偶现ipmitool sdr list查询到NPU传感器值为负数
操作系统：[如 Ubuntu 24.04]
软件版本：OpenUBMC2509
硬件配置：[如 CPU、内存等]
跑稳定性测试
脚本执行ipmitool sdr list获取传感器列表
检查传感器值合法性：偶现npu传感器功耗和温度读取值为负值
查看别的方式获取到的传感器值是否正确，webui门限传感器：正确，OS下执行npu-smi：正确
重起可以恢复，但是暂无解决方案。
答案内容由AI生成，仅供参考：
根据您提供的问题描述和上下文信息，该问题是关于在 OpenUBMC 2509 版本中执行 ipmitool sdr list 命令时，偶现 NPU 温度与功耗传感器读取值为负值的现象。以下基于提供的 知识图谱（KG） 和 文档块（DC）及搜索结果 进行全面、深入的分析。
一、问题核心总结| 项目 | 内容 |
|---|---|
| 问题现象 | 偶现 ipmitool sdr list 查询到 NPU 的温度、功耗等传感器数值为负数 |
| 环境 | OpenUBMC 25.09，NPU 卡（如 Atlas 300I A2） |
| 对比现象 | Web UI 和 OS 层面（npu-smi）显示正常 |
| 复现方式 | 稳定性测试中循环执行 IPMI 查询 |
| 初步结论 | 数据转换或读值同步机制存在边界条件缺陷 |
二、根本原因分析结合多份文档和知识图谱信息，该问题可能由以下几个关键因素共同导致：
ThresholdSensor 的属性说明：
bmc.kepler.Systems.ThresholdSensor.Reading：是一个U16类型的字段，但实际计算时需要作为**有符号数（二补数）**处理。
原始值（Raw Reading） = (M × RawSensorValue + B × 10^k1) × 10^k2
RawSensorValue 是通过 SMBus 等接口获取的字节流，并且本应解释为有符号整数（Signed Integer），而 BMC 软件未正确识别符号位，则高位为 1 时会被误判为极大的无符号数，经 M/B 转换后可能导致溢出或符号错误，最终呈现为“负值”。
支撑证据：
在ref_id:2的日志中，Reading=255，而传感器实际功率为 3079W —— 这说明255是缩放后的中间值，需通过 M/B/RBExp 配置还原。若未用补码，可能出现计算错误。
来自 DC 3 和 DC 7 的信息表明：
NPU 对象（而非 NPUCard）。若 BMC 的驱动（如 compute 组件）未能正确处理这些特殊值：
U8 范围（0–255），强制截断为低 8 位会造成数值混乱。
- DC 3 中提到：32768 = BMC 从卡侧获取温度失败；32767 = 卡侧已返回，但卡没读到真实值。
- DC 7 显示日志中频繁出现
find_object nil错误，表明 BMC 与 NPU 通信链路不稳定。
Web UI 和 npu-smi 使用的是：
而 ipmitool sdr list 是通过 IPMI 协议 → SDR（Sensor Data Record） → BMC 内部转换逻辑 获取：
GetDeviceSDR, Get Sensor Threshold, Get Sensor Reading 等命令；M, B, RBExp 参数进行线性转换；
- 搜索结果 #9 术语表 明确指出：SDR = Sensor Data Record，是 IPMI 提供的传感器元数据记录方法。
- DC 6 规定
Reading必须是一个在门限范围内的初始值，防止产生 SEL 时间。若该值初始化不当，会导致展示异常。
三、潜在技术路径剖析flowchart LR
A[RAW 数据来自 NPU] --> B{是否为有效值？}
B -->|0 或 32767/32768| C[异常标记]
B -->|正常值| D[除以缩放倍率 → 控制在 0-255]
D --> E[写入 Sensor.Reading]
E --> F[应用 M/B/RBExp 公式]
F --> G[输出最终值]
compute 模块）从 DC 7 得知：
“baixin_lipengbo：当时我用的 openUBMC 25.06 基线，升级到 25.09 基线就可以了，25.09 基线的闭源组件 compute 有适配”
说明 compute（负责解析 NPU 数据的核心组件）在不同版本间对异常值、数据转换逻辑存在差异。
当前虽然使用的是 25.09，但仍可能因为固件未完全同步、配置未更新等原因继承旧逻辑。
四、验证与修复建议 1. 确认传感器的读值处理逻辑# 查看具体 NPU 传感器配置
