热插盘之后，bmc上识别ssd信息后温度为20度，不发送变化

zhaolianxun · 2026 年3 月 6 日 08:08

// 此模板仅供参考，如果不适用可以修改

问题描述

[公司购买的同方服务器（同方S920X20），内部ssd做热插测试，多轮测试后，个别盘在bmc上的显示信息不完全正确，盘的基本信息正确，但是，温度值不是盘的实时温度，pdlu不显示盘的真实寿命，默认100%一直不变；跟踪盘端，发现bmc会周期性的读取盘的smd信息以获取温度和寿命信息]

环境信息

操作系统：[如 Ubuntu 24.04]
软件版本：[BMC_ver=5.05]
硬件配置：[如 CPU、内存等]

重现步骤

[多轮热插板盘，在bmc界面观测识别盘的情况]
[第二步]
[第三步]

期望结果

[完整显示盘的所有信息]

实际结果

[实际界面信息为，盘的型号信息我隐藏了，能正常显示：

]

尝试过的解决方案

[使用过三星的竞品盘也有类似的现象]

ubmc_assistant · 2026 年3 月 6 日 08:11

答案内容由AI生成，仅供参考：

总结

本问题的根本原因可能是：

CustomReadInfo函数在热插拔场景下未能正确获取实时的S.M.A.R.T.数据
系统在数据获取失败后未正确更新状态，而是保留了默认值（20℃和100%）
数据更新机制可能存在缓存或刷新策略缺陷

建议优先尝试服务重启和固件升级方案，并通过日志进一步定位具体故障点。同时考虑到多品牌SSD均受影响，应重点排查BMC端的数据采集和处理逻辑。

点击此处查看详细分析解答

S920X20服务器SSD热插拔后BMC温度与寿命信息显示异常分析

问题描述

在使用同方S920X20服务器进行SSD热插拔测试时，发现以下异常现象：

热插盘后，BMC能够正确识别SSD的基本信息（如型号、容量、接口类型等）
但SSD温度固定显示为20℃，不随实际温度变化
SSD剩余磨损率（PDLU）始终显示为100%，无法反映实际寿命状态
已确认BMC会周期性读取盘的S.M.A.R.T.信息以获取温度和寿命数据，但未正确更新显示

环境信息

服务器型号：S920X20
管理控制器：iBMC（集成在S920X20系统中）
BMC固件版本：5.05（根据知识库显示，S920X20设备经历过从5.09.12.21到5.05.12.25的版本升级）
硬件架构：基于Kunpeng 920平台
管理框架：OpenUBMC/openBMC生态系统
相关组件：bmc.kepler.storage、thermal_mgmt、CustomReadInfo

问题分析

1. 核心信息流路径

根据文档资料分析，SSD信息上报和管理流程如下：

graph TD
    A[SSD] -->|S.M.A.R.T.数据| B(BMC)
    B --> C[bmc.kepler.storage]
    C --> D[thermal_mgmt]
    D --> E[Web界面显示]

该流程涉及多个关键组件交互。

2. 温度信息异常原因分析

结合知识库内容，可能的原因包括：

温度初始值机制

根据[CSR配置字典之Drive类]文档，TemperatureCelsius属性的默认值为255（INVALID_U8），表示无效值。
但在实际应用中，系统可能将20℃设置为某种默认或初始值，当无法获取实时数据时持续显示该值。

数据获取机制

bmc.kepler.storage作为D-Bus路径和服务组件，负责监控存储设备并收集系统级存储指标
该服务通过CustomReadInfo函数从硬件读取数据，但此函数“有时返回无效数据”，可能导致数据获取失败

温度监控策略

系统采用多种防抖机制，对于SSD/HDD硬盘温度监控使用midavg_s6（有符号中值平均6次防抖）策略
若短时间内多次读取失败，系统可能维持上次有效值或默认值

3. 剩余磨损率(PDLU)不更新原因

SMART信息获取链路

BmcKeplerSmsRedfishSmartDetails是Redfish管理设备中存储SMART属性的数据结构
该结构依赖固件（Firmware）支持来报告存储设备的SMART数据
信息流路径：SSD → S.M.A.R.T. → BMC → bmc.kepler.storage → Redfish API → Web界面

可能的断点

iTestSmart测试软件用于S920X20平台的测试，若测试过程中存在兼容性问题，可能影响正常数据采集
不同品牌SSD（包括三星竞品）均出现类似现象，表明问题更可能出在BMC端处理逻辑而非特定盘兼容性

解决方案建议

1. 诊断步骤

# 检查BMC日志中关于storage和temperature的相关记录
ipmcget -d logbuf | grep -i "storage\|temperature"

# 查询具体的温度传感器状态
ipmitool sensor list | grep -i "ssd\|temp"

# 检查Web后端服务状态（bmc.kepler.web_backend可能存在timeout问题）
systemctl status bmc.kepler.web_backend

2. 潜在解决方法

方法一：重启相关服务

# 重启storage服务以重新建立连接
systemctl restart bmc.kepler.storage

# 重启thermal管理服务
systemctl restart thermal_mgmt

方法二：检查并更新固件

当前使用BMC版本5.05可能存在已知问题，建议升级到更稳定的版本
根据知识库，S920X20支持多个BMC版本，包括22.06.00、25.03、25.06.00等

