1つのノードでDIMMのパフォーマンスが低下し、CPU使用率が高い

最後の更新
PDFとして保存

Views:: 3

Visibility:: Public

Votes:: 0

Category:: ontap-9

Specialty:: perf<a>パフォーマンス</a><a>レイテンシ</a><a>メモリ</a><a>DIMM</a><a>2009668470</a>

Last Updated:

環境

ONTAP 9
AFF A400

問題

CPUが高いと、1つのノードのパフォーマンスが低下します。
データアグリゲートでの書き込みレイテンシが高くなります。例：

Time Node Severity Event ------------------- ---------------- ------------- --------------------------- 7/24/2023 18:33:25 node_name ERROR wafl.cp.toolong: Aggregate aggr_name experienced a long CP. 7/24/2023 18:15:22 node_name ERROR wafl.cp.toolong: Aggregate aggr_name experienced a long CP.

パニック時にコアダンプファイルが生成され、ノードがリブートします。例：

"process on cpu17 hung (telnet_0) for 5001 milliseconds! in SK process telnet_0 on release 9.10.1P12 (C"

DIMMモジュールの修正可能なエラー。例：

Number of correctable ECC since boot 60362216: Information about Correctable ECC: ECC error at DIMM-xx: CE-03-2106-18AEE039,ADDR 0x5959b3100,(Node(1), Memory controller(0), CH(0), DIMM(0), Rank(0), Bank Group(2), Bank(0x0), Row(0x52ad), Col(0x2c0)) Correctable Machine Check Error at CPU17 McBank7. SKL_IMC0 Error: STATUS<0xcc10000001010090> (...)

Number of correctable ECC since boot 60427752: Information about Correctable ECC: ECC error at DIMM-xx: CE-03-2106-18AEE039,ADDR 0x8698e9d00,(Node(1), Memory controller(0), CH(0), DIMM(0), Rank(1), Bank Group(0), Bank(0x0), Row(0x7d3f), Col(0x70)) Correctable Machine Check Error at CPU13 McBank7. SKL_IMC0 Error: STATUS<0xcc10000001010090> (...)

そのDIMMに対してメモリエラーアラートがトリガーされました。例：

[node_name: mgwd: callhome.hm.alert.critical:debug]: Call home for Health Monitor process nphm: CriticalCECCCountMemErrAlert[DIMM-xx].