PSU告警“Server power failure”是在哪里注册的?

问题描述

[在这里详细描述您遇到的问题]

如何查找PSU告警“Server power failure”是在哪里注册的?监控的哪些信息产生告警?

搜索PSUServerPowerFailure event key 没有发现哪个sr里边有注册这个事件。

企业微信截图_17945541588458

环境信息

  • 操作系统:[RTOS]

  • 软件版本:[OpenUBMC2512]

  • 硬件配置:[KP920模组]

重现步骤

  1. [第一步]
    vcc3.3V EN短路;VCC5V PG 短路

  2. [第二步]
    查看BMC告警

期望结果

[您希望实现什么]

能够找到哪里注册的这个告警?如何获取的?

实际结果

[实际发生了什么,包含错误信息]

可能是PG短路触发,但是代码中未看到对应的事件注册。

尝试过的解决方案

[列出您已经尝试过的解决方案及结果]

搜索告警字符串和对应的Event key id,但是未找到事件注册代码。

分析结论

[详细总结您对此问题的分析结论]

答案内容由AI生成,仅供参考:

结论:PSU.PSUServerPowerFailure 的定义位置不在 SR 中

根据现有资料和你提供的截图,可以确认:

  • EventKeyId 定义在 event_def.json:你截图中的 vendor/.../event_def.json 里可以看到:
    • EventKeyId: PSU.PSUServerPowerFailure
    • Description: Server power failure occurred at %1, The power has been already restored.
    • 中文描述:%1整机掉电,现在电源已恢复正常。
    • Cause: 外部供电异常
    • Suggestion: 客户检测机房的供电
    • Influence: 导致整机掉电
  • 事件本体定义在 ibmcevents.json:知识库中明确说明 PSUServerPowerFailure 事件定义在 ibmcevents.json 文件内。
  • 该事件映射到 HwBMCEvent_v1_0_0 schema:由 Huawei 用于硬件事件标准化。
  • 因此,只搜索 SR 文件找不到 PSUServerPowerFailure 是正常的;从现有资料看,它不是通过 SR 中的 Scanner/Event 配置直接注册的传感器事件,而是由 AC 掉电检测逻辑动态产生的事件。
点击此处查看详细分析解答

结论:PSU.PSUServerPowerFailure 的定义位置不在 SR 中

根据现有资料和你提供的截图,可以确认:

  • EventKeyId 定义在 event_def.json:你截图中的 vendor/.../event_def.json 里可以看到:
    • EventKeyId: PSU.PSUServerPowerFailure
    • Description: Server power failure occurred at %1, The power has been already restored.
    • 中文描述:%1整机掉电,现在电源已恢复正常。
    • Cause: 外部供电异常
    • Suggestion: 客户检测机房的供电
    • Influence: 导致整机掉电
  • 事件本体定义在 ibmcevents.json:知识库中明确说明 PSUServerPowerFailure 事件定义在 ibmcevents.json 文件内。
  • 该事件映射到 HwBMCEvent_v1_0_0 schema:由 Huawei 用于硬件事件标准化。
  • 因此,只搜索 SR 文件找不到 PSUServerPowerFailure 是正常的;从现有资料看,它不是通过 SR 中的 Scanner/Event 配置直接注册的传感器事件,而是由 AC 掉电检测逻辑动态产生的事件。

如何查找该告警的注册与产生位置

建议按以下路径排查:

  1. 搜索 EventKeyId

    • 在 event_def.json、ibmcevents.json 中搜索 PSU.PSUServerPowerFailure。
    • 不要只在 .sr 文件中搜索。
  2. 搜索事件产生函数

    • 搜索 generate_power_failure。
    • 搜索 add_event、aclost_check_task、PS_POWER_DROP_FLAG、aclost_record。
    • 这些关键字能把告警产生逻辑定位到 log_service.lua 的 AC 掉电检测流程。
  3. 区分 PSU 的其他事件

    • Event_PowerSupplyGetFail 是 PSU 通信失败事件,由 14191046_PSU_0_soft.sr 在检测到电源通信失败时产生,触发条件与 CommunicationStatus 从 0 变为 1 有关。
    • PSU.PSUServerPowerFailure 是整机掉电类事件,两者不是同一个事件,不能混在一起搜索。
  4. 检查事件注册是否完成

