【NVME】上电状态下对NVME盘做热插拔，概率性导致nvme盘的温度传感器丢失

Hardware SIG
1

Atlas 800I A3设备上电，对nvme硬盘（slot2/3）做热插拔验证（两块盘交替或同时做较快速插拔），大约半个小时，概率性出现nvme盘温度传感器（SSD Diskx Temp）丢失。

查看温度传感器的ThresholdSensor对象，如下：

~ ~ $ mdbctl lsobj ThresholdSensor |grep -i ThresholdSensor_NvmeTemp
ThresholdSensor_NvmeTemp_0101081003
ThresholdSensor_NvmeTemp_0101081004
~ ~ $ mdbctl lsprop ThresholdSensor_NvmeTemp_0101081003
bmc.kepler.Object.Properties
ClassName=“ThresholdSensor”
ObjectIdentifier=[1,“1”,“1”,“0101081003”]
ObjectName=“ThresholdSensor_NvmeTemp_0101081003”
TraceSamplingRate=0
bmc.kepler.Systems.ThresholdSensor
Capabilities=104
EntityId=4
EntityInstance=101
LowerCritical=0
LowerNoncritical=0
LowerNonrecoverable=0
NegativeHysteresis=2
OriginalReading=0
OwnerLun=0
PositiveHysteresis=2
Reading=20
ReadingMask=6168
ReadingStatus=1
SensorIdentifier=“”
SensorName=“SSD Disk2 Temp”
SensorNumber=255
SensorType=1
UpperCritical=85
UpperNoncritical=84
UpperNonrecoverable=0
bmc.kepler.Systems.ThresholdSensorDisplay
AssertStatus=0
Health=“”
LowerCriticalDisplay=“”
LowerNoncriticalDisplay=“”
LowerNonrecoverableDisplay=“”
NegativeHysteresisDisplay=“”
PositiveHysteresisDisplay=“”
ReadingDisplay=“”
Status=“”
UnitDisplay=“”
UpperCriticalDisplay=“”
UpperNoncriticalDisplay=“”
UpperNonrecoverableDisplay=“”
Private
Accuracy=0
Analog=1
AssertMask=29312
B=0
BA=0
BaseUnit=1
BelongsToSystem=false
DeassertMask=29312
Initialization=127
IsValid=true
Linearization=0
M=100
MT=0
MaximumReading=127
MinimumReading=128
ModifierUnit=0
NominalReading=25
NormalMaximum=0
NormalMinimum=0
OwnerId=32
RBExp=224
ReadingType=1
Unit=128

~ ~ $ mdbctl lsprop ThresholdSensor_NvmeTemp_0101081004
bmc.kepler.Object.Properties
ClassName=“ThresholdSensor”
ObjectIdentifier=[1,“1”,“1”,“0101081004”]
ObjectName=“ThresholdSensor_NvmeTemp_0101081004”
TraceSamplingRate=0
bmc.kepler.Systems.ThresholdSensor
Capabilities=104
EntityId=4
EntityInstance=101
LowerCritical=0
LowerNoncritical=0
LowerNonrecoverable=0
NegativeHysteresis=2
OriginalReading=0
OwnerLun=0
PositiveHysteresis=2
Reading=20
ReadingMask=6168
ReadingStatus=1
SensorIdentifier=“”
SensorName=“SSD Disk3 Temp”
SensorNumber=255
SensorType=1
UpperCritical=85
UpperNoncritical=84
UpperNonrecoverable=0
bmc.kepler.Systems.ThresholdSensorDisplay
AssertStatus=0
Health=“”
LowerCriticalDisplay=“”
LowerNoncriticalDisplay=“”
LowerNonrecoverableDisplay=“”
NegativeHysteresisDisplay=“”
PositiveHysteresisDisplay=“”
ReadingDisplay=“”
Status=“”
UnitDisplay=“”
UpperCriticalDisplay=“”
UpperNoncriticalDisplay=“”
UpperNonrecoverableDisplay=“”
Private
Accuracy=0
Analog=1
AssertMask=29312
B=0
BA=0
BaseUnit=1
BelongsToSystem=false
DeassertMask=29312
Initialization=127
IsValid=true
Linearization=0
M=100
MT=0
MaximumReading=127
MinimumReading=128
ModifierUnit=0
NominalReading=25
NormalMaximum=0
NormalMinimum=0
OwnerId=32
RBExp=224
ReadingType=1
Unit=128

