rasdaemon 故障码与系统影响完整参考手册

范围：rasdaemon 全量故障域（MCE / EDAC / AER / ARM / CXL / extlog / non-standard / memory-failure / devlink / diskerror / signal / reri / erst）
版本基线：当前 master 分支（截至 2026-06-02）
性质：错误码字典 + 系统影响分析 + 来源溯源（file:line）

---

0. 总览：rasdaemon 处理哪些事件

rasdaemon 是 Linux RAS（Reliability, Availability, Serviceability） 事件的被动观察者 + 记录器：

域	Trace Event	主要源文件
MCE	ras:mce_record	ras-mce-handler.c + 16 个 mce-*.c 解码器
EDAC/MC	ras:mc_event	ras-mc-handler.c, ras-page-isolation.c
PCIe AER	ras:aer_event	ras-aer-handler.c
ARM	ras:arm_event	ras-arm-handler.c
CXL	9 个 cxl:* 事件	ras-cxl-handler.c
extlog	ras:extlog_mem_event	ras-extlog-handler.c
non-standard	各类 CPER 段	ras-non-standard-handler.c + 6 个 vendor 解码器
memory-failure	ras:memory_failure_event	ras-memory-failure-handler.c
devlink	devlink:devlink_health_report, net:net_dev_xmit_timeout	ras-devlink-handler.c
diskerror	block:block_rq_error	ras-diskerror-handler.c
signal	signal:signal_generate	ras-signal-handler.c
reri	riscv_reri_event	ras-reri-handler.c
erst	文件：/sys/fs/pstore/erst/mce-erst*	ras-erst.c

rasdaemon 不会主动 panic、reset CPU、kill 进程、offline page——这些策略全部由内核决定。rasdaemon 只做：

1. 解析事件
2. 输出到 syslog / 控制台
3. 写入 SQLite（若 --enable-sqlite3）
4. 上报 ABRT（若 --enable-abrt-report）
5. 触发用户脚本（AER_CE_TRIGGER / AER_UE_TRIGGER / MC_CE_TRIGGER / MC_UE_TRIGGER / MEM_FAIL_TRIGGER）
6. 物理页面退役（仅 EDAC CE / CXL DER CE-threshold，写 /sys/devices/system/memory/{soft,hard}_offline_page）

---

1. MCE（Machine Check Exception）— 全量错误码

1.1 通用 MCA 架构错误码（所有 Intel CPU 共享）

定义：mce-intel.c:98-106 (mca_msg[])

MCA Code	名称	系统影响
0x0000	No Error	无
0x0001	Unclassified	未分类错误，通常是内部硬件故障
0x0002	Microcode ROM Parity Error	微码 ROM 奇偶校验错，可能需要更新微码；通常为 UC+AR，会触发包重置
0x0003	External Error	来自外部引脚的 MCE（pin 触发），来源需要查硬件
0x0004	FRC (Functional Redundancy Check) Error	FRC 主备不一致，可恢复
0x0005	Internal Parity Error	内部奇偶校验错（cache/tag/buffer），通常 UC+PCC
0x0006	SMM Handler Code Access Violation	SMM 处理器访问违规（严重 SMM 漏洞）

MCA 前缀分类（mce-intel.c:221-286）：

前缀	类别	含义
0x0xxx	上表 7 项	基础架构错误
bit 12 set	软提示	“corrected filtering: same region has more unreported errors”
0x0C..0x0F	通用内存层级错误	LL0…LL3 通用内存错误
0x4xxx	TLB 错误	TT (Instruction/Data/Generic) + LL (L0…L3)
0x8xxx..0xBFFF	Cache 层级错误	TT/LL + RRRR (Read/Write/Instruction-Fetch/Prefetch/Eviction/Snoop 等)
0xA0xx	内部未分类	0xA00 = Internal Timer error
0xBxxx	总线/互连错误	LL + PP (Local-CPU-originated/Responded/Third-party/Generic) + RRRR + II + T
0x7xxx	内存控制器错误	decode_memory_controller() 处理

AR 状态位（status[55:56]）→ arstate[]（mce-intel.c:114-119）：

状态位	名称	含义	系统影响
S=0, AR=0	UCNA	Uncorrected, No Action	系统继续，但需记录
S=0, AR=1	AR	Uncorrected, Action Required	需 reset/重启
S=1, AR=0	SRAO	Software Recoverable, Action Optional	上下文可能可恢复
S=1, AR=1	SRAR	Software Recoverable, Action Required	RIPV=1，软件可继续

全局状态位（decode_mci()，mce-intel.c:299-332）：

状态位	名称	含义
bit 63	VAL	寄存器有效（无效则 MCE_INVALID）
bit 62	OVER	Error overflow（更多错误被丢）
bit 61	UC	Uncorrected（1=UC，0=CE）
bit 60	EN	Error enabled
bit 57	PCC	Processor Context Corrupt
bit 56	S	Signaling（IP 可重启）
bit 55	AR	Action Required
bit 54-53	跟踪颜色	green=正常 / yellow=“Large number of corrected cache errors” 预警 / res3
bit 44	Deferred（AMD）	延迟错误

