hibás RAM? vagy CPU?

CPU-k, Cooler-ek

Asus P9D-X alaplap / Xeon E3-1200 / 32 G ECC RAM / centos6/
RAM hibát jelzett:
Jun 26 17:04:48 kvma kernel: {4}[Hardware Error]: Hardware error from APEI Generic Hardware Error Source: 1
Jun 26 17:04:48 kvma kernel: {4}[Hardware Error]: severity: 2, corrected
Jun 26 17:04:48 kvma kernel: {4}[Hardware Error]: section_type: memory error
Jun 26 17:04:48 kvma kernel: {4}[Hardware Error]: error_type: 2, single-bit ECC

Kivettem 2 modult, most 16 van benne és ilyen hibák:
Jun 30 08:25:04 kvma kernel: [Hardware Error]: Machine check events logged

#cat /var/log/mcelog
Hardware event. This is not a software error.
MCE 0
CPU 1 BANK 0
TIME 1404109504 Mon Jun 30 08:25:04 2014
MCG status:
MCi status:
Corrected error
Error enabled
MCA: Internal parity error
STATUS 90000040000f0005 MCGSTATUS 0
MCGCAP c09 APICID 2 SOCKETID 0
CPUID Vendor Intel Family 6 Model 60

A gép megy, de jó lenne utána járni.
Volt valakinek hasonló problémája? Lehet, hogy processzor hiba?

  • 7759 megtekintés

( ncc1701 | 2014. 07. 01., k – 09:08 )

Másik két modullal is ezt csinálja?

( andrej_ v | 2014. 07. 01., k – 09:43 )

Ahogy írták modulonként próbáld le, addig semmi se biztos. Az alaplapon a legújabb fw/bios van? A alaplap vagy memória gyártó által megadott kompatibilis modulok mennek a lapban? (Tudom, hogy ez hülye kérdés, de még mindíg előfordulhatnak csodák ebben a roppant "egzakt" tudományban.)

kösz a linket. Érdekes. Az asus oldalán a támogatott memóriák listájában csak "Low Power 1.35V" kingstonok vannak.
A biosban semmilyen tuning dolog nincs, csak Frequency Limiter: Auto/1333/1600.
Frissítettem a biost a hideg tartalék alaplapon és a kivett két RAM modullal összeraktam egy gépet. Ebben csak i3 proci van. Az is kölcsön. Megpróbálom tesztelni ezt.

( ztamas | 2014. 07. 01., k – 18:38 )

Az edac-util elvileg meg tudja mondani, hogy melyik ecc-s modul a hibás.

a
# dmidecode -d /dev/mem
is érdekes dolgokat ír a System Event Log-ból:

Area Length: 0 bytes
Header Start Offset: 0x0000
Header Length: 16 bytes
Data Start Offset: 0x0010
Access Method: Memory-mapped physical 32-bit address
Access Address: 0xFFC80000
Status: Valid, Not Full
Change Token: 0x00000001
Header Format: Type 1
Supported Log Type Descriptors: 26
Descriptor 1: Single-bit ECC memory error
Data Format 1: Multiple-event handle
Descriptor 2: Multi-bit ECC memory error
Data Format 2: Multiple-event handle

A másik gépen visszavettem 1333-ra a sebességet, biost frissítettem és i3 proci van a Xeon helyett és semmilyen hibaüzenetet nem ad.
Persze, ez így nem jelent semmit. Holnap cserélni kezdem a RAM modulokat köztük.
Egyébként igen fürge az i3 is. A Xeon(R) CPU E3-1240 v3 @ 3.40GHz a
# time echo "scale=5000; 4*a(1)" | bc -l -q ; cat /proc/cpuinfo | grep -e '\(model name\|bogomips\|MHz\)'; cat /proc/meminfo | grep MemTotal
parancsot 0m15.729s alatt, az i3-4130 CPU @ 3.40GHz pedig 0m17.246s számolja ki.

( matula99 | 2014. 07. 12., szo – 23:16 )

Ma végre sikerült megcserélni a két processzort és a hibaüzenetek ugyanazon a gépen jelennek meg. Most úgy tűnik, hogy mégis RAM vagy alaplap:
Hardware event. This is not a software error.
MCE 0
CPU 1 BANK 0
TIME 1405198434 Sat Jul 12 22:53:54 2014
MCG status:
MCi status:
Corrected error
Error enabled
MCA: Internal parity error
STATUS 90000040000f0005 MCGSTATUS 0
MCGCAP c07 APICID 2 SOCKETID 0
CPUID Vendor Intel Family 6 Model 60

Érdekes, hogy a légkondi beszerelése után sokkal gyakoribb lett a hibaüzenet. Július 11.-ig összesen 5, 11-12 31-szer jelent meg a fenti hiba. Nem szereti a RAM (alaplap?) a hideget?