Архитектура ошибки и симптомы сбоя

Сообщение «EDAC MC0: CE (Correctable Error) row memory error detected» регистрируется драйвером ядра EDAC (Error Detection and Correction) или службой rasdaemon. Это аппаратное предупреждение контроллера памяти (Memory Controller #0) о том, что в модуле ECC RAM произошла однобитовая ошибка (Single-Bit Flip), которая была успешно скорректирована аппаратно алгоритмом Хэмминга без сбоя ОС, но сигнализирует о физической деградации конкретной микросхемы памяти.

Диагностическая таблица параметров сбоя

Пошаговое дерево решений и сценарии траблшутинга

Сценарий 1: Локализация физического слота DIMM через rasdaemon

# Установка и запуск службы RAS-мониторинга:
sudo apt-get install rasdaemon || sudo dnf install rasdaemon
sudo systemctl enable --now rasdaemon

# Просмотр статистики ошибок по конкретным слотам:
sudo ras-mc-ctl --error-count
sudo ras-mc-ctl --summary

Сценарий 2: Сверка координат с IPMI/iDRAC/iLO

Получите журнал системных событий аппаратного контроллера управления сервером:

# Чтение логов SEL (System Event Log):
sudo ipmitool sel elist | grep -i "memory"

# Пример вывода: 'Correctable ECC logging limit reached for DIMM_A1'

Сценарий 3: Превентивная замена и чистка контактных площадок

1. Идентифицируйте планку (например, CPU1_DIMM_A1).
2. В плановое окно обслуживания отключите сервер, извлеките модуль RAM, очистите контакты изопропиловым спиртом и поменяйте местами с соседним заведомо исправным слотом.
3. Если ошибки продолжают накапливаться по тому же модулю — замените планку RAM.