高温保护机制

交流互助区
1

问题描述

1 openUBMC支持哪些高温保护机制避免核心器件因高温发生损坏？
2 如何将保护机制应用起来

2

答案内容由AI生成，仅供参考：

三、总结

保护机制 触发条件 响应动作 可配置性
CoreDisableTemp CPU核心温度过高 关闭核心 :white_check_mark: 可配置阈值
MaxAllowedTemperatureCelsius 达到最大允许温度 风扇100% PWM、告警 :white_check_mark: 多种设定值
ProcessorHot 硬件检测到核心过热 触发ThermalTrip :white_check_mark: 可监控
ThermalTrip 严重过热事件 自动下电并延时恢复 :white_check_mark: 支持Redfish配置
OverTemperature PSU/FRU过温 报警、记录事件 :white_check_mark: 状态可读
SysSSDsMaxTemperature SSD温度 > 80°C 启动冷却策略 :white_check_mark: 在配置文件中定义

:white_check_mark: 建议实践：

  • 启用ThermalTrip并合理设置TimeDelaySeconds避免频繁重启。
  • 结合MaxAllowedTemperatureCelsius和风扇策略实现主动温控。
  • 利用Redfish API 实现远程高温策略管理，提升运维效率。

如需进一步配置指导，可参考以下文档：

点击此处查看详细分析解答

openUBMC高温保护机制详解

openUBMC系统提供了多层次的高温保护机制，以确保核心器件在异常温升情况下能够及时响应，防止硬件损坏。以下是基于现有信息整理的高温保护机制及其应用方式。

一、openUBMC支持的高温保护机制

1. CoreDisableTemp（核心关闭温度阈值）

  • 描述：该参数定义了CPU核心被关闭的温度阈值，用于防止处理器因过热而损坏。
  • 作用对象：SOC（System on Chip）中的CPU核心。
  • 机制说明：
    • 当检测到核心温度达到或超过CoreDisableTemp设定值时，系统将自动关闭对应的核心。
    • 配合CoreDisablePowerOffTime参数使用，在电源关闭期间若温度持续过高，可触发延时关机流程。
  • 相关实体关系：
    CoreDisableTemp → SOC：控制CPU核心的高温关闭逻辑
CoreDisableTemp ↔ CoreDisablePowerOffTime：协同决定是否执行断电保护

2. MaxAllowedTemperatureCelsius（最大允许温度）

  • 描述：定义系统或组件允许的最高温度阈值，通常用于触发风扇全速运行或更高级别的热保护动作。
  • 数值范围：U8类型（0–255°C），典型值为 60°C、90°C、100°C 或 102°C，具体取决于硬件配置。
  • 关键行为：
    • 温度超过此阈值时，系统强制将风扇PWM调至100%，实现最大散热。
    • 可作为系统级热警报和安全干预的触发条件（如降频、告警、准备关机）。
  • 备注：该值可能因设备型号不同而配置不一，属于可配置参数。

3. ProcessorHot（处理器过热信号）

  • 描述：硬件级状态标志（U8数据），用于实时反映CPU核心是否处于高温状态。
  • 监控路径：通过访问器 Scanner_Cpu1ProcessorHotAccessor 获取状态。
  • 联动机制：
    • 被 bmc.kepler.Systems.Processor 接口监控。
    • 激活后可触发ThermalTrip保护逻辑，进入降频、告警或下电流程。
  • 集成层级：
    • 属于 Temperature Monitoring 系统功能的一部分。
    • 与 Thermal Mgmt 组件协同工作，实现闭环控制。

4. ThermalTrip 过热保护机制

  • 描述：当CPU发生严重过热时，硬件自动触发ThermalTrip信号，导致系统主动下电，防止永久性损伤。

  • 关键属性（来自CSR配置）：

    属性 类型 默认值 说明
    FruID U8 0 关联FRU单元
    GetThermTrip 表达式 <=/Scanner_Cpu1ThermalTripAccessor.Value 获取过热信号
    Actions 枚举 上电 下电后是否自动恢复上电
    TimeDelaySeconds U32 300 自动上电延迟时间（秒）
    IsValid 布尔 true 是否启用该策略

  • 支持的Redfish接口扩展：

    • PowerOnAfterCpuThermalTrip：布尔型，控制是否在高温下电后自动重启。
    • DelaySecondsAfterCpuThermalTrip：整数型，设置恢复上电的等待时间。