1.2 特殊 bank：thermal / timeout

mce-intel.c:152-192：

Bank	错误	描述	系统影响
128+0 (THERMAL)	bit 0 set	“Processor N heated above trip temperature. Throttling enabled”	CPU 降频；性能影响；“请检查系统散热”
128+0 (THERMAL)	bit 0 clear	“below trip temperature. Throttling disabled”	恢复正常
128+90 (TIMEOUT)	“Timeout waiting for exception on other CPUs”	远端 CPU 出现致命 MCE 但未上报	致命

1.3 Intel 各代平台错误码

1.3.1 Nehalem 内部错误（mce-intel-nehalem.c:75-83）

MSC	名称	影响
0x00	No Error	无
0x03	Reset firmware did not complete	启动失败
0x08	Received an invalid CMPD	包损坏
0x0A	Invalid Power Management Request	电源管理请求非法
0x0D	Invalid S-state transition	休眠状态机异常
0x11	VID controller does not match POC controller selected	电压控制器不匹配
0x1A	MSID from POC does not match CPU MSID	平台 ID 不匹配

1.3.2 Sandy Bridge PCU bank 4（mce-intel-sb.c:16-46）

MSC	名称
0x0D	MC_IMC_FORCE_SR_S3_TIMEOUT
0x0E	MC_MC_CPD_UNCPD_ST_TIMEOUT
0x0F	MC_PKGS_SAFE_WP_TIMEOUT
0x43	MC_PECI_MAILBOX_QUIESCE_TIMEOUT
0x5C	MC_MORE_THAN_ONE_LT_AGENT
0x60…0x64	MC_INVALID_PKGS_REQ_PCH/QPI/RES/PKGC_RES_PCH/STATE_CONFIG
0x70…0x72	MC_WATCHDG_TIMEOUT_PKGC_SLAVE/MASTER/PKGS_MASTER
0x7A	MC_HA_FAILSTS_CHANGE_DETECTED
0x81	MC_RECOVERABLE_DIE_THERMAL_TOO_HOT

1.3.3 Sandy Bridge / IVB 内存控制器 bank 8-11（mce-intel-sb.c:54-62）

位	名称
0x001	Address parity
0x002	HA Wrt buffer data parity
0x004	HA Wrt byte enable parity
0x008	Corrected patrol scrub
0x010	Uncorrected patrol scrub
0x020	Corrected spare
0x040	Uncorrected spare

IVB 还多 0x080 “Corrected memory read error” / 0x100 “iMC, WDB, parity errors”（mce-intel-ivb.c:59-69）。

1.3.4 Haswell QPI bank 5/20/21（mce-intel-haswell.c:69-83）

MSC	名称
0x02	QPI physical layer detected drift buffer alarm
0x03	QPI physical layer detected latency buffer rollover
0x10	QPI link layer detected control error from R3QPI
0x11	Rx entered LLR abort state on CRC error
0x12	Unsupported or undefined packet
0x13	QPI link layer control error
0x15	RBT used un-initialized value
0x20	QPI in-band reset but aborted initialization
0x21	Link failover data self healing
0x22	Phy detected in-band reset (no width change)
0x23	Link failover clock failover
0x30	Rx detected CRC error - successful LLR after Phy re-init
0x31	Rx detected CRC error - successful LLR without Phy re-init

1.3.5 Skylake UPI bank 5/12/19（mce-intel-skylake-xeon.c:65-102）

MSC	名称	类别
0x00	UC Phy Initialization Failure	UC
0x01	UC Phy detected drift buffer alarm	UC
0x02	UC Phy detected latency buffer rollover	UC
0x10	UC LL Rx detected CRC error: unsuccessful LLR	UC
0x11	UC LL Rx unsupported or undefined packet	UC
0x12	UC LL or Phy control error（再细分到 upi_0x12[]）	UC
0x13	UC LL Rx parameter exchange exception	UC
0x1F	UC LL detected control error from link-mesh interface	UC
0x20	COR Phy initialization abort	CE
0x21	COR Phy reset	CE
0x22	COR Phy lane failure, recovery in x8 width	CE
0x23	COR Phy L0c error corrected without Phy reset	CE
0x24	COR Phy L0c error triggering Phy Reset	CE
0x25	COR Phy L0p exit error corrected with Phy reset	CE
0x30	COR LL Rx detected CRC error - successful LLR without Phy Reinit	CE
0x31	COR LL Rx detected CRC error - successful LLR with Phy Reinit	CE

1.3.6 Skylake M2M bank 7/8（mce-intel-skylake-xeon.c:145-155）

MSC	名称
16	MscodDataRdErr
18	MscodPtlWrErr
19	MscodFullWrErr
20	MscodBgfErr
21	MscodTimeout
22	MscodParErr
23	MscodBucket1Err

1.3.7 Icelake iMC 6 个 code page（mce-intel-i10nm.c:155-246）

主要 page 0 (imc_0[]):

MSC	名称
0x01	Address parity error
0x02	Data parity error
0x03	Data ECC error
0x07	Transaction ID parity error
0x08	Corrected patrol scrub error
0x10	Uncorrected patrol scrub error
0x20	Corrected spare error
0x40	Uncorrected spare error
0x80	Corrected read error
0xA0	Uncorrected read error
0xC0	Uncorrected metadata

