PSU 数量 < 配置数量
- 系统运行中 PSU 故障或移除
- BMC 初始化阶段，主动设置为 true（来自 power_strategy 模块）
恢复为 false 的时机：
- 检测到所有 PSU 可用且输出稳定
- 依赖 OnePower 模块加载完成并上报状态

来源：搜索结果1 中的 CSR 配置字典 明确定义：
RedundancyFailure: 冗余失效（当环境电源数少于AC上电时的电源数时，置为true）

Event_PSURedundancyLost_01010A 触发逻辑

事件对象：Event_PSURedundancyLost_01010A
触发条件：Reading <= /PowerStrategy_1.RedundancyFailure
操作符：OperatorId: 5（表示“小于等于”）
条件值：Condition: 1
Hysteresis（回差）：0（无防抖）

来源：知识图谱中 DiscreteSensor_PSRedundancy_01010A 和 Event_PSURedundancyLost_01010A 的关系。

这意味着：

当 RedundancyFailure == true（即值为 1）时：
- 1 <= 1 → True → 触发告警
当 RedundancyFailure == false（即值为 0）时：
- 0 <= 1 → 依然为 True，但这是“恢复”条件，不会重复触发

所以：只要 RedundancyFailure 曾短暂为 true，且持续时间足够触发事件判断，就会生成 SEL 告警。

3. 冷复位过程中的异常时序

根据 文档 ID: 1 的日志分析：

2025-07-21 07:56:15.119412 power_strategy NOTICE: base.lua(99): Sync object prop(NormalAndRedundancy_Supported): false
2025-07-21 07:56:19.610659 power_strategy NOTICE: energy_metric.lua(187): Set RedundancyFailure to true
2025-07-21 07:56:28.855209 power_strategy NOTICE: base.lua(99): Sync object prop(NormalAndRedundancy_Supported): false
2025-07-21 07:56:42.281822 event NOTICE: events.lua(110): System major count change 0 to 1 by [Event_PSRedundancyLost_01010A]

可以看到：

RedundancyFailure 被设置为 true
约 23 秒后 才触发告警（实际可能由事件轮询周期决定）
在此期间，OnePower 尚未加载，无法确认 PSU 是否真实冗余失效

为什么是偶发问题？

BMC 冷复位时间间隔为 15 分钟（来自 KG BMC 实体描述）
每次重启后，OnePower 模块加载时间存在波动
只有当 RedundancyFailure=true 的持续时间 超过事件检测延迟，才会触发告警
因此表现为 概率性出现（656 次中出现 56 次）

是否为 Event 组件 Bug？

不是 Bug。

Event 组件严格按照 Reading <= Condition 判断：
- true (1) <= 1 → 满足条件 → 触发告警
- 这是正确的行为
真正问题是 power_strategy 组件在初始化阶段过早设置 RedundancyFailure=true，且未设置状态防抖

根本原因总结

项目	说明
根本原因	`power_strategy` 模块在 BMC 重启时，在 PSU 状态尚未同步前就将 `RedundancyFailure` 设置为 `true`
触发条件	`OnePower` 加载延迟，导致该状态持续时间过长
告警生成	`Event_PSURedundancyLost_01010A` 正确检测到 `RedundancyFailure=true` 并告警
问题性质	逻辑时序缺陷，非 `event` 组件 Bug

建议解决方案

增加状态防抖机制：
- 在 PowerStrategy_1.RedundancyFailure 从 false 变为 true 时，设置一个 30 秒的等待窗口，仅当持续为 true 才触发事件。
- 修改 Event_PSURedundancyLost_01010A 的 Hysteresis 属性为 30（单位秒）。
延迟冗余状态判断：
- 将 RedundancyFailure 设置为 true 的逻辑，推迟到 OnePower 模块加载完成之后。
- 可通过监听 OnePower 的初始化完成信号来实现。
优化初始化流程：
- 在 energy_metric.lua(187) 中增加前置检查：
```
if OnePower.isInitialized() then
    RedundancyFailure = true
end
```

参考资料

CSR配置字典之PowerStrategy类：定义了 RedundancyFailure 的语义
事件定制 和 告警配置机制介绍：说明了 EventDir 和 Hysteresis 的作用
KG 中的 Event_PSURedundancyLost_01010A 和 DiscreteSensor_PSRedundancy_01010A：确认了事件触发逻辑

结论：该问题为 初始化时序缺陷，建议在 power_strategy 模块中增加对 OnePower 的依赖判断，并在事件配置中增加 Hysteresis 防抖，即可解决偶发告警问题。

话题		回复	浏览量
2506版本 BMC重启时，概率出现PSU冗余失败告警交流互助区提问求助	7	163	2026 年2 月 25 日
【问题求助】带外执行mc cold rest压测，发现精细化告警sel事件数量不符合预期交流互助区提问求助	3	85	2026 年5 月 9 日
Bmc Cold Reset 概率性出现CPU1 09V_UNCORE 过压告警交流互助区提问求助	2	33	2026 年5 月 25 日
【问题求助】拔电源线/风扇未产生冗余及输出告警 Hardware SIG 提问求助	6	254	2025 年5 月 28 日
【电源异常告警】频繁产生电源AClost事件（0x0300001F） Hardware SIG 提问求助	2	77	2026 年1 月 30 日