  • 应用场景：

    • 防止高温反复上下电导致OS震荡。
    • 为系统提供安全冷却窗口，避免热累积破坏硬件。

5. OverTemperature（过温状态监测）

  • 描述：一种通用的安全状态指示器，表示某个组件（如电源、风扇模块等）已超出安全温度上限。
  • 数据格式：
    • 8位无符号整数（U8）
    • 0 表示无故障，1 表示发生过温故障。
  • 监控对象：
    • Power Supply（电源单元）
    • NVMe SSDs
    • 其他散热敏感部件
  • 告警输出：可通过BMC日志、Redfish API 或 Web REST API 实时获取。

6. SysSSDsMaxTemperature（SSD最大温度限制）

  • 描述：控制系统中SAS/SATA SSD的最大允许工作温度。
  • 设定值：80.0°C
  • 作用机制：
    • 超过该温度时，系统将启动相应冷却策略（如提升风扇转速）。
    • 是 CoolingConfig_HighPerformance 配置文件中的一个关键参数。
  • 注意：该参数仅适用于SAS/SATA SSD，不包含NVMe SSD。

二、如何应用这些高温保护机制

1. 通过CSR配置启用保护策略

  • 操作方式：
    • 编辑CSR（Configuration & Status Register）字典中的ThermTrip类。
    • 设置IsValid = true以启用过热保护。
    • 配置Actions和TimeDelaySeconds控制下电后的恢复行为。
  • 参考路径：
    /bmc/kepler/Systems/:SystemsId/Fructrl/:FruId

2. 使用Redfish API进行远程配置

  • 新增Oem属性支持（Redfish v1/Systems）：
    {
  "Oem": {
    "Huawei": {
      "PowerOnAfterCpuThermalTrip": true,
      "DelaySecondsAfterCpuThermalTrip": 300
    }
  }
}
  • 权限要求：PATCH操作需具备PowerMgmt权限。

3. 通过资源协作接口管理策略

  • 接口路径：bmc.kepler.Systems.ThermalTrip
  • 可操作属性：
    • Action（y型）：设定下电后动作（默认为上电）
    • TimeDelaySeconds（u型）：设置延时秒数，默认300秒
  • 权限控制：
    • 读：ReadOnly
    • 写：PowerMgmt

4. 日志与监控

  • 日志来源：thermal_mgmt 服务会记录以下信息：
    • 风扇转速变化
    • 温度采样记录
    • ThermalTrip事件触发
    • 失败原因（如devmon对象获取失败）
  • 查看方式：
    journalctl -u thermal_mgmt
    或通过 Log Query 功能从openUBMC BMC中提取。

5. 冷却策略绑定

  • 将温度阈值与冷却策略关联，例如：
    • 使用 coolingRequirement_1_41 控制基于 SysSSDsMaxTemperature 的风扇响应。
    • CoolingRequirement_1_81 结合 NPU_1.AiCoreTemp 监控Atlas 300I A2芯片温度并动态调节散热。

三、总结

保护机制 触发条件 响应动作 可配置性
CoreDisableTemp CPU核心温度过高 关闭核心 :white_check_mark: 可配置阈值
MaxAllowedTemperatureCelsius 达到最大允许温度 风扇100% PWM、告警 :white_check_mark: 多种设定值
ProcessorHot 硬件检测到核心过热 触发ThermalTrip :white_check_mark: 可监控
ThermalTrip 严重过热事件 自动下电并延时恢复 :white_check_mark: 支持Redfish配置
OverTemperature PSU/FRU过温 报警、记录事件 :white_check_mark: 状态可读
SysSSDsMaxTemperature SSD温度 > 80°C 启动冷却策略 :white_check_mark: 在配置文件中定义

:white_check_mark: 建议实践：

  • 启用ThermalTrip并合理设置TimeDelaySeconds避免频繁重启。
  • 结合MaxAllowedTemperatureCelsius和风扇策略实现主动温控。
  • 利用Redfish API 实现远程高温策略管理，提升运维效率。

如需进一步配置指导，可参考以下文档：

3

1、openUBMC支持哪些高温保护机制避免核心器件因高温发生损坏？ — 超温下电一般都是硬件提供的能力，BMC侧当前没有主动基于某个信号去给业务做下电的

2、确实要做也可以，硬件提供保护信号，触发了后由BMC自动下电或者触发异常调速、告警等机制