Linux检查硬件错误工具—mcelog命令

[root@RedHat_test ~]# yum install mcelog.x86_64

cron : 最老的方式，有确定，定时任务，会丢失一些

daemon : el7上用这种，守护进程的方式

trigger : 高级一点的方式，触发的时候，看man mcelog

/dev/mcelog 设备文件
/var/log/mcelog messages日志文件
/etc/mcelog/mcelog.conf配置文件
/var/run/mcelog.pid

默认故障日志只记录在/var/log/mcelog，并不记录到系统日志中。

如果需要在系统日志中也体现，需修改/etc/mcelog/mcelog.conf文件，将前面#去掉，并保存。

[root@RedHat_test ~]# mcelog --daemon

[root@RedHat_test ~]# mcelog --daemon

[root@RedHat_test ~]# tail /var/log/mcelog
# 什么也没有输出，表明正常

[root@RedHat_test ~]# mcelog --client
# 什么也没有输出，表明正常

[root@RedHat_test ~]# mcelog --ascii < file.log
# or或者
[root@RedHat_test ~]# mcelog --ascii --file file.log

mce-inject用于测试mcelog能否正确的获取硬件错误信息，并进行正确解码，mce-inject可以向内核注入指定的错误信息，因此，可以很方便的了解到mcelog的功能是否正常。

注意的是，当用户利用mce-inject工具向内核注入不可恢复错误（如：fatal）时，会发生死机重新启动等现象，当然，可以通过更改sys文件系统下的tolerate文件来避免此现象的发生。

[root@RedHat_test ~]# cd /sys/devices/system/machinecheck/machinecheck0
----------------------------------------------------------------------------------------
位置 : /sys/devices/system/machinecheck/machinecheck*/
说明 : 其中machinecheck* 中的 *号由CPU的个数所决定的，如果是双核的，则存在machinecheck0和machinecheck1两个目录，对应目录里都有一个tolerate文件，tolerate中存放容忍程度值。
功能 : 向用户提供一个可选择的出现相应硬件错误时的容忍程度（tolerate），比如：当tolerate的值为1时，出现fatal错误时就会死机，重新启动，并且该错误信息并不被记录；当tolerate的值为3时（注意该值只用于测试），在出现fatal错误时，机器会容忍该错误不予响应，不会出现死机重新启动现象，并且会记录相关错误信息。
----------------------------------------------------------------------------------------
[root@RedHat_test machinecheck0]# cat tolerant
1
[root@RedHat_test machinecheck0]# echo 3 > tolerant
----------------------------------------------------------------------------------------
数值含义：
tolerate的取值可以为0、1、2、3。
0: always panic on uncorrected errors, log corrected errors
1: panic or SIGBUS on uncorrected errors, log corrected errors
2: SIGBUS or log uncorrected errors (if possible), log corrected errors
3: never panic or SIGBUS, log all errors (for testing only)

[root@RedHat_test ~]# yum install gcc.x86_64 gcc-c++.x86_64 flex.x86_64 dialog.x86_64 ras-utils.x86_64 git.x86_64 ras-utils

[root@RedHat_test ~]# cat correct
CPU 1BANK 2
STATUS corrected
RIP 0x12341234

[root@RedHat_test ~]# modprobe mce-inject

[root@RedHat_test ~]# mce-inject ./correct

[root@RedHat_test ~]# tail /var/log/mcelog
TIME 1581565856Thu Feb 1311:50:56 2020
MCG status:
MCi status:
Corrected error
Error enabled
MCA: No Error
STATUS 9000000000000000MCGSTATUS 0
MCGCAP 100010a APICID 1SOCKETID 0
MICROCODE 1
CPUID Vendor Intel Family 6Model 63
[root@RedHat_test ~]# cat /var/log/messages
Feb 1311:59:01 RedHat_test systemd: [16423350.358386] Starting machine check poll CPU 1
Feb 1311:59:01 RedHat_test systemd: [16423350.371252] [Hardware Error]: Machine check events logged

tail /var/log/messages 可以看到日志，但是/var/log/mcelog文件默认在el7上不存在！！原因是默认保存到/var/log/messages。如果希望保存到/var/log/mcelog，需要在mcelog 的service文件中，加入参数--logfile=/var/log/mcelog，然后重启mcelog

ExecStart=/usr/sbin/mcelog --ignorenodev--daemon--syslog--logfile=/var/log/mcelog