Page 2 (imc_2[]): DDR4/HBM 命令地址奇偶校验。Page 8 (imc_8[]): DDR-T 调度器/CMI/TME 错误集。

1.3.8 Granite Rapids MCCHAN（mce-intel-granite.c:107-157）

7 个 page，针对 13-24 bank：

Page	典型错误
0	Address Parity、CMI Wr data/BE/MAC parity、Patrol/Spare、Demand/Underfill Read 错误、Poison 读取、Read 2LM MetaData
1	WDB Read Parity/ECC/BE、DDR Link Fail、Illegal opcode
2	DDR CAParity or WrCRC
4	Scheduler address parity
8	MC Internal Errors、MCTracker Address RF parity
32, 33	sCH1 对应 page 0/1 的副本

1.3.9 跨代通用：PCU MCA 0x402/0x403/0x406/0x407

Haswell 起所有 Intel CPU 都有：

MCA	名称
0x402	PCU Internal Errors
0x403	Other UBOX / VCU Internal Errors
0x406	Intel TXT Errors
0x407	Other UBOX Internal Errors

1.4 AMD K8 北桥扩展错误（mce-amd-k8.c:71-91）

bank 4 (Northbridge) status[16:19]：

ExtErr	名称	严重性	系统影响
0	RAM ECC error	CE/UE	DRAM 数据错误
1	CRC error	CE	链路 CRC，可重试
2	Sync error	UE	链路协议错
3	Master abort	UE	总线无响应
4	Target abort	UE	目标设备错误
5	GART error	CE	图形地址转换表（K8 已忽略）
6	RMW error	CE	读改写失败
7	Watchdog error	UE	链路 watchdog
8	RAM Chipkill ECC error	CE	多符号 DRAM ECC
9	DEV Error	UE	设备错误
10	Link Data Error	CE	HT 链路数据
11	Link Protocol Error	UE	HT 协议错
12	NB Array Error	CE	北桥阵列
13	DRAM Parity Error	UE	DRAM 奇偶
14	Link Retry	CE	链路重试
15	Table Walk Data Error	UE	页表遍历数据
16	L3 Cache Data Error	CE	L3 数据
17	L3 Cache Tag Error	CE	L3 标签
18	L3 Cache LRU Error	CE	L3 LRU 位

K8 通用模式（decode_k8_generic_errcode()）：

• (ec & 0xfff0) == 0x0010 → LB/TLB 错误（TT + Level）
• (ec & 0xff00) == 0x0100 → Memory/Cache（memtrans + tx + level）
• (ec & 0xf800) == 0x0800 → Bus（PP + TO + memtrans + level）

K8 状态高位：highbits[] 包含 bit 29 UC, bit 25 PCC, bit 14 CE, bit 13 UE, bit 8 scrub 发现。

1.5 AMD SMCA 错误族（Zen 及以后）

SMCA 通过 smca_hwid_mcatypes[]（mce-amd-smca.c:730-804）将 24 类 bank 路由到对应表。下表汇总所有 SMCA bank 及其 XEC：

1.5.1 SMCA_LS / LS_V2 — Load Store Unit

类别	XEC 范围	代表性错误
LS v1	0…26	Load queue parity, Store queue parity, Miss address buffer payload parity, L1 TLB parity, DC Tag error 1-6, Internal error 1-2, Sys Read data error, DC data error 1-3 (poison consumption), L2 TLB parity, PDC parity, L2 fill data, SCB cache state/address/data error, WCB SystemReadDataError, Hardware Asserts
LS v2	0…23	同上 + ECC/poison 探针/受害者/load/RMW store；EMEM 读 ECC；TLB1/2/PWC/STQ/LDQ/MAB/SCB entry/WCB/SRB/EMEM 数据掩码 parity；poisoned line in SCB

1.5.2 SMCA_IF — Instruction Fetch（XEC 0…18）

microtag probe port parity, IC microtag/full tag multi-hit, IC full tag/data array parity, PRQ parity, L0/L1/L2 ITLB parity, BPQ snoop parity thread 0/1, BP L1/L2 BTB multi-hit, L2 Cache Response Poison, System Read Data error, Hardware Assertion, L1/L2-TLB Multi-Hit, BSR Parity, CT MCE。

1.5.3 SMCA_L2_CACHE（XEC 0…5）

L2M Tag Multiple-Way-Hit, L2M Tag/State Array ECC, L2M Data Array ECC, Hardware Assert, SDP Read Response Parity, programmable state machine error。

1.5.4 SMCA_DE — Decoder（XEC 0…9）

μop cache tag/data array parity, IBB Register File, μop queue, instruction dispatch queue, fetch address FIFO, Patch RAM data/sequencer, μop fetch queue, Hardware Assertion MCA。

1.5.5 SMCA_EX — Execution（XEC 0…13）

Watchdog timeout, PRF parity, flag register parity, immediate displacement register parity, AG payload, EX payload, checkpoint queue, retire dispatch/status queue, scheduler queue, branch buffer queue, Hardware Assertion, Spec/Retire Map parity。

1.5.6 SMCA_FP — Floating Point（XEC 0…7）

PRF parity, Freelist parity, schedule queue, NSQ, retire queue, status register file, hardware assertion, physical K mask register file。