方法三：配置修正

检查CoolingConfig类配置：

SysSSDsMaxTemperature 应设为80.0℃
DiskRowTemperatureAvailable 需设置为true以启用硬盘温度参与调速

方法四：日志追踪

在以下位置添加调试日志：

storage > src > lualib > sml > ctrl_info.lua（处理物理盘温度支持）
storage > src > luablb > drive > drive_object.lua（更新硬盘对象驱动信息）

已知相关问题

CustomReadInfo函数问题：已知该函数有时返回无效数据，直接影响BMC数据读取
bmc.kepler.web_backend超时问题：可能导致Web界面数据同步延迟或失败
DeviceInfo响应不完整：S920X20设备存在DeviceInfo响应中缺少字段的问题
RAID卡识别问题：OpenUBMC刷写后RAID卡未被识别，显示系统存在设备识别稳定性问题

总结

本问题的根本原因可能是：

CustomReadInfo函数在热插拔场景下未能正确获取实时的S.M.A.R.T.数据
系统在数据获取失败后未正确更新状态，而是保留了默认值（20℃和100%）
数据更新机制可能存在缓存或刷新策略缺陷

建议优先尝试服务重启和固件升级方案，并通过日志进一步定位具体故障点。同时考虑到多品牌SSD均受影响，应重点排查BMC端的数据采集和处理逻辑。

zhaolianxun · 2026 年3 月 6 日 08:27

从盘的角度看，bmc一直能读取到盘上的smd信息，并且盘会给出正确的温度信息和pdlu信息，理论上bmc也能采集到盘的信息

huangyuxuan · 2026 年3 月 6 日 08:53

有条件的话，参考其他提问里把一键收集日志改个后缀放上来。

我印象里这是个历史问题，根因是在storage组件代码里，轮询NVMe信息的逻辑中，函数鲁棒性不够强，一些参数没有判断是否为nil的就进行了比较大小的动作。在实际运行中会概率性出现这些参数为nil的情况，这是违反lua语法的，导致了轮询逻辑崩溃。

zhaolianxun · 2026 年3 月 31 日 09:55

在长江计算服务器上也复现了此问题

yelmh_kno07 · 2026 年4 月 1 日 02:08

可以发个一键日志定位下
huangminghao4@huawei.com
任务异常报错，会记录相关日志的

zhaolianxun · 2026 年4 月 1 日 02:27

在storage文件夹下

mv sync_property_trace.log sync_property_trace.log.txt

sync_property_trace.log.txt (53.2 KB)

zhaolianxun · 2026 年4 月 1 日 02:28

part1.tar.gz (7.7 MB)

在长江计算服务器上的两份log

yelmh_kno07 · 2026 年4 月 1 日 13:32

初步分析你图中的情况是系统下电场景吧由于下电这几个scanner会去使能，使用NominalValue值导致温度为20，磨损率为 100.
确认下

zhaolianxun · 2026 年4 月 1 日 13:37

多次热插拔盘，系统不动

yelmh_kno07 · 2026 年4 月 2 日 07:19

系统不动系统是下电状态还是上电状态

huangyuxuan · 2026 年4 月 2 日 08:43

看了下日志，没出现我之前遇到的那个问题报错。看到app.log中出现了大量的storage组件报错刷屏。是盘不支持获取link width这个信息么？看代码这是nvme-mi规范要求实现的

2026-03-31 09:17:48.435634 storage ERROR: nvme_object.lua(576): Read chip failed (repeated 2 times)

2026-03-31 09:17:48.436116 storage ERROR: nvme_object.lua(602): vpd_nvme_mi_get_link_width:Read chip failed

2026-03-31 09:17:48.470925 storage ERROR: nvme_object.lua(576): Read chip failed

2026-03-31 09:17:49.729894 storage ERROR: nvme_object.lua(602): vpd_nvme_mi_get_link_width:Read chip failed

2026-03-31 09:18:03.060684 storage ERROR: nvme_object.lua(602): vpd_nvme_mi_get_link_width:Read chip failed (repeated 2 times)

zhaolianxun · 2026 年4 月 2 日 09:08

带内一直处于上电状态，所有槽位上插满盘进行热插拔测试，观测bmc上识别盘的情况

10轮会遇到一次，带内上正常识别盘，但是带外上盘的温度信息和pdlu信息不更新了，并且不正确了

zhaolianxun · 2026 年4 月 2 日 09:13

你分析的对

我们测试的盘，按照nvme-mi协议更新了vpd信息中的mulit-record info的长度，从64字节切换到37字节了，所以后面的nvme pcie port multirecord的位置也发生变动了，在nvme pcie port multirecord中的pcie link width 和speed信息也变动了，导致主机找不到pcie link capability了

