电源冗余丢失PSURedundancyLost告警产生的条件

[zhangxuan8899 (长江计算_张旋)]

// 此模板仅供参考，如果不适用可以修改

问题描述

电源冗余丢失告警产生的条件是怎样？比如我们有一款4个电源的服务器是N+N冗余，正常情况下，什么条件下会产生电源冗余丢失告警？

环境信息

• 操作系统：[如 Ubuntu 24.04]

• 软件版本：openUBMC2606

• 硬件配置：[如 CPU、内存等]

重现步骤

1. 4个电源的服务器

2. 拔出电源线

3. 期望产生电源冗余丢失告警

期望结果

涉及PowerStrategy模块想了解告警产生的条件。

实际结果

[实际发生了什么，包含错误信息]

尝试过的解决方案

[列出您已经尝试过的解决方案及结果]

分析结论

[详细总结您对此问题的分析结论]

[ubmc_assistant (openUBMC_Assistant)]

答案内容由AI生成，仅供参考：

5. 总结

电源冗余丢失告警产生的本质条件：系统判断当前可用的 PSU 数量低于配置所要求的冗余级别，导致 RedundancyFailure 状态变为 true，事件引擎随即触发 Event_PSURedundancyLost_01010A（或 PSURedundancyLost_01010A）告警。

在 N+N 冗余的 4 电源服务器上，任何导致在线 PSU 数低于冗余阈值的操作（拔电源线、PSU 故障）均会触发此告警。BMC 重启过程中的时序问题也可能造成短暂误报，但通常会在系统完全初始化后自动恢复。

以上信息均来自提供的知识库文档（包括“冷复位BMC产生电源冗余告警问题分析”及社区讨论帖 #6531），未引入外部知识。

点击此处查看详细分析解答

根据知识库中提供的相关信息，电源冗余丢失告警（如 Event_PSURedundancyLost_01010A / PSURedundancyLost_01010A）的产生与 RedundancyFailure 状态以及 PowerStrategy 模块 的逻辑密切相关。下面是基于上下文整理的详细条件说明。

---

1. 告警产生的核心条件

Event_PSURedundancyLost_01010A 的触发逻辑定义如下（来源：冷复位BMC产生电源冗余告警问题分析）：

• 告警事件：Event_PSURedundancyLost_01010A
• 触发表达式：Reading <= /PowerStrategy_1.RedundancyFailure
• 操作符：5（表示“小于等于”）
• 条件值：Condition = 1
• 回差（Hysteresis）：0（无防抖）

解读：

• 当 RedundancyFailure 为 true（即值为 1）时：1 <= 1 → 条件成立 → 触发告警。
• 当 RedundancyFailure 为 false（即值为 0）时：0 <= 1 也成立，但该状态对应“冗余恢复”，不会重复触发告警。

因此，告警产生的直接条件就是 RedundancyFailure 为 true。

---

2. RedundancyFailure 变为 true 的触发条件

根据同源文档分析，RedundancyFailure 状态由 PowerStrategy 模块在系统运行中动态管理，其变为 true 的典型场景包括：

场景	说明
AC 上电启动时	检测到可用 PSU 数量 低于 配置要求的冗余数量（例如配置要求 2+2 冗余，但实际仅检测到 1 个 PSU 可用）。
系统运行中 PSU 故障或移除	正常运行时，PSU 发生硬件故障或用户直接将电源线拔除，导致在线 PSU 数量不满足冗余要求。
BMC 初始化阶段（异常时序）	BMC 冷复位或重启过程中，power_strategy 模块过早开始监听冗余状态，主动将 RedundancyFailure 设置为 true（此时 OnePower 模块尚未加载完成，尚未获得真实的 PSU 状态），造成误告警。随后 OnePower 加载完毕、状态稳定后，RedundancyFailure 恢复为 false，告警自动消除。

注意：上述第三种情况属于已知的启动时序缺陷，已在社区版本 330 中修复（来源：社区讨论帖 #6531）。

---

3. 针对 4 电源 N+N 冗余服务器的具体解释

假设服务器有 4 个电源，配置为 N+N 冗余（例如 2+2 或 3+1 等，具体由 RedundancyMode 定义，如 0x0301 代表 3+1 冗余）。

正常条件下产生冗余丢失告警的情况：

1. 拔掉电源线

   • 拔掉一个或多个电源线 → 对应 PSU 故障或移除 → 可用 PSU 数低于冗余要求（例如要求至少 2 个在线，但实际只剩 1 个）→ RedundancyFailure 置 true → 触发 PSURedundancyLost 告警。

2. PSU 硬件故障

   • PSU 自身损坏、通信丢失等 → 同样会导致可用 PSU 数不足，触发相同流程。

3. 系统启动阶段 PSU 缺失

   • 如果服务器上电时实际安装的 PSU 数量少于配置的冗余阈值，则启动期间即会触发告警。

可能出现的误告警场景：

• BMC 冷复位/重启期间
  由于启动时序问题，可能短暂出现 RedundancyFailure 为 true，导致告警闪报 1 秒左右随即恢复。这属于已知异常，不影响最终系统稳定。

---

4. 其他关联告警

除了 PSURedundancyLost 事件，知识库中还提到另一个相关告警：

• “Number of Power Supplies Present Does Not Meet Monitoring Requirement”（电源数量不满足监控要求）
  该告警在实际安装的电源数量与配置的冗余级别不匹配时触发，与 RedundancyFailure 的底层逻辑一致。

此外，RedundancyMode（如 0x0301）用于定义主用/备用电源数量，是系统判断冗余是否满足的依据。该属性可在 PowerStrategy 配置对象（如 PowerStrategy_1）中读取。

---

5. 总结

电源冗余丢失告警产生的本质条件：系统判断当前可用的 PSU 数量低于配置所要求的冗余级别，导致 RedundancyFailure 状态变为 true，事件引擎随即触发 Event_PSURedundancyLost_01010A（或 PSURedundancyLost_01010A）告警。

在 N+N 冗余的 4 电源服务器上，任何导致在线 PSU 数低于冗余阈值的操作（拔电源线、PSU 故障）均会触发此告警。BMC 重启过程中的时序问题也可能造成短暂误报，但通常会在系统完全初始化后自动恢复。

以上信息均来自提供的知识库文档（包括“冷复位BMC产生电源冗余告警问题分析”及社区讨论帖 #6531），未引入外部知识。

[wwhh]

根据配置冗余模式和实际在位电源数量进行判断，具体联系项目支撑

[caiyesheng_b48v3 (社区技术支持)]

由于资料涉及相关项目信息，社区支持会整理好资料后通过项目渠道单独传递。