1.5.7 SMCA_L3_CACHE（XEC 0…9）

Shadow tag macro ECC/multi-way-hit, L3M tag ECC/multi-way-hit, L3M data ECC, SDP Parity from XI, L3 victim queue Data Fabric error, Hardware Assertion, XI WCB Parity Poison Creation, DSM action。

1.5.8 SMCA_CS / CS_V2 / CS_V2_QUIRK — Coherent Slave

变体	XEC	错误
CS v1	0…8	Illegal request, Address violation, Security violation, Illegal response, Unexpected response, Request/Probe Parity, Read Response Parity, Atomic request parity, Probe Filter ECC
CS v2	0…20	CS v1 + SDP read response no match/Unexpected RETRY、Counter over/underflow、no-data channel 上的 Illegal/Address/Security violation、Hardware Assert、Shadow Tag Protocol/ECC/Transaction Error
CS v2 QUIRK (Genoa erratum 1384)	0…17	CS v2 重新排序，去掉 shadow tag 相关项

1.5.9 SMCA_PIE（XEC 0…8）

Hardware assert, Register security violation, Link error, Poison data consumption, deferred error detected in DF, Watch Dog Timer, SRAM ECC in CNLI, Register access during DF Cstate, DSM Error。

1.5.10 SMCA_UMC / UMC_QUIRK / UMC_V2 — Unified Memory Controller

变体	XEC	错误
UMC	0…16	DRAM ECC, Data poison on DRAM, SDP parity, Advanced peripheral bus error, Command/address parity, Write data CRC, DCQ SRAM ECC, AES SRAM ECC, ECS Row Error, ECS Error, UMC Throttling, Read CRC, RFM SRAM ECC
UMC_QUIRK (Turin X3D)	0…15	DRAM On Die ECC, Data poison, SDP parity, Address/Command parity, HBM Write data parity, Consolidated SRAM ECC, Rdb SRAM ECC, Thermal throttling, HBM Read Data Parity, UMC FW Error, SRAM Parity, HBM CRC
UMC_V2 (HBM)	0…11	DRAM ECC, Data poison, SDP parity, Address/Command parity, Write data parity, DCQ SRAM ECC, Read data parity, Rdb SRAM ECC, RdRsp SRAM ECC, LM32 MP errors

1.5.11 SMCA_MA_LLC（XEC 0…6）

Counter over/underflow, Write Data Parity, Read Response Parity, Cache Tag ECC Macro 0/1, Cache Data ECC。

1.5.12 SMCA_PB（XEC 0）

Parameter Block RAM ECC。

1.5.13 SMCA_PSP / PSP_V2

变体	XEC	错误
PSP v1	0	PSP RAM ECC/parity
PSP v2	0…25	High/Low SRAM ECC/parity, Instruction Cache Bank 0/1 ECC/parity, Instruction Tag Ram 0/1 parity, Data Cache Bank 0…3 ECC/parity, Data Tag Bank 0…3 parity, Dirty Data Ram parity, TLB Bank 0/1 parity, System Hub Read Buffer ECC/parity, FUSE IP SRAM ECC/parity, PCRU FUSE SRAM ECC/parity, SIB SRAM parity, mpASP SECEMC, mpASP A5 Hang, SIB WDT

1.5.14 SMCA_SMU / SMU_V2

变体	XEC	错误
SMU v1	0	SMU RAM ECC/parity
SMU v2	0…11, 58…61	High/Low SRAM ECC, Data Cache/Tag Bank A/B, Instruction Cache/Tag Bank A/B, System Hub Read Buffer, PHY RAS ECC + GFX Sub-IP CE/fatal/poison/other

1.5.15 SMCA_MP5（XEC 0…10）

High/Low SRAM ECC, Data Cache/Tag Bank A/B, Instruction Cache/Tag Bank A/B, Fuse SRAM ECC。

1.5.16 SMCA_MPDMA（XEC 0…50）

Main SRAM [31:0]/[63:32]/[95:64]/[127:96] bank ECC/parity；Data/Instruction Cache/Tag Bank A/B；System Hub Read Buffer ECC；MPDMA TVF DVSEC Memory ECC；TVF MMIO Mailbox0/1；Doorbell Memory；SDP Slave/Master Memory 0…7；SDP Watchdog Timer；PTE Command FIFO；Hub Data FIFO；Internal Data FIFO；Command Memory DMA/Internal。

1.5.17 SMCA_NBIO（XEC 0…5）

ECC/Parity, PCIE error, External SDP ErrEvent, SDP Egress Poison, Internal Poison, Internal system fatal。

1.5.18 SMCA_PCIE / PCIE_V2

变体	XEC	错误
PCIE	0…4	CCIX PER Message logging, CCIX Read/Write Response Non-Data Error, CCIX Read Response Data Error, CCIX Non-okay write response with data error
PCIE v2	0	SDP Data Parity Error

1.5.19 SMCA_XGMI_PCS（XEC 0…28）

Data Loss, Training, Flow Control Acknowledge, Rx Fifo Underflow/Overflow, CRC, BER Exceeded, Tx Vcid Data, Replay Buffer Parity, Data Parity, Replay Fifo Overflow/Underflow, Elastic Fifo Overflow, Deskew, Flow Control CRC, Data Startup Limit, FC Init Timeout, Recovery Timeout, Ready Serial Timeout/Attempt, Recovery Attempt/Relock Attempt, Replay Attempt, Sync Header, Tx/Rx Replay Timeout, LinkSub Tx/Rx Timeout, Rx CMD Pocket。