在查看传感器的Scanner对象，有如下报错：

~ ~ $ mdbctl lsprop Scanner_Temp_0101081003
bmc.kepler.Object.Properties
ClassName=“Scanner”
ObjectIdentifier=[1,“1”,“1”,“0101081003”]
ObjectName=“Scanner_Temp_0101081003”
TraceSamplingRate=0
BMC.Error.Unknow: ./opt/bmc/libmc/lualib/sd_bus/object.lua:990: chip: Chip_Temp_0101081003, bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC comple tion code: 4

bmc.kepler.Scanner.Aggregate
AggregateOffset=0
AggregateStatus=false
Private
Chip=“Chip_Temp_0101081003”
Debounce=“MidAvg_DiskTemp_0101081003”
FailureDebounceCount=10
Mask=255
NominalValue=20
Offset=3
Period=2000
ScanEnabled=1
Size=1
SuccessDebounceCount=10
Type=0

~ ~ $ mdbctl lsprop Scanner_Temp_0101081004
bmc.kepler.Object.Properties
ClassName=“Scanner”
ObjectIdentifier=[1,“1”,“1”,“0101081004”]
ObjectName=“Scanner_Temp_0101081004”
TraceSamplingRate=0
BMC.Error.Unknow: ./opt/bmc/libmc/lualib/sd_bus/object.lua:990: chip: Chip_Temp_0101081004, bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC comple tion code: 4

bmc.kepler.Scanner.Aggregate
AggregateOffset=0
AggregateStatus=false
Private
Chip=“Chip_Temp_0101081004”
Debounce=“MidAvg_DiskTemp_0101081004”
FailureDebounceCount=10
Mask=255
NominalValue=20
Offset=3
Period=2000
ScanEnabled=1
Size=1
SuccessDebounceCount=10
Type=0

2

Atlas 800I A3设备上电，对nvme硬盘（slot2/3）做热插拔验证（两块盘交替或同时做较快速插拔），大约半个小时，概率性出现nvme盘温度传感器（SSD Diskx Temp）丢失。

查看温度传感器的ThresholdSensor对象，如下：

~ ~ $ mdbctl lsobj ThresholdSensor |grep -i ThresholdSensor_NvmeTemp
ThresholdSensor_NvmeTemp_0101081003
ThresholdSensor_NvmeTemp_0101081004
~ ~ $ mdbctl lsprop ThresholdSensor_NvmeTemp_0101081003
bmc.kepler.Object.Properties
ClassName=“ThresholdSensor”
ObjectIdentifier=[1,“1”,“1”,“0101081003”]
ObjectName=“ThresholdSensor_NvmeTemp_0101081003”
TraceSamplingRate=0
bmc.kepler.Systems.ThresholdSensor
Capabilities=104
EntityId=4
EntityInstance=101
LowerCritical=0
LowerNoncritical=0
LowerNonrecoverable=0
NegativeHysteresis=2
OriginalReading=0
OwnerLun=0
PositiveHysteresis=2
Reading=20
ReadingMask=6168
ReadingStatus=1
SensorIdentifier=“”
SensorName=“SSD Disk2 Temp”
SensorNumber=255
SensorType=1
UpperCritical=85
UpperNoncritical=84
UpperNonrecoverable=0
bmc.kepler.Systems.ThresholdSensorDisplay
AssertStatus=0
Health=“”
LowerCriticalDisplay=“”
LowerNoncriticalDisplay=“”
LowerNonrecoverableDisplay=“”
NegativeHysteresisDisplay=“”
PositiveHysteresisDisplay=“”
ReadingDisplay=“”
Status=“”
UnitDisplay=“”
UpperCriticalDisplay=“”
UpperNoncriticalDisplay=“”
UpperNonrecoverableDisplay=“”
Private
Accuracy=0
Analog=1
AssertMask=29312
B=0
BA=0
BaseUnit=1
BelongsToSystem=false
DeassertMask=29312
Initialization=127
IsValid=true
Linearization=0
M=100
MT=0
MaximumReading=127
MinimumReading=128
ModifierUnit=0
NominalReading=25
NormalMaximum=0
NormalMinimum=0
OwnerId=32
RBExp=224
ReadingType=1
Unit=128

