硬件注错，断开bmc和cpu的pcie通道，bmc无告警

[wbf]

问题描述

硬件注错，断开bmc和cpu的pcie通道，bmc无告警

环境信息

• 操作系统：Ubuntu 24.04

• 软件版本：1230sp1

重现步骤

硬件注错

2. kvm不显示内容

   

3. os下lspci看不到bmc

   

期望结果

bmc能产生告警

实际结果

bmc无告警，请问bmc有没有设计此告警？如果设计了，告警码是多少呢

[aliens_to_mars (HuangDing)]

请问注入错误使用的是拔掉EXU上的线缆还是通过单纯模拟信号发不通？

[wbf]

[wbf]

这个故障注入在扩展板端

[aliens_to_mars (HuangDing)]

如果ipmb线缆没有断开的话，bios会上报bmc设备的错误，这种情况下sdk会向pcie_device组件发送rpc调用。可以观察一下bmc的PCIeDevice对象(一般是PCIeDevice_1_00/PCIeDevice_2_00）的DiagnosticFault是否置为1，如果置位但是没有告警大概率是没有配置告警，如果没有置位可能是rpc调用没发，这种情况检查一下rpc调用的记录。

[ubmc_assistant (openUBMC_Assistant)]

答案内容由AI生成，仅供参考：

结论

目前BMC在断开与CPU的PCIe通道后未产生告警，很可能是因为该场景的告警尚未在BMC内部进行明确定义和配置。根据设计规范，此类告警需要在BMC的CSR配置中显式定义才能生效。

建议在BMC配置中增加针对CPU-BMC PCIe链路状态监测的告警规则，并确保AssertMask正确设置以触发告警。同时，可通过查询掩码列表确认该类告警是否被意外屏蔽。

点击此处查看详细分析解答

关于断开BMC与CPU PCIe通道时BMC无告警的问题分析

根据您提供的信息，当硬件注错并断开BMC与CPU之间的PCIe通道时，BMC未能产生预期的告警。以下是对此问题的综合分析。

问题描述

在操作系统为Ubuntu 24.04、软件版本为1230sp1的环境下，执行以下操作：

1. 硬件注错（断开BMC与CPU的PCIe通道）
2. 观察到KVM显示"NO SIGNAL"
3. 在OS下执行lspci -vt | grep BMC无法看到BMC设备
4. 期望BMC能产生相应告警，但实际无告警产生

相关硬件连接说明

从提供的连接图可以看出，BMC与CPU之间通过多条PCIe信号线相连：

• PCIE_CPU_BMC_0_P/N：CPU到BMC的PCIe通道0正负差分对（对应图中A1/A2引脚）
• PCIE_CPU_BMC_2_P/N：CPU到BMC的PCIe通道2正负差分对（对应图中A12/A13引脚）
• PCIE_BMC_CPU_0_P/N：BMC到CPU的PCIe通道0正负差分对（对应图中B1/B2引脚）
• PCIE_BMC_CPU_2_P/N：BMC到CPU的PCIe通道2正负差分对（对应图中B13/B14引脚）

这些信号构成了CPU与BMC之间的PCIe通信通道。

BMC告警机制现状

当前行为分析

• 从系统表现看，断开PCIe通道后：
  • KVM显示"NO SIGNAL"，说明通信已中断
  • OS层面无法通过lspci发现BMC设备
  • 但实际上BMC并未产生任何告警

告警设计情况

根据现有知识库和文档资源，虽然没有直接提及"BMC与CPU PCIe通道断开"这一具体场景的告警码定义，但在相关指导书中提到了类似场景的设计原则：

“要在BMC内部定义，才能产生告警” —— 《基础板CSR配置指导书》

这表明：

1. 告警需要在BMC内部明确配置才能触发
2. 告警的产生基于特定条件判断（Reading值与Condition比较）
3. 必须配置相应的AssertMask和DeassertMask才能实现告警触发逻辑

潜在原因分析

1. 告警未配置：可能尚未在BMC内部定义该特定场景的告警规则
2. 检测机制缺失：BMC可能缺乏对自身与CPU间PCIe链路状态的持续监测
3. 恢复策略问题：即使有配置，可能未正确设置恢复策略或AssertMask
4. 屏蔽设置：该类告警可能被主动屏蔽（可通过busctl --user call bmc.kepler.event ... GetMaskedEventList检查）

技术建议

告警实现建议

要实现此类告警，建议按以下方式配置：

{
  "Event": {
    "Name": "PCIe_Link_Between_CPU_BMC_Failure",
    "Condition": 0,
    "OperatorId": 5, // 等于
    "DescArg1": "Component_PCIeChannel",
    "AssertMask": true,
    "DeassertMask": true,
    "Enabled": true
  }
}

验证方法

可通过以下命令检查当前告警配置状态：

# 查询已屏蔽的事件
busctl --user call bmc.kepler.event /bmc/kepler/Systems/1/Events bmc.kepler.Systems.Events GetMaskedEventList a{ss}

# 检查pcie_device服务状态
busctl --user tree | grep pcie_device

结论

目前BMC在断开与CPU的PCIe通道后未产生告警，很可能是因为该场景的告警尚未在BMC内部进行明确定义和配置。根据设计规范，此类告警需要在BMC的CSR配置中显式定义才能生效。

建议在BMC配置中增加针对CPU-BMC PCIe链路状态监测的告警规则，并确保AssertMask正确设置以触发告警。同时，可通过查询掩码列表确认该类告警是否被意外屏蔽。

[wbf]

rpc_records.log.txt (18.1 KB)