1.5.20 SMCA_XGMI_PHY / WAFL_PHY / GMI_PHY（XEC 0…3）

RAM ECC, ARC instruction buffer parity, ARC data buffer parity, PHY APB error。

1.5.21 SMCA_NBIF / SHUB（XEC 0…3）

Timeout from GMI, SRAM ECC, NTB Error Event, SDP Parity。

1.5.22 SMCA_SATA（XEC 0…7）

Port 0…7 奇偶校验错。

1.5.23 SMCA_USB（XEC 0…5）

S0 RAM0/1/2, PHY RAM0/1 奇偶/ECC, AXI Slave Response 错误。

1.5.24 SMCA_USR_DP（XEC 0…30）

Mst CMD/Rx FIFO/Deskew/Detect Timeout/FlowControl/DataValid FIFO、Mac LinkState、Deskew、Init Timeout/Attempt、Recovery Timeout/Attempt、Eye Training Timeout、Data Startup Limit、LS0 Exit、PLL powerState Update Timeout、Rx FIFO、Lcu、Conv CECC/UECC、Rx DataLoss、Replay CECC/UECC、CRC、BER Exceeded、FC Init Timeout/Attempt、Replay Timeout/Attempt、Replay Underflow/Overflow。

1.5.25 SMCA_USR_CP（XEC 0…12）

Packet Type, Rx FIFO, Deskew, Rx Detect Timeout, Data Parity, Data Loss, Lcu, HB1/HB2 Handshake Timeout, Clk Sleep/Wake Rsp Timeout, Reset Attack, Remote Link Fatal。

1.5.26 SMCA_GMI_PCS（XEC 0…31）

Data Loss, Training, Replay Parity, Rx Fifo Underflow/Overflow, CRC, BER Exceeded, Tx Fifo Underflow, Replay Buffer Parity, Tx Overflow, Replay Fifo Overflow/Underflow, Elastic Fifo Overflow, Deskew, Offline, Data Startup Limit, FC Init Timeout, Recovery Timeout, Ready Serial Timeout/Attempt, Recovery Attempt, Recovery Relock Attempt, Deskew Abort, Rx Buffer, Rx LFDS Fifo Overflow/Underflow, LinkSub Tx/Rx Timeout, Rx CMD Packet, LFDS Training/FC Init Timeout, Data Loss。

1.5.27 AMD 通用错误分类（decode_amd_errcode()，mce-amd.c:68-123）

模式	含义	分类
UC + PCC	Processor context corrupt	System Fatal error
UC + RIPV	Restartable	Uncorrected, software restartable
UC only	Containable	Uncorrected, software containable
DEFERRED	平台延迟错误	Deferred error, no action required
其他	Corrected	Corrected error, no action required
POISON	读到已被下毒数据	Poison consumed
TCC	Task context corrupt	Task_context_corrupt

通用模式宏（mce-amd.c）：

• INT_ERROR(x) = ((x) & 0xF4FF) == 0x0400 → “Internal ‘reserved/hardware assert/reserved/reserved’”
• TLB_ERROR(x) = ((x) & 0xFFF0) == 0x0010 → TLB tx/level
• MEM_ERROR(x) = ((x) & 0xFF00) == 0x0100 → Memory mem-tx/tx/level
• BUS_ERROR(x) = ((x) & 0xF800) == 0x0800 → Bus PP/TO/mem-tx/level

UMC 位置解码（decode_smca_error()）：Family 0x19, Model 0x90…0x9f → memory_die_id；否则 channel = IPID >> 20，csrow = synd & 0x7。