~ ~ $ mdbctl lsprop ThresholdSensor_NvmeTemp_0101081004
bmc.kepler.Object.Properties
ClassName=“ThresholdSensor”
ObjectIdentifier=[1,“1”,“1”,“0101081004”]
ObjectName=“ThresholdSensor_NvmeTemp_0101081004”
TraceSamplingRate=0
bmc.kepler.Systems.ThresholdSensor
Capabilities=104
EntityId=4
EntityInstance=101
LowerCritical=0
LowerNoncritical=0
LowerNonrecoverable=0
NegativeHysteresis=2
OriginalReading=0
OwnerLun=0
PositiveHysteresis=2
Reading=20
ReadingMask=6168
ReadingStatus=1
SensorIdentifier=“”
SensorName=“SSD Disk3 Temp”
SensorNumber=255
SensorType=1
UpperCritical=85
UpperNoncritical=84
UpperNonrecoverable=0
bmc.kepler.Systems.ThresholdSensorDisplay
AssertStatus=0
Health=“”
LowerCriticalDisplay=“”
LowerNoncriticalDisplay=“”
LowerNonrecoverableDisplay=“”
NegativeHysteresisDisplay=“”
PositiveHysteresisDisplay=“”
ReadingDisplay=“”
Status=“”
UnitDisplay=“”
UpperCriticalDisplay=“”
UpperNoncriticalDisplay=“”
UpperNonrecoverableDisplay=“”
Private
Accuracy=0
Analog=1
AssertMask=29312
B=0
BA=0
BaseUnit=1
BelongsToSystem=false
DeassertMask=29312
Initialization=127
IsValid=true
Linearization=0
M=100
MT=0
MaximumReading=127
MinimumReading=128
ModifierUnit=0
NominalReading=25
NormalMaximum=0
NormalMinimum=0
OwnerId=32
RBExp=224
ReadingType=1
Unit=128

在查看传感器的Scanner对象，有如下报错：

~ ~ $ mdbctl lsprop Scanner_Temp_0101081003
bmc.kepler.Object.Properties
ClassName=“Scanner”
ObjectIdentifier=[1,“1”,“1”,“0101081003”]
ObjectName=“Scanner_Temp_0101081003”
TraceSamplingRate=0
BMC.Error.Unknow: ./opt/bmc/libmc/lualib/sd_bus/object.lua:990: chip: Chip_Temp_0101081003, bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC comple tion code: 4

bmc.kepler.Scanner.Aggregate
AggregateOffset=0
AggregateStatus=false
Private
Chip=“Chip_Temp_0101081003”
Debounce=“MidAvg_DiskTemp_0101081003”
FailureDebounceCount=10
Mask=255
NominalValue=20
Offset=3
Period=2000
ScanEnabled=1
Size=1
SuccessDebounceCount=10
Type=0

~ ~ $ mdbctl lsprop Scanner_Temp_0101081004
bmc.kepler.Object.Properties
ClassName=“Scanner”
ObjectIdentifier=[1,“1”,“1”,“0101081004”]
ObjectName=“Scanner_Temp_0101081004”
TraceSamplingRate=0
BMC.Error.Unknow: ./opt/bmc/libmc/lualib/sd_bus/object.lua:990: chip: Chip_Temp_0101081004, bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC comple tion code: 4

bmc.kepler.Scanner.Aggregate
AggregateOffset=0
AggregateStatus=false
Private
Chip=“Chip_Temp_0101081004”
Debounce=“MidAvg_DiskTemp_0101081004”
FailureDebounceCount=10
Mask=255
NominalValue=20
Offset=3
Period=2000
ScanEnabled=1
Size=1
SuccessDebounceCount=10
Type=0