    • 知识库中存在 Event Registration Failure 概念:PSU 导致了 server power failure 事件,但注册未完成。
    • 当 EventCode 与 Type 的一致性检查失败时,会出现事件注册失败状态。
    • 如果现场存在告警产生但注册/上报异常,需要同时检查事件注册流程。

监控哪些信息会产生该告警

从 log_service.lua 的 aclost_check_task 代码可以看出,告警产生流程如下:

  1. 监控 AC 掉电记录标志

    • 判断条件为:
      aclost_record.Flag == log_def.PS_POWER_DROP_FLAG
      
    • 也就是说,触发依据是 AC 掉电记录标志 PS_POWER_DROP_FLAG,而不是直接对 PG 信号做判断。
  2. 保存掉电记录

    • 将 aclost_record.Flag 置位后保存,并记录当前时间。
  3. 延迟后产生告警

    • 通过 skynet.fork 异步执行:
      skynet.sleep(10000)
      local time_stamp = self:cal_ac_timestamps()
      add_event.get_instance().generate_power_failure('true', time_stamp)
      
    • generate_power_failure 是用于模拟或记录电源故障事件的函数,带布尔值和 time_stamp 时间戳参数。
    • add_event 会调用 generate_power_failure 来产生电源故障事件。
  4. 2 秒后消除告警

    skynet.sleep(200)
    add_event.get_instance().generate_power_failure('false'.time_stamp)
    
    • 告警产生 2 秒后,由组件进行消除。
  5. 写维护日志

    local desc = 'Server power failure occurred at %s, The power has been already restored.'
    log:maintenance(log.MLOG_WARN, log.FC_PUBLIC_OK, rec)
    

结论:
该告警主要监控的是 AC 掉电记录标志 PS_POWER_DROP_FLAG,并在 AC 掉电记录恢复后,通过 generate_power_failure('true'/'false', time_stamp) 产生和消除 “Server power failure” 告警。你提到的 VCC3.3V EN 短路、VCC5V PG 短路可能导致掉电,但从这段代码看,没有看到直接对 PG 信号进行判断的代码路径,更像是掉电后由 AC 掉电记录机制触发。


告警内容与表现

根据事件定义:

  • 事件 Key:PSU.PSUServerPowerFailure
  • 事件描述:
    • 英文:Server power failure occurred at %1, The power has been already restored.
    • 中文:%1整机掉电,现在电源已恢复正常。
  • 原因:外部供电异常
  • 处理建议:客户检测机房的供电
  • 影响:导致整机掉电
  • 严重级别:知识库中该事件 severity 为 Warning;你现场告警列表显示为“严重”,实际级别以现场事件配置为准。
  • 现场事件码示例:0x0300001F

相关注意事项

1. AC 间隔过短会导致日志遗漏

知识库中的“100 次 AC 只有 96 次 Server power failure occurred 事件日志”问题分析表明:

  • 预期记录 100 次 Server power failure occurred 事件日志,实际只记录了 96 次。
  • 原因是 AC 操作间隔较短,本次日志尚未记录完成或上报,下一次 AC 命令已经下发,导致系统重启并遗漏日志。
  • 将 AC 操作间隔从 10 分钟扩大到 15 分钟甚至 18 分钟,日志记录就会正常。

2. 与 PSU 通信失败事件区分

Event_PowerSupplyGetFail 是 PSU 通信状态变化触发的事件,依赖 CommunicationStatus 从 0 变为 1;而 PSU.PSUServerPowerFailure 是整机掉电类事件。搜索注册位置时应分别处理,避免混淆。

这个告警不是csr配置来的,是代码上报的告警。具体上报处就是你截图的地方,power_mgmt组件的generate_power_failure会上报这个告警。

上报该告警的逻辑是,power_mgmt组件启动后会从持久化数据中读取AclostRecordTable,获取Aclost标记位,判断是否发生了掉电。如果是,则上报这个告警

这个Aclost标记是如何生成的?是通过载板cpld获取的还是通过模组cpld获取的?

power mgmt初始化的时候会调sync_reset_type()查复位原因,subscribe_aclost_signal也会订阅gpio中断信号,检测到之后也会持久化到数据库