1.6 Zhaoxin KH-50000 错误码（mce-zhaoxin-kh50000.c）

Bank 类型	子错误来源	错误码	名称
CPU bank	status[25:29]	0,1	Unknown
CPU bank		2	Machine hung error（致命）
CPU bank		3	Undefined ucode address error
Cache (PL2 / LLC)	status[24:25] 或 status[25:26]	0	Unknown
Cache		1	ECC single bit error for data part in the same line
Cache		2	ECC single bit error for different line
Cache		3	ECC multi bit error for data part
PCIe	status[16:23]	0	Fatal
PCIe		1	Non-fatal
PCIe		2	Correctable
IOD ZDI / ZPI	XEC	0…23	Receiver overflow (TL), FC protocol, Surprise down, DLL protocol, Replay timer timeout, REPLAY_NUM Rollover, Bad DLLP, Bad TLP, Receiver error (PHY), Phy training, Link-width down-mode (X32X24/X16X12/X8/X4/X2), Link-speed down-mode (GEN4/GEN3/GEN2)
CCD ZDI	XEC	0…17	Receive overflow, PHY training, FC protocol, Surprise down, DLLM protocol, DLLM replay timeout, DLLM replay number rollover, Bad DLLP, Bad TLP, Gen2/3/4 unreliable, X2/X4/X8/X16X12/X32X24 unreliable
SVID	status[24:31]	0	No error
SVID		1	SVID Resend fail
SVID		2	VRM Over current
SVID		3	VRM Over temp
SVID		4	VRM Parity
DRAM	mca_err_code	0x1	DVAD Error
DRAM		0x5	Parity Error
DRAM	mem_err_code	0	Generic undefined request
DRAM		1	Memory read
DRAM		2	Memory write
DRAM		3	Address/Command
DRAM		4	Memory scrubbing
DRAM		5	Data poison enable (DRAM, master normal read)
DRAM		6	Data poison enable (DRAM, patrol read)
DRAM		7	Key hit error
DRAM	mem_specific	0	Unknown
DRAM		1	Single bit ECC
DRAM		2	Multiple bit ECC
DRAM		3	Command parity
DRAM		4	CRC
DRAM		5	Parity retry failed
DRAM		6	CRC retry failed
DRAM		7…15	DVAD decode (CPUIF CHA0/CHB0/CHA1/CHB1, MCUTRF, GMINT…)
HIF (CXL)	status[16:23]	0	Unknown
HIF		1	HIF dvad error
HIF		2	SNT multi bit ecc
HIF		3	SNT single bit ecc
HIF		4	CXL decpoison uc
HIF		5	CXL decpoison ce
HIF		6	CXL parity

1.7 MCE 的系统影响分类

类别	出现条件	实际系统行为
Cache (CE)	RR=10, UC=0	透明纠正；用户无感知；green 跟踪；多次同 line 触发 → yellow 预警
Cache (UC)	UC=1	#MC → 内核杀进程或 panic
TLB (UC + PCC)	0x4xxx	上下文损坏 → panic
Bus / 互连 (UC)	0xBxxx	可能污染其他核状态，几乎必致命
Internal (UC)	0x0400 / 0xA0xx	未分类硅内部错误；AMD SMCA “Hardware Assert” 跨多 bank
Memory (CE)	0x7xxx / 0x0100	DRAM 单比特纠错，透明
Memory (UE)	UC=1	内核 MCE → SIGBUS / kill；可触发镜像切换
Deferred (AMD)	bit 44	平台延迟；消费时才暴露
Poison Consumed (AMD)	bit 43	CPU 读到被下毒数据 → 内核下毒页

---

2. EDAC/MC（Memory Controller）错误

2.1 错误类型枚举（enum hw_event_mc_err_type，ras-events.h:78-84）

Enum	整数	文本	日志级别	系统影响	rasdaemon 行为
HW_EVENT_ERR_CORRECTED	0	Corrected	LOG_ERR	DRAM 单比特纠错，透明；CE 风暴预警 UC	插入 SQLite + 速率统计 + 页面 PFA（可选）+ 触发 MC_CE_TRIGGER
HW_EVENT_ERR_UNCORRECTED	1	Uncorrected	LOG_CRIT	数据损坏 → MCE / SIGBUS	插入 SQLite + 触发 MC_UE_TRIGGER；不自动 retire
HW_EVENT_ERR_DEFERRED	2	Deferred	LOG_CRIT	数据损坏不确定（可能没消费）	插入 SQLite；不触发脚本
HW_EVENT_ERR_FATAL	3	Fatal	LOG_EMERG	系统完整性破坏	插入 SQLite；不 retire
HW_EVENT_ERR_INFO	4	Info	LOG_DEBUG	无实际错误（init/scrub）	插入 SQLite，无其他动作

2.2 位置粒度

ras-mc-handler.c:240-264 解析 (top_layer, middle_layer, lower_layer) 三元组，覆盖：

• chip-select / row / bank / DIMM / channel
• 取决于 EDAC 驱动（i10nm、amd64、skx、sb-edac 等）

2.3 页面 / 行退役机制（ras-page-isolation.c）

策略	默认	触发条件	写入 sysfs
页面 CE PFA	软离线	4 KiB 页 CE 数 ≥ PAGE_CE_THRESHOLD（默认 50）在 PAGE_CE_REFRESH_CYCLE（24h）窗口	/sys/devices/system/memory/soft_offline_page
行 CE PFA	关闭	整行 CE 数 ≥ ROW_CE_THRESHOLD（默认 50）	同上
模式	soft	`PAGE_CE_ACTION=off	account

关键事实：rasdaemon 不直接调 hwpoison；它只写 sysfs，由内核 mm/memory-failure.c 实际下毒页。

---

3. PCIe AER 错误码

ras-aer-handler.c:27-60 定义了 aer_cor_errors[]（aer_uncor_errors[] 同源，bit 编号相同）。bitfield_msg() 将状态寄存器翻译为文本。

3.1 Correctable Errors（CORR_ERR_STATUS）

位	名称	系统影响	AER 处理
0	Receiver Error	PHY 恢复错误，链路 retrain；无数据丢失	自动
6	Bad TLP	TLP CRC/ECRC 错，drop 后重放；频率高则吞吐下降	自动重放
7	Bad DLLP	DLLP CRC 错，重试	自动重试
8	RELAY_NUM Rollover	多次 TLP 重放；信号完整性差	自动
12	Replay Timer Timeout	TLP 重传超时；链路 retrain；瞬时停顿	自动 retrain
13	Advisory Non-Fatal	厂商语义非致命	自动
14	Corrected Internal Error	设备内部 ECC 纠正	自动
15	Header Log Overflow	诊断信息丢失	自动

