pcie设备的FDM 故障是如何监控的

liujie_11 · 2026 年2 月 5 日 07:45

基于2512版本构建的openUBMC

在pcie_device组件中看到这些资源协作接口：

请问是bios会监控pcie设备的这些错误（CE\UCE\FE\降带宽\降速）然后报给BMC么？

ubmc_assistant · 2026 年2 月 5 日 07:49

答案内容由AI生成，仅供参考：

总结

PCIe设备的FDM故障监控是一个BIOS与BMC协同工作的过程：

BIOS在启动阶段负责对PCIe设备进行全面检测，包括链路建立、功能验证等，并将发现的错误（如UCE、降带宽、降速率等）通过专用接口上报给BMC。
BMC/FDM在系统运行时持续监控PCIe设备的各种状态，通过bmc.kepler.Systems.PCIeDevices.PCIeDevice.RAS接口收集运行时错误（如CE、UCE、超时错误等）。
两者通过标准化的接口（如SetDiagnosticFault、SetLinkSpeedReduced等）进行信息交互，确保故障能够被及时发现、记录和处理。

因此，这不是简单的"谁监控"的问题，而是一个分阶段、协同式的故障检测体系，BIOS负责启动阶段的深度诊断，BMC负责全生命周期的状态监控，共同保障系统的可靠性。

点击此处查看详细分析解答

PCIe设备FDM故障监控机制分析

在基于2512版本构建的openUBMC系统中，PCIe设备的FDM（Fault Detection and Management）故障监控是一个多层次、协同工作的机制。以下将详细说明其工作原理。

FDM监控架构

核心监控接口

根据提供的代码和上下文信息，pcie_device组件提供了多个与FDM相关的资源协作接口，用于接收和处理PCIe设备的各类故障事件：

对外接口
## 资源协作接口
- PCIeDevice
    - Path: `/bmc/kepler/Systems/${SystemId}/PCIeDevices/${Id}`
    - Interface: `bmc.kepler.Systems.PCIeDevices.PCIeDevice`

        | 方法  | 描述  |
        |:------------:|:------------:|
        | SetPcieErrorStatus | 根据错误类型设置不同错误事件属性状态 |
        | SetUCEByBIOS | 设置不可纠正错误标识 |
        | SetBandwidthReduction | 设置降带宽事件标识 |
        | SetLinkSpeedReduced | 设置链路降速事件标识 |
        | SetDiagnosticFault | 设置严重故障告警标识 |
        | SetPredictiveFault | 设置预故障事件标识 |
        | GetDeviceName | PCIe设备丝印信息获取 |
        | GetPCIeCardNum | 获取PCIeCard数量 |
        | SetFaultByBios | 设置FaultByBios属性值 |

BIOS与BMC的协同监控机制

BIOS的角色

是的，BIOS在PCIe设备的FDM故障监控中扮演着关键角色。

从系统设计来看，BIOS负责在系统启动阶段对PCIe设备进行初始化和诊断，并将发现的各类错误上报给BMC。这种分工基于两个不同的运行阶段：

启动阶段：由BIOS负责监控
运行阶段：由BMC/FDM持续监控

BIOS监控的具体内容

通过分析可知，BIOS主要监控以下几类PCIe错误：

不可纠正错误(UCE): 通过SetUCEByBIOS方法上报
降带宽事件: 通过SetBandwidthReduction方法上报
链路降速事件: 通过SetLinkSpeedReduced方法上报
严重故障: 通过SetDiagnosticFault方法上报

如文档所述：“BIOS通过WritePcieCardBdfToBmc、WriteOcpCardBdfToBmc将设备的BDF号传给BMC。” 这表明BIOS与BMC之间存在明确的通信机制。

故障信息的传递路径

BIOS通过IPMI命令将PCIe设备的状态信息传递给BMC：

"WritePcieCardBdfToBmc": "设置PCIE卡的BDF",
"WriteOcpCardBdfToBmc": "设置OCP卡的BDF"

这一机制也延伸到了错误报告：不仅设备识别信息，连同运行过程中检测到的错误状态，都会通过类似机制上报。

阶段性差异说明

根据社区讨论中的关键信息：

“FaultByBios是由BIOS在启动阶段上报的故障\nSystemError，ParityError、CorrectableError等是在描述的是PCIE在OS运行态时故障信息”

这表明：

FaultByBios属性记录的是启动阶段由BIOS上报的故障
SystemError, ParityError, CorrectableError等是在操作系统运行时由FDM组件监测的故障

监控属性对照表

错误类型	对应属性	上报来源	监控阶段
可纠正错误(CE)	`CorrectableError`	FDM组件	运行时
不可纠正错误(UCE)	`UncorrectableError`	FDM/BIOS	启动/运行
致命错误(FE)	`FatalError`	FDM/BIOS	启动/运行
降带宽事件	`BandwidthReduction`	BI°FDM	启动/运行
链路降速	`LinkSpeedReduced`	BI°FDM	启动/运行
严重故障	`DiagnosticFault`	BI°FDM	启动/运行
预故障	`PredictiveFault`	FDM	运行时

总结