Intel MCA 硬件机制概述

Intel引入了  MACHINE-CHECK ARCHITECTURE(MCA) 和 machine-check exception(#MC) 机制用来对服务器硬件进行自检，并在发现硬件错误的时候发出中断或异常。系统软件收到中断或异常后，会对其进行响应，进行相应的修复、告警或其他策略等动作。通过Intel的这个RAS特性，保证在发生crash等错误前，服务器可以有机会做一些容错处理，大大提升了Intel在数据中心高可靠服务器领域的竞争实力。

Intel在Xeon，Atom，P6等中，都开始支持MCA特性。通过MCA，系统可以探测硬件错误，如系统总线错误，ECC错误，奇偶校验错误，cache错误，TLB错误等。MCA机制使用到了一组相关的MSR，通过这些MSR，MCA可以对硬件错误进行检测并记录检测到的错误信息。注意这里有一个bank的概念，可以简单理解为组。如bank1里面有MSR1_STATUS, MSR1_CTL, MSR1_ADDR；bank2里面有MSR2_STATUS, MSR2_CTL, MSR2_ADDR；为了方便书写为banks 含有寄存器 MSRi_STATUS, MSRi_CTL, MSRi_ADDR；其中i=0，i=1。后面讲解MSR的时候，还会进行讲解

处理器在探测到 uncorrected machine-check error（硬件不可自修复）的时候，就会发送 machine-check exception (#MC)。这种exception是abort类型的。MCA的实现通常来讲，是不允许在产生#MC后进行可靠的重启。 machine-check-exception的处理函数，可以通过读取相关的MSR来得到相关的错误信息。从Intel 45nm（最新的已经规划10nm门电路的芯片）的芯片开始，处理器在发现 corrected machine-check error(硬件可自修复的错误)的时候，也会发送一个中断给系统软件来响应这类MC 错误，这种中断被称作CMCI( corrected machine-check  error interrupt )

在支持MCA和CMCI的 Intel 64处理上，还支持一些额外的增强特性，可以让系统软件来恢复一些特性的 uncorrected recoverable machine check 错误（UCR），让服务器得到更大的稳定稳定性

关于特定的芯片兼容性和映射这里就不多讲了，有兴趣的可以参考Intel的SDM

参考文章

Intel UCE和CE，以及register banks的意思