RAID卡产生Multi-bit ECC错误但iBMC无告警

客户一台RH5885 V3服务器系统挂死，重启系统后看到RAID卡报Multi-bit ECC Error错误，但在iBMC上没有看到相关告警，客户询问没有告警的原因。

有两种方法可以确认RAID卡产生了Multi-bit ECC Error。

1.  系统挂死，重启系统后，能看到RAID卡报Multi-bit ECC Error。

2.  系统挂死，重启系统后，收集iBMC一键收集日志，在LSI_RAID_Controller_info日志里能看到Multi-bit ECC Error事件。

问题原因说明：

RAID卡具备ECC（Error Correcting Code）这种内存校验机制，采用奇偶性校验的方法，出现的ECC错误分为Single-bit ECC Error和Multi-bit ECC Error两种。

Single-bit ECC Error：只有单个bit出现了错误，能通过奇偶性校验恢复，因此RAID卡能容许出现一定次数的Single-bit ECC Error。iBMC会从RAID卡获取出现错误的次数和产生告警的门限，当次数≥门限时，iBMC会产生告警并记录维护日志。

Multi-bit ECC Error：有多个bit出现了错误，不能通过奇偶性校验恢复，因此RAID卡通常会出现挂死，进而导致系统挂死甚至系统重启。RAID卡挂死后，iBMC无法通过RAID卡检测到产生了Multi-bit ECC Error，因此iBMC无法产生告警。系统重启后，Multi-bit ECC Error可能恢复，此时iBMC可以从RAID卡获取到一次Multi-bit ECC Error事件，并记录在LSI_RAID_Controller_info里，这个是在multi-bit ECC Error发生且系统重启之后延迟记录的。

Single-bit ECC Error：处理方法参考案例http://3ms.huawei.com/hi/group/1004825/thread_7719709.html?mapId=9502473。

Multi-bit ECC Error：处理方法参考案例https://support.huawei.com/enterprise/zh/knowledge/KB1000097818。