服务器插SP681、SP670网卡，上电，进web界面查看网卡温度获取不到，有告警

交流互助区
1

// 此模板仅供参考，如果不适用可以修改

问题描述

服务器插SP681、SP670网卡，上电，进web界面查看网卡温度获取不到

环境信息

  • 软件版本： OpenUBMC2603

重现步骤

[步骤]

服务器插SP681网卡，上电，进web界面查看网卡温度

[结果]

无法获取网卡温度

[期望]

能正常识别网卡温度

尝试过的解决方案

1、查看日志，网卡有反复过温日志

image
image1025×415 15.9 KB

2、所以怀疑过温导致ncsi通信断了，然后获取不到温度，过温的原因则怀疑与调速有关

查看相关日志，发现应急调速策略1s后就被删除了，所以认为策略清除导致了风扇转速不足，散热不够，SP670逐渐过热，最终导致通信断掉。

image
image1849×459 60.6 KB

分析结论

异常调速策略被反复 Add 后 Delete，也就是说风扇的异常转速策略没有实际生效过，请教各位这会是什么原因

2

答案内容由AI生成，仅供参考：
结论：异常调速被反复 Add 后 Delete 的根本原因是网卡温度读取本身不稳定（超时或 NCSI 通信故障），导致温度点监控状态频繁跳变。风扇无法持续获得异常转速，进而引起过热和通信中断。建议从硬件槽位、软件配置（FailedValue、备份温度点）以及 NCSI/MCTP 通信稳定性三个层面进行排查。

点击此处查看详细分析解答

根据您提供的日志分析和上下文知识库，您遇到的“异常调速策略被反复 Add 后 Delete，未实际生效”的问题，核心原因与温度点监控状态的不稳定以及温度获取本身的故障有关。具体分析如下：

1. 根本原因：温度获取异常导致状态反复跳变

  • SP670 网卡在 x16 槽位：知识库明确指出，SP670 插在 x16 卡槽时，由于 MCTP 请求响应时间超过 15 秒的超时阈值，导致温度数据获取失败。这种超时可能是间歇性的，当系统重试成功时，温度点状态又恢复正常，从而触发了异常调速的反复添加与删除。
  • SP681 网卡：同样存在间歇性温度获取失败的问题（日志中出现 Error: failed to send NCSI get temperature command），以及因 buffer_offset 配置错误导致 NCSI 命令无法正确发送，进一步加剧了温度读取的不稳定性。

知识库依据：

  • SP670 Netcard → MCTP Request 关系：描述“温度数据获取失败，当 MCTP 请求超过 15 秒超时”。
  • SP681 NetCard → Temperature Retrieval Failure 关系：描述“间歇性温度获取失败”。
  • Error: failed to send NCSI get temperature command 实体：多次出现该错误日志。

2. 调速策略本身的清除逻辑

根据上下文文档，异常调速的触发与解除由 MonitoringStatus 状态控制：

  • 当温度点监控状态变为 非 0（异常） 时，系统会执行 Add exception speed，将风扇转速设为 FailedValue（例如 80%）。
  • 当温度点监控状态恢复为 0（正常） 时，系统会执行 Delete exception speed，删除异常转速项，风扇回归 PID 正常调速。

如果温度点状态在异常与正常之间频繁切换（例如：温度获取一次失败引发异常 → 稍后重试成功状态恢复 → 再次失败再触发），日志中就会表现出 “反复 Add 后 Delete” 的现象。而您观察到的“过温日志”正是温度持续偏高、但风扇却未获得足额异常转速导致的恶性循环。

文档依据：

  • 第 7 部分《调速问题定位介绍》：“Add exception speed 当 MonitoringStatus 为非0；Delete exception speed 当状态恢复正常。”
  • 第 3 部分《调速配置指导说明》：“温度点获取异常的场景可参考异常调速，风扇不小于 FailedValue 的值。”

3. 调速策略未实际生效的可能原因

可能因素 说明
备份温度点介入 如果配置了备份温度点（如文档中提到的“温度点备份调速”），主温度点异常时系统可能自动切换至备用温度点，使主温度点状态恢复正常，从而立即删除异常调速。
FailedValue 未配置或配置错误 如果 CoolingRequirement 对象中的 FailedValue 未配置，则温度点异常不会触发异常调速，风扇按正常调速运行，导致散热不足。
异常调速的生效条件存在冲突 例如同时配置了 PCIeCardName、FanType 等条件，若不满足则策略不生效。
硬件通信链路不稳定 NCSI over MCTP 的通信受温度影响（过温时 NCSI 可能断开），导致温度值忽有忽无，状态频繁跳变。

知识库依据：

  • CoolingRequirement_1_94 实体：明确说明在光模块温度异常时使用 NetworkAdapter_1.TemperatureCelsius 作为数据源，说明系统在异常时会寻找替代温度源，可能因此恢复状态。
  • 文档片段 2 和 5：详细描述了 FailedValue 配置规则（不配则不触发异常调速）、备份温度点机制。

建议排查方向

  1. 检查温度点异常告警日志（app.log）：确认 MonitoringStatus 是否确实在 0 与非 0 之间反复切换，以及 Add/Delete exception speed 的对应时间戳。
  2. 检查 CoolingRequirement 配置：确认 FailedValue 是否已正确配置（例如 80），以及备份温度点是否被错误启用。
  3. 验证 SP670 网卡所在槽位：若为 x16 槽位，建议更换至 x8 槽位测试，以排除 MCTP 超时问题（知识库指出 x8 槽位可正常获取温度）。
  4. 检查 SP681 的 buffer_offset 配置：参考知识库中 SP681网卡 → buffer_offset 关系，确认该配置是否导致 NCSI 请求体无法正确发送。
  5. 查阅 /redfish/v1/Chassis/1/Thermal 下 ModelPredictiveControlEnabled：确认 MPC 算法是否干扰了异常调速的优先级。

结论：异常调速被反复 Add 后 Delete 的根本原因是网卡温度读取本身不稳定（超时或 NCSI 通信故障），导致温度点监控状态频繁跳变。风扇无法持续获得异常转速，进而引起过热和通信中断。建议从硬件槽位、软件配置（FailedValue、备份温度点）以及 NCSI/MCTP 通信稳定性三个层面进行排查。