板載故障記錄原理解析

OBFL基線記錄的創建獨立于任何電路板故障。OBFL系統應一直保持一個初始基線記錄和至少一個近期基線記錄。在完成對OBFL的系統現場配置、首次成功將電路板件投入使用之后，就會立即生成初始基線。首次創建近期基線記錄的時候，將使用初始基線記錄。創建近期基線記錄的目的，是為了獲取OBFL資源的近期值。隨后每次成功的電路板復位都會創建后續的基線。OBFL還會要求提供存檔的舊基線。任何穩定的基線都會被標注為“優良”基線，并在故障排查過程中用作參考基線。如果沒有優良基線記錄，初級基線記錄將用作參考基線。

基線記錄將獲取特定的軟硬件配置詳情，并存儲在非易失性存儲器中。基線記錄的硬件部分包括電路板配置數據詳情，如機架編號、電路板件的插槽號、序列號、子卡標識詳情、FPGA和ASIC修訂號等。該部分還應該存儲諸如SRAM/SDRAM/DDR這樣的板載存儲器類型、序列號和配置詳細信息。BIOS版本、固件版本、OS詳情和應用軟件版本應存儲在軟件基線記錄下。該記錄在縮小由近期軟硬件升級造成的電路板故障范圍時非常有用。

基線記錄的第三部分存儲電路板環境變量值。任一存儲的電路板環境變量都存放有近期的“N”個值，最大實際值和電路板環境變量的最低允許值。環境變量包括電路板電源部分參數，如電壓、電流以及來自電路板上一個或者多個感應器的溫度讀數。

電路板環境變量的值定期采集、存儲為近期值，并同最大允許值進行比較。如果采集的值大于最大允許值，將采用當前的時間戳更新環境錯誤事件（Environment Error Event）記錄。此外，電路板一般有多個電壓源和溫度感應器。溫度應定期記錄（比如每隔30分鐘），而電壓數據可以不需這么頻繁（比如每隔60分鐘）。

事件記錄

OBFL事件記錄負責存儲由板載存儲器故障、系統復位、意外事件、中斷錯誤或者電路板環境錯誤導致的硬件故障事件跡象（如電路板崩潰）。OBFL事件記錄可以分為下列幾類：

存儲錯誤：通常，SDRAM或者DDR錯誤分為可糾正的錯誤和不可糾正的致命錯誤兩種。可糾正錯誤可以通過存儲器中的其他硬件邏輯來查找并糾正單比特ECC錯誤來加以糾正。雖然這種錯誤不具有致命性，但它會給系統性能造成一定影響，因此記錄這種事件有助于排除系統性能錯誤。此外，記錄可糾正錯誤還可以就將來可能出現的致命錯誤提出告警。對于屬于不可糾正致命錯誤的多比特存儲錯誤，在事件日志中應該登記錯誤地址位置、預計數據和其他存儲詳細信息。