根本原因是：bmc只认为mulit-record info的长度为固定64 bytes，不支持37字节

但是这个问题，也不是导致热插拔后不更新温度的原因，温度不来自vpd信息，而是来自地址为0x6A地址的system management data，dera给出的标准格式

yelmh_kno07 · 2026 年4 月 3 日 01:38

你们这些信息有变更，NVMe带外管理命令的IIC地址是0x6A NVMe Basic Management Data Structure结构有变更嘛，我们温度寄存器是从这个表中offset第三个字节读的温度，第四个字节读的PDLU

zhaolianxun · 2026 年4 月 3 日 02:13

温度信息和寿命信息，都来自0x6A地址，dera盘给出的信息是标准格式，没有改动

当前现象是多次热插拔后某一次热插拔不识别这些信息，但是从盘上能看到bmc在周期性的获取smd上的温度和寿命信息，只是无法正确显示

zhaolianxun · 2026 年4 月 3 日 02:22

当前bmc的最新版本中，在sr文件中定义的默认设备温度，也是20度，看起来像主机端得到盘的真实温度，用了默认值替代

    "Average_DiskTemp": {
        "WindowSize": 3,
        "DefaultValue": 20
    },

yelmh_kno07 · 2026 年4 月 7 日 02:30

看了下自发现加载的csr 数量不对，像是频繁插拔导致对象没有正确卸载/添加
这份csr 14140224_VPD_0.sr 加载了12个，但是这个connector只有5个

    │ ├─/bmc/kepler/Connector/Connector_ComVPD_01010201
    │ ├─/bmc/kepler/Connector/Connector_ComVPD_01010206
    │ ├─/bmc/kepler/Connector/Connector_ComVPD_01010207
    │ ├─/bmc/kepler/Connector/Connector_ComVPD_01010208
    │ ├─/bmc/kepler/Connector/Connector_ComVPD_0101020C

zhaolianxun · 2026 年4 月 8 日 07:08

是不是bmc的老版本的逻辑问题呢？实际上我们在这次热插拔异常中，bmc上看到温度为固定20度的盘只有两张，其他10张是真实温度

yelmh_kno07 · 2026 年4 月 8 日 11:23

实际一键收集中的硬盘温度看了下没有20度的是因为不是出问题时收集的日志吗
该问题能否复现，能否在温度为20度的时候一键收集下

组件	角色	相关信息
bmc.kepler.storage	存储管理核心服务	负责监控存储硬件，处理NVMe驱动信息更新
thermal_mgmt	温度管理模块	负责温度监控、风扇速度控制，版本1.70.107等
CustomReadInfo	数据读取函数	可能返回无效数据，已知存在问题

话题		回复	浏览量
硬盘热插拔测试时，偶现隔壁未被插拔的硬盘磨损率变为0，直到下次DC才恢复交流互助区提问求助	6	47	2026 年3 月 24 日
DC稳定性测试中概率出现无法获取Raid卡温度和Disks Temp温度、无法获取网卡温度交流互助区提问求助	10	122	2026 年4 月 14 日
Nvme盘偶现缺失累计通电时间和剩余利用率交流互助区提问求助	4	51	2026 年3 月 14 日
无法获取到CPU的温度，电压等健康信息交流互助区提问求助	7	137	2026 年3 月 23 日
冷重启多次测试后，nvme盘的BMC信息磨损率丢失交流互助区提问求助	2	78	2025 年9 月 26 日

热插盘之后，bmc上识别ssd信息后温度为20度，不发送变化

问题描述

环境信息

重现步骤

期望结果

实际结果

尝试过的解决方案

总结

S920X20服务器SSD热插拔后BMC温度与寿命信息显示异常分析

问题描述

环境信息

问题分析

1. 核心信息流路径

2. 温度信息异常原因分析

温度初始值机制

数据获取机制

温度监控策略

3. 剩余磨损率(PDLU)不更新原因

SMART信息获取链路

可能的断点

相关技术支持细节

BMC与存储设备通信架构

S920X20平台特性

解决方案建议

1. 诊断步骤

2. 潜在解决方法

方法一：重启相关服务

方法二：检查并更新固件

方法三：配置修正

方法四：日志追踪

已知相关问题

总结

热插盘之后，bmc上识别ssd信息后温度为20度，不发送变化

问题描述

环境信息

重现步骤

期望结果

实际结果

尝试过的解决方案

总结

S920X20服务器SSD热插拔后BMC温度与寿命信息显示异常分析

问题描述

环境信息

问题分析

1. 核心信息流路径

2. 温度信息异常原因分析

温度初始值机制

数据获取机制

温度监控策略

3. 剩余磨损率(PDLU)不更新原因

SMART信息获取链路

可能的断点

相关技术支持细节

BMC与存储设备通信架构

S920X20平台特性

解决方案建议

1. 诊断步骤

2. 潜在解决方法

方法一：重启相关服务

方法二：检查并更新固件

方法三：配置修正

方法四：日志追踪

已知相关问题

总结

相关话题