OCP网卡热拔插操作显示操作失败，同时会有OS卡死与网络不通现象

[baode_yujie]

问题描述

使用OCP网卡（MCX631432AN-ADAB）进行热拔插操作，百分百复现操作失败提示。
在手动卸载网卡后，OS会卡死
卸载完再重新将OCP网卡接上，会大概率导致BMC网络不通（实测5次出现4次该现象）

环境信息

• 操作系统：openEuler 22.03 (LTS-SP3)

• 软件版本： OpenUBMC2606

• 硬件配置：

重现步骤

1. 进入网络适配器页面，点击OCP网卡的热拔插操作，弹出的提示框中点击确定，提示操作失败

   

2. 刷新该页面再次进入，显示资源正在卸载中，此时手动拔出OCP网卡，右下角提示资源已卸载，可拔出网卡，此时连接KVM，发现主机OS卡住，无法输入操作，光标无闪烁，外接屏幕现象一致

3. 

4. 重新将OCP网卡插入，一两分钟内出现BMC网络不通状况，需重新上下电才恢复正常

期望结果

热拔插操作提示操作成功，且热拔插后一切正常

实际结果

热拔插网卡时提示操作失败，且拔出网卡后有OS卡死与网络不通的情况

尝试过的解决方案

猜测是否需要点击热拔插网卡按钮时迅速把OCP网卡拔出，但同样提示操作失败

分析结论

暂无

[ubmc_assistant (openUBMC_Assistant)]

答案内容由AI生成，仅供参考：

五、总结

当前 openUBMC 中 OCP 网卡的热拔插功能尚存在若干已知问题，主要集中在：

• PCIeSlot 电源状态切换失败（导致卸载卡住）
• NCSI 管理对热拔插无感知（导致网络不通）
• 热拔后系统电源/PCIe 状态异常（可能引发 OS 卡死或掉电）

社区已在部分型号（如 BCM957508、MCX623436AN-CDAB）上通过代码补丁进行了修复，您遇到的现象与这些已知问题高度吻合。建议结合所使用的软件版本（OpenUBMC2606）查看相关组件的最新代码及补丁，并与平台维护团队确认硬件配置是否满足热拔插要求。

以上分析均基于 openUBMC 论坛讨论及知识库记录，具体实现细节可参考 network_adapter 和 pcie_device 组件的源码及对应的 PR 说明。如果问题持续，建议在论坛上提供更详细的硬件拓扑和 BMC 日志，以便进一步定位。

点击此处查看详细分析解答

根据 openUBMC 社区的相关讨论、知识图谱中的实体关系以及已有的文档记录，您描述的 OCP 网卡热拔插操作失败、OS 卡死以及网络不通 现象在多个类似案例中均有提及，以下是对各问题的分析与梳理。

一、热拔插操作失败的常见原因

• 正常流程回顾
  在 BMC Web 界面点击热拔按钮后，BMC 会设置 NetworkAdapter.ReadyToRemove 属性（关联硬件 Accessor，实现“通知式热拔”），随后调用对应 PCIeSlot 的 PowerControl 方法将槽位电源置为 Off，并持续监控该 Slot 的 PowerState 属性直至变为 Off，才算成功卸载。

• 操作失败的可能原因

  1. PowerState 无法变为 Off：如 topic#5665 所分析的，当前环境下 PCIeSlot.PowerState 一直保持在 On 状态，导致热拔命令始终处于“卸载中”，无法完成下电。该问题可能与 PCIeSlot 对象与 NetworkAdapter 的匹配关系（如 BDF、四元组信息）不正确有关，或者下电操作的闭源组件需要适配当前机器拓扑。
  2. ComponentType 同步问题：NetworkAdapter 的 component_type 属性若为 0，可能导致下电流程被跳过，需要先调用 update_component_type() 才能与 PCIeSlot 匹配。
  3. PCIeSlot 配置不完整：在 2512LTS 版本中，热拔插相关属性已从 NetworkAdapter 移至 PCIeSlot（例如 CardPowerGood 改为 PowerState，ReadyToRemove 改为 PCIeSlot.ReadyToRemove），若 VPD 或硬件配置中未正确配置对应的 PCIeSlot 对象，将导致下电控制失败（参见 topic#7）。
  4. 已知型号的缺陷与修复：BCM957508-N2100G 网卡曾报告完全无法触发热拔操作，社区已通过 PR（pcie_device#84）修复了卸载功能（topic#2659）；MCX623436AN-CDAB 也曾出现卸载卡住，原因与上述电源状态未变化一致。

