Intel MCE 之增强的CACHE ERROR REPORTING

从Intel Core Duo开始，开始引入了 cache error reporting的增强版本。在早期的Intel芯片中，cache的状态取决于一个cache中发生错误纠正事件的次数。在一个叫做 “threshold-based error status”的规范中指出，cache的状态现在取决于同样的纠正错误在cache中影响到的cache line的数量。影响阀值的因素很多，由Intel给出这个值。如果 IA32_MCG_CAP[11] (MCG_TES_P)为1，那么芯片就支持 threshold-based  error status

支持 enhanced cache error reporting的芯片都包含一个硬件可以用来跟踪某些cache的操作，并可以提供一个标志位来标识这些cache的健康信息。当相同校正事件发生的cacheline数量小于阀值的时候，就会报告为 “green”状态； 当超过了阀值的话，就会报告 “yellow”状态。 “yellow”状态意味着cache尚可正常操作，但是在短期内需要对服务器进行维护保养了

Intel建议我们使用 threshold-base error reporting机制

CPU/system/platform不需要像相应 uncorrected  error那么紧急的相应"yellow"状态告警。一个 uncorrected error意味着系统遇到了一个很严重的问题，然而yellow状态意味着收影响的cacheline超过了阀值，但本事不是一个严重的问题；发生了yellow状态的服务器上的错误已经被纠正了，系统尚可正常运行

对于同一个ECC校正多bit错误产生的 uncorrected error 来说， green/yellow状态标识符并不一定会比 uncorrected error来的快。这样的错误可能会在yellow到达阈值前先发出 uncorrected error。当然，随着被影响的cacheline的忽略增加， uncorrected error先发生的记录也就随着增大。