一键式日志（去掉后缀zip再解压）：

disk–lost-A800IA3_2102315QYP10S3100024_20260519-0954.rar.zip (9.7 MB)

3

答案内容由AI生成，仅供参考：

总结

该问题的根本原因是在上电状态下对 NVMe 硬盘（特别是 Slot 2 和 Slot 3）进行快速、反复的热插拔操作时，BMC 与 NVMe 盘温度传感器芯片之间的 I2C 通信链路 因硬件电气特性或协议交互异常而中断，导致 BMC 无法成功读取温度数据，表现为温度传感器“丢失”。

这是一个已知的、与特定硬件平台（Atlas 800I A3）和操作行为（上电热插拔）相关的概率性硬件兼容性或固件稳定性问题。

点击此处查看详细分析解答

根据您提供的上下文信息，关于 Atlas 800I A3 设备在上电状态下对 NVMe 盘进行热插拔导致温度传感器丢失的问题，分析如下：

根本原因

问题出在热插拔操作导致 I2C 通信链路中断，使得 BMC 无法通过 Scanner 对象正常读取 NVMe 硬盘的温度传感器数据。

  1. 现象与日志分析：

    • 执行命令 mdbctl lsprop Scanner_Temp_0101081003 和 Scanner_Temp_0101081004 时，系统报错：
      BMC.Error.Unknow: ... chip: Chip_Temp_..., bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC completion code: 4
    • 此错误明确指示：BMC 在尝试通过 I2C 总线 (I2c_7) 访问NVMe 盘的温度传感器芯片 (Chip_Temp_…) 时，读取失败，并返回了“芯片内部错误”和“SMC 完成码为 4”。

  2. 技术关联：

    • 根据知识图谱，Scanner_Temp 是一个用于监控硬件组件（尤其是 NVMe 驱动）温度状态的数据源，它通过 Chip_TempChip 传感器来获取原始温度数据。
    • NVME Disk 实体与 Temperature Sensor Loss 概念直接相关联，明确指出：在 Atlas 800I A3 系统中，反复热插拔操作后，NVME 盘存在温度传感器丢失的概率。
    • 传感器数据读取依赖于稳定的 Smbus 或 I2C 通信接口。热插拔操作的电气瞬变或握手时序问题，可能导致 I2C 链路上出现拥塞或通信故障，从而使得 BMC 认为对应的温度传感器芯片“丢失”或无法响应。

  3. 受影响的对象：

    • 根据日志，受影响的传感器为 ThresholdSensor_NvmeTemp_0101081003（对应 Slot 2）和 ThresholdSensor_NvmeTemp_0101081004（对应 Slot 3），表现为 SSD Disk2 Temp 和 SSD Disk3 Temp 传感器读值丢失。

总结

该问题的根本原因是在上电状态下对 NVMe 硬盘（特别是 Slot 2 和 Slot 3）进行快速、反复的热插拔操作时，BMC 与 NVMe 盘温度传感器芯片之间的 I2C 通信链路 因硬件电气特性或协议交互异常而中断，导致 BMC 无法成功读取温度数据，表现为温度传感器“丢失”。

这是一个已知的、与特定硬件平台（Atlas 800I A3）和操作行为（上电热插拔）相关的概率性硬件兼容性或固件稳定性问题。

4

BMC.Error.Unknow: ./opt/bmc/libmc/lualib/sd_bus/object.lua:990: chip: Chip_Temp_0101081003, bus: I2c_7, read failed: chip.lua:697: response error, chip internal error, SMC completion code: 4

该报错信息显示通过I2C与硬件读写时发生了错误，且错误原因来自于硬件内部，smc收到的返回错误码为4。建议先与逻辑进一步确认此时报错的具体原因进行检查