某客户RAID出现Multi-bit ECC error错误

某客户反馈，BMC带外有Major级别的告警，告警内容如下

可以看出SEL指向RAID卡，产生告警时间为2024年11月14日。检查RAID卡日志，找2024年11月14号发生的事件。从RAID卡事件可以看出来RAID卡从2024年11月9号到2024年11月14号，5天内并没有记录任何日志（如下图）一直到2024年11月14日出现RAID卡重置

在3:10:26的时候出现了一条Multi-bit ECC error错误如下

检查对应的事件

 Multi-bit ECC error是一种严重的硬件级错误，通常与RAID控制器的缓存（Cache）或内存模块相关

如果要查看这条完整的日志，需在系统下通过如下命令获取

storcli /c0 show eventlog type=error | grep "ELOG=1000"

原因：

Multi-bit ECC error（多位ECC错误）此错误表明控制器在数据校验过程中检测到无法自动纠正的多位数据错误，通常与RAID控制器的缓存（Cache）或内存模块相关。此类错误常预示硬件可能即将失效。造成这种错误的可能原因有如下两点

1、控制器缓存故障

• RAID控制器的缓存模块（通常为DRAM或NVRAM）因硬件老化、电压不稳或物理损坏导致数据读写错误。
• 缓存电池（BBU）失效可能导致缓存数据无法持久化，引发异常。

2、固件或驱动兼容性问题（已排除）

• 控制器固件版本存在已知缺陷，或驱动程序与操作系统不兼容。

解决：

更换RAID卡后解决