二、OS 卡死的可能原因

• 热拔过程中网卡电源未完全切断，或 PCIe 拓扑状态异常，可能导致主机系统挂起。有用户报告过在热拔卸载后、重新插入网卡时出现 “OS 直接掉电” 的现象（topic#5062 实际结果），与您描述的 OS 卡死（无法输入、光标无闪烁）在本质上可能同源。
• 热拔后风扇转速异常、温度获取失败等问题（如 SF221Q 热拔后风扇转速拉高 80%、无法获取温度告警）也可能间接影响系统稳定性。
• 另外，network_adapter 模块对 OCP 热拔插无感知（topic#5408），NCSI 链路未能正确关闭或重建，可能导致网络栈异常，进而影响 OS 层的行为。

三、网络不通的原因

• 核心问题：network_adapter 模块对 OCP 热拔插无感知
  在通知热拔并物理拔出 OCP 网卡后，network_adapter 的 NCSI 管理流程存在缺陷：网口页面仍显示 OCP 网口，同时日志持续刷屏（如 Enable channel failed、Disable broadcast filter failed 等重复数百次），说明 NCSI 通道未正确释放。
• 重新插入后 NCSI 无法恢复
  当重新插入实体网卡后，试图将管理网口切换到 NCSI 口时，会出现 NCSI 网络长时间不通（十几分钟无法恢复），直到做一次 OS 上下电才能恢复（topic#5408）。这与您“一两分钟内出现 BMC 网络不通”的现象吻合，只是触发时机略有差异。
• 后台服务影响
  网络不通还可能关联 bmc_network 服务异常，例如 maca 检测到 bmc_network 连续离线而触发 BMC 重启（日志中可见 [bmc_network] continuously offline 5 time within 10 minutes, rebooting…），不过您描述的现象似乎未重启，但网络服务已失效。

四、建议的解决方向

1. 检查 PCIeSlot 配置

   • 确认 PCIeSlot 对象已正确配置，尤其关注 PowerState 和 ReadyToRemove 属性是否与 NetworkAdapter 的对应关系一致。
   • 若使用较新版本（如 2512LTS 及以上），请确保 VPD 和硬件配置中已包含完整的 PCIeSlot 定义。

2. 查阅已有的社区修复

   • 参考 PR openUBMC/pcie_device#84（修复 BCM957508 热拔插卸载功能）。
   • 关注 network_adapter 组件的后续更新，尤其是 NCSI 管理流程中对热拔插事件的响应逻辑。

3. 验证硬件兼容性

   • 如果 OCP Riser 或 UBC 线缆曾被更改（如 topic#5665 前置网卡更换 Riser 后出现热拔卡住），请检查硬件信号和电源控制是否正常，必要时与硬件团队确认。

4. 临时规避措施

   • 在尝试热拔时，观察 BMC 日志中 PCIeSlot.PowerState 是否变化；若一直为 On，可考虑强制下电操作（但需注意风险）。
   • 若网络不通，尝试通过串口或带外 IPMI 进行 BMC 恢复（如切换分区、重启服务）。

五、总结

当前 openUBMC 中 OCP 网卡的热拔插功能尚存在若干已知问题，主要集中在：

• PCIeSlot 电源状态切换失败（导致卸载卡住）
• NCSI 管理对热拔插无感知（导致网络不通）
• 热拔后系统电源/PCIe 状态异常（可能引发 OS 卡死或掉电）

社区已在部分型号（如 BCM957508、MCX623436AN-CDAB）上通过代码补丁进行了修复，您遇到的现象与这些已知问题高度吻合。建议结合所使用的软件版本（OpenUBMC2606）查看相关组件的最新代码及补丁，并与平台维护团队确认硬件配置是否满足热拔插要求。

以上分析均基于 openUBMC 论坛讨论及知识库记录，具体实现细节可参考 network_adapter 和 pcie_device 组件的源码及对应的 PR 说明。如果问题持续，建议在论坛上提供更详细的硬件拓扑和 BMC 日志，以便进一步定位。

[xushuo25 (xushuo)]

麻烦附上一键日志收集辅助定位

[baode_yujie]

S950X00_2102315RYU10S4100121_20260721-0701.tar.gz (23.1 MB)

[yctco-chendanni (长江计算_陈丹妮)]

请问这个问题有结论吗？碰到了同样的问题

[baode_yujie]

华为方面并没有给出后续结论，但我司硬件后来解释说硬件本身不支持热拔插功能，此问题也就结束了

[KunLun-chengjiankang]

您好，请问现在这个问题有跟踪进展么，华为方面是否有回复呀？