27+

1. 第一阶段：初始化配置 (Initialization)

目标：使能 HN-I 的硬件检测逻辑，并将不可纠正错误路由至系统的故障中断（FHI）。

A. HN-I 本地配置 (Local Node Level)

1. 节点识别：Discovery 流程中识别 node_type == 0x6 (HN-I)，获取 HNI_BASE。

2. 配置 por_hni_errctlr (Offset 0xE008)：

   • Bit [3] FI (Fault Handling Interrupt enable)：置 1。使 UE 触发 FHI。

   • Bit [2] UI (Uncorrected Interrupt enable)：置 1。使能不可纠正错误中断。

   • Bit [0] ED (Error Detection enable)：置 1。开启硬件检测。

   • 寄存器值：0xD。

3. 状态清理：向 por_hni_errstatus (Offset 0xE010) 写入 ~0ULL 执行 W1C。

B. HN-D 全局配置 (Global SRA Level)

1. 解除 SRA 组屏蔽：在 HN-D 节点找到管理该 HN-I 的 SRA 组。

2. 配置 por_sra_errctlr (HN-D 偏移 0x7008 等)：

   • Bit [3] FI = 1，Bit [0] ED = 1。

   • 确保全局开关放行该组的所有故障信号。

---

2. 第二阶段：中断处理流程 (Interrupt Handling)

当 UE 触发 FHI 时，固件应遵循以下精确的寄存器读取和分析顺序。

步骤 1：定位报错节点

1. 读取 HN-D 的 SRA 位图：sra_status = READ_REG64(HND_BASE + 0x7010)。

2. 通过位偏移定位具体的 HNI_ID。

步骤 2：读取 UE 详情记录 (基于 Table 8-444)

访问 HN-I 本地 RAS 块（HNI_BASE + 0xE000）：

1. 读取 status = READ_REG64(HNI_BASE + 0xE010)：

   • 确认 Bit [30] V == 1 (有效) 且 Bit [29] UE == 1 (不可纠正)。

2. 关键位解析：

   • Bits UET (Uncorrected Error Type)：判断错误严重等级。

     • 0b00 (UC): 无法包含，最致命。

     • 0b01 (UET): 透明，已标记 Poison。

     • 0b10 (UER): 可恢复，软件可尝试干预。

   • Bit [31] AV (Address Valid)：若为 1，读取 HNI_BASE + 0xE018 获取 I/O 地址。

   • Bits [7:0] SERR (Service Error)：获取硬件故障原因。

步骤 3：日志打印记录

Plaintext

 

[RAS_HNI_UE] FATAL: Uncorrected Error in HN-I #%d
[RAS_HNI_UE] Status: 0x%016llx (UE=1, V=1)
[RAS_HNI_UE] UET_Type: 0x%x (%s)
[RAS_HNI_UE] SERR_Code: 0x%02x
[RAS_HNI_UE] Fault_Addr: 0x%016llx

---

3. 第三阶段：错误处理决策与行动

HN-I 的 UE 往往涉及外部 I/O 通信，处理必须果断。

A. 基于 UET 编码的处理动作

1. UET = 0b00 (UC - Uncontainable)：

   • 性质：发生了诸如内部协议控制器死锁或严重奇偶校验错误。

   • 动作：立即复位 (System Reset)。因为系统的一致性状态和 I/O 路由可能已损坏。

2. UET = 0b01 (UET - Transparent)：

   • 性质：HN-I 已将坏数据打上 Poison 标签发给了 PCIe 读请求者。

   • 动作：记录日志并上报。由于数据已带毒传播，等待受影响的设备驱动程序触发异常处理。

3. UET = 0b10 (UER - Recoverable)：

   • 性质：错误被拦截在 HN-I 桥接层。

   • 动作：尝试复位受影响的 I/O 接口（如执行 PCIe Link Reset），而不必复位整个 Mesh 互连网络。

B. 基于 SERR 的特殊处理

• SERR 0x12 (Response Error)：下游设备返回了非法响应。可能是 PCIe 显卡或 NVMe 盘挂了。固件应记录此事件并尝试下线该外设。

• SERR 0x22 (Internal Parity)：HN-I 内部数据路径损坏。通常需作为 UC 错误处理，强制复位。

---

4. 第四阶段：状态清理 (W1C Cleanup)

这是防止中断风暴的关键步骤。

1. 清理 HN-I 节点记录：

   • WRITE_REG64(HNI_BASE + 0xE010, status) (将读取到的 status 原样写回)。

2. 清理 HN-D 全局汇总位图：

   • WRITE_REG64(HND_BASE + 0x7010, (1ULL << (node_id % 56)))。

   • 注意：必须先清本地，再清全局，最后向 GIC 发送 EOI。