ipmcget -t thresholdsensor -d list | grep NPU
# 或通过 D-Bus 查看传感器属性
busctl get-property bmc.kepler.Systems.ThresholdSensor_<NPU> Reading
busctl get-property bmc.kepler.Systems.ThresholdSensor_<NPU> M
busctl get-property bmc.kepler.Systems.ThresholdSensor_<NPU> B
busctl get-property bmc.kepler.Systems.ThresholdSensor_<NPU> RBExp
检查
M/B/RBExp是否合理，例如：
- 功率类传感器，若原始值单位为 0.1W，则应
M=1, RBExp=249（表示 ×0.1）
2. 增强异常值处理策略修改 compute 或传感器处理逻辑，在接收到以下值时进行特殊处理：
| 原始值 | 处理建议 |
|---|---|
| 0 | 视为无数据，维持上次有效值或设为 N/A |
| 32767 | 视为临时异常，不更新 Reading |
| 32768 | 触发 ReadingStatus = 1（异常），并触发 Mgmtmt Health 告警 |
参考：
DC 3中提到 Mgmtmt Health 会因 ReadingStatus=1 触发告警。
3. 检查并固定传感器的 Reading 类型确保 sensor.Reading 存储时支持有符号类型，或在转换函数中显式使用：
int8_t reading = (int8_t)raw_value; // 强制补码解析
避免将 0xFF 视为 255 而不是 -1。
4. 校验 SDR 与 Web 数据源一致性| 接口 | 数据来源 |
|---|---|
ipmitool sdr list |
SDR → IPMI Command (Get Sensor Reading) |
| Web UI | D-Bus → bmc.kepler.Systems.ThresholdSensor |
| OS npu-smi | Drm/NPU Driver → Direct Memory Access |
scanner或reader组件更新。
5. 建议增加稳定性测试监控点在长期压测脚本中加入：
while true; do
output=$(ipmitool sdr list | grep NPU | awk '{print $2}')
if [[ "$output" == *-* ]]; then
echo "$(date): Found negative value!" >> /tmp/npu_negative.log
# 记录完整上下文
ipmitool sdr list | grep NPU >> /tmp/npu_negative.log
dmesg | tail -5 >> /tmp/npu_negative.log
fi
sleep 1
done
用于捕获异常时刻的日志、温度、SEL 等信息。
五、总结| 成因 | 是否成立 | 说明 |
|---|---|---|
| 未正确处理补码 | 高概率 |
尤其在高温或高功耗时，高位被置 1 |
| 异常值 32767/32768 被直接使用 | 成立 |
导致 Reading 溢出，转换失真 |
| compute 模块未完全适配 |  可能 |
不同批次固件间行为不一致 |
| IPMI SDR 与 Web 数据链路不一致 | 存在 |
解释为何 Web 显示正常 |
| 并发或脏读引起瞬时负值 | 可能 |
多线程更新 Reading 变量时缺少保护 |
结论与建议根本原因：BMC 在处理 NPU 传感器数据时，对异常值（如 32768）、原始数据补码解析、以及
Reading缩放逻辑存在边界处理缺陷，导致在ipmitool sdr list中偶现负值。
修复建议：
compute 或传感器模块中增加异常值过滤；临时规避方案：
如能提供 ipmitool sdr list 的具体负值样例（如 -23°C）、对应 M/B/RBExp 配置、以及 SEL 日志，可进一步精准定位计算环节的错误点。
相关链接：
我们也碰到了类似问题。
经过确认为华为已知问题，已在2512版本修复
感谢兄弟回复，之前这个问题有没有类似问题单的流程可以查阅？
ipmitool sensor与ipmcget -t sensor -d list返回不同 - bmc_core SIG - openUBMC 论坛
华为是在这个帖子里回复的，暂时没有流程跟踪
好的谢谢！我们在2512版本上测试验证一下
目前在2512版本验证是否有复现呢？