3.2 Uncorrectable Non-Fatal（UNCORR_ERR_STATUS）

位	名称	系统影响
4	Data Link Protocol	链路 L0→Recovery/Detect 异常；事务重试；可能 hang
5	Surprise Link Down	设备热拔或物理断开；所有 in-flight 事务中止；下游设备消失
12	Poisoned TLP	TLP 携带 EP 位（已损坏）；DMA 写通知 requester 失败；读完成数据被丢；可能 EIO / page poisoning
13	Flow Control Protocol	接收方 FC 违规；需要 retrain；可能 stall
14	Completion Timeout	请求方超时未收到完成；UR 返回；设备可能 hang
15	Completer Abort	目标无法完成；CA 完成；调用方 EIO
16	Unexpected Completion	完成报文与未发请求不匹配；switch / endpoint bug
17	Receiver Overflow	接收方 buffer 溢出；FCP / DLLP 错误；可能致命
18	Malformed TLP	TLP 结构错；事务失败
19	ECRC	端到端 CRC 失败；in-flight 数据损坏；强信号 PHY 问题
20	Unsupported Request	设备不支持该请求类型；UR 完成
21	ACS Violation	访问控制服务阻断 P2P 事务；安全特性触发
22	Uncorrected Internal	设备内部不可纠正；可能设备失声
23	MC Blocked TLP	多播 TLP 被 MC 规则阻断；功能性 no-op
24	AtomicOp Egress Blocked	原子操作 egress 阻断；请求失败
25	TLP Prefix Blocked	厂商前缀被丢；请求失败
26	Poisoned TLP Egress Blocked	switch 拒绝转发下毒 TLP；requester 收 UR/CA

3.3 Uncorrectable Fatal

rasdaemon 不单独维护 fatal 表，使用与 non-fatal 同一组 aer_uncor_errors[] 位名；fatal 判定由内核 AER 通过 uncorrectable error mask 完成。

典型 fatal 类别（PCIe 规范）：Training Error、Link Below Speed、Data Link Protocol Error、Surprise Down、Receiver Overflow、Uncorrected Internal。

3.4 rasdaemon AER 行为

1. 日志到 syslog（severity 映射：CE→LOG_ERR，UE Non-Fatal→LOG_CRIT，UE Fatal→LOG_EMERG）
2. 状态位解码 + 可能的 TLP header
3. libpci 查 vendor/device 名称
4. 写入 SQLite
5. ABRT 报告
6. 转发 OpenBMC Unified SEL（IPMI OEM SEL）
7. Ampere BMC OEM SEL
8. 触发 AER_CE_TRIGGER / AER_UE_TRIGGER 用户脚本

注：rasdaemon 不触发 AER recovery / slot reset，这是内核 AER 驱动（drivers/pci/pcie/aer/aerdrv.c）的职责。

---

4. ARM 错误码

rasdaemon 仅消费 UEFI 2.9 § N.2.4.4 Processor Error Section（PEI），不处理 SMMU / GIC / CCI / CCN 专用 APEI-GHES section。

4.1 错误类型位（ras-arm-handler.c:36-40）

名称	位	类别
ARM_CACHE_ERROR	BIT 1	Cache 错误
ARM_TLB_ERROR	BIT 2	TLB 错误
ARM_BUS_ERROR	BIT 3	总线错误
ARM_VENDOR_ERROR	BIT 4	厂商自定义（绕过标准解码）

4.2 syndrome 字段（PEI error_info 64-bit）

字段	位	取值
Transaction type	16-17	Instruction / Data Access / Generic
Operation type	18-21	Cache=11 种 / TLB=9 种 / Bus=7 种
Level	22-24	0-7（cache level / TLB level / 亲和性总线 level）
Proc context corrupt	25	bool
Corrected	26	bool
Precise PC	27	bool
Restartable PC	28	bool
Participation type	29-30	Local-originated/Responded/Observed/Generic
Time-out	31	bool
Address space	32-33	External / Internal / Unknown / Device Memory Access
Mem attributes	34-42	9-bit 原始值
Access mode	43	Normal / Secure

4.3 标志位

标志	位	含义
First error	0	多个错误中的第一个
Last error	1	多个错误中的最后一个
Propagated	2	错误从源传播
Overflow	3	溢出

4.4 严重性（GHES_SEV_*，ras-events.h:94-99）

值	名称	文本	系统影响
0	GHES_SEV_NO	Informational	无影响
1	GHES_SEV_CORRECTED	Corrected	已纠正；CPU 错误计数++（HAVE_CPU_FAULT_ISOLATION）
2	GHES_SEV_RECOVERABLE	Recoverable	已恢复；同上
3	GHES_SEV_PANIC	Fatal	致命；仅记录

4.5 厂商特殊解码

仅 Ampere 路径启用：decode_amp_payload0_err_regs()（non-standard-ampere.c，受 HAVE_AMP_NS_DECODE 控制）。其他 vendor blob 进 display_raw_data() 原样十六进制打印。

4.6 行为与限制

• 写 SQLite、ABRT
• 若 HAVE_CPU_FAULT_ISOLATION 且 sev ∈ {CORRECTED, RECOVERABLE}：调用 count_errors() 计数并喂给 ras_record_cpu_error()
• 不主动 panic、杀进程、page 隔离、CPU 离线 — 全部在 rasdaemon 之前由内核完成

---

5. CXL 错误码

5.1 事件严重性（ras-cxl-handler.c:492-498，CXL 3.0 §8.2.9.2.2 Table 8-49）

名称	值
CXL_EVENT_TYPE_INFO	0x00
CXL_EVENT_TYPE_WARN	0x01
CXL_EVENT_TYPE_FAIL	0x02
CXL_EVENT_TYPE_FATAL	0x03

5.2 AER Uncorrectable（ras-cxl-handler.c:274-317）

位	名称	组件	系统影响
0	CXL_AER_UE_CACHE_DATA_PARITY	CXL.cache 链路	链路数据奇偶错；可能 poison
1	CXL_AER_UE_CACHE_ADDR_PARITY	链路	错误寻址
2	CXL_AER_UE_CACHE_BE_PARITY	链路	部分写损坏
3	CXL_AER_UE_CACHE_DATA_ECC	设备 cache	不可纠正 ECC；cacheline poison 传到 host
4	CXL_AER_UE_MEM_DATA_PARITY	CXL.mem 路径	数据奇偶错
5	CXL_AER_UE_MEM_ADDR_PARITY	CXL.mem 路径	错向访问；跨主机污染
6	CXL_AER_UE_MEM_BE_PARITY	CXL.mem 路径	部分写损坏
7	CXL_AER_UE_MEM_DATA_ECC	CXL.mem	不可纠正 ECC；永久数据丢失；host 收 poison
8	CXL_AER_UE_REINIT_THRESH	链路	链路重初始化阈值；设备瞬时不可用
9	CXL_AER_UE_RSVD_ENCODE	链路	协议级错
10	CXL_AER_UE_POISON	设备对端	收到对端 poison；消费时可能 host MCE
11	CXL_AER_UE_RECV_OVERFLOW	链路接收方	buffer 溢出；flit 丢
14	CXL_AER_UE_INTERNAL_ERR	厂商定义	严重性 vendor 定义
15	CXL_AER_UE_IDE_TX_ERR	IDE 发送方	链路完整性/机密性受损
16	CXL_AER_UE_IDE_RX_ERR	IDE 接收方	认证/解密失败

5.3 AER Correctable（ras-cxl-handler.c:290-330）

位	名称	组件	系统影响
0	CXL_AER_CE_CACHE_DATA_ECC	设备 cache	cache ECC 纠正；监控速率
1	CXL_AER_CE_MEM_DATA_ECC	CXL.mem	内存 ECC 纠正；趋势预警
2	CXL_AER_CE_CRC_THRESH	链路	CRC 阈值；信号完整性告警
3	CXL_AER_CE_RETRY_THRESH	链路	重试阈值；延迟/性能影响
4	CXL_AER_CE_CACHE_POISON	设备 cache	收到 cache poison
5	CXL_AER_CE_MEM_POISON	CXL.mem	收到内存 poison
6	CXL_AER_CE_PHYS_LAYER_ERR	PHY	对端 PHY 错误

5.4 General Media Event Record（GMER，CXL 3.1 §8.2.9.2.1.1 Table 8-45）

memory_event_type：

值	名称
0	ECC Error
1	Invalid Address
2	Data Path Error
3	TE State Violation
4	Scrub Media ECC Error
5	Adv Prog CME Counter Expiration
6	CKID Violation

memory_event_sub_type（0-5）：Not Reported / Internal Datapath / Media Link Cmd/CTL/Dat Training / Media Link CRC

transaction_type（0-8）：Unknown / Host Read / Host Write / Host Scan Media / Host Inject Poison / Internal Media Scrub / Internal Media Management / Internal Media Error Check Scrub / Media Initialization

Descriptor flags：UNCORRECTABLE(bit0)、THRESHOLD(bit1)、POISON_LIST_OVERFLOW(bit2)
DPA flags：VOLATILE(bit0)、NOT_REPAIRABLE(bit1)

5.5 DRAM Event Record（DER，CXL 3.1 §8.2.9.2.1.2 Table 8-46）

memory_event_type：0=Media ECC / 1=Scrub Media ECC / 2=Invalid Address / 3=Data Path Error / 4=TE State Violation / 5=Adv Prog CME Counter Expiration / 6=CKID Violation

DER 携带完整几何：channel / sub_channel / rank / bank_group / bank / row / column / nibble_mask / correction_mask。

DER 阈值事件是 rasdaemon 中唯一触发自动 page offline 的 CXL 路径（ras-cxl-handler.c:1244-1249 → ras_hw_threshold_pageoffline(hpa)），需要 HAVE_MEMORY_CE_PFA。

5.6 Memory Module Event Record（MMER，CXL 3.1 §8.2.9.2.1.3 Table 8-47）

event_type（0-8）：Health Status / Media Status / Life Used / Temperature / Data Path / LSA / Unrecoverable Internal Sideband Bus / Memory Media FRU / Power Management Fault

event_sub_type（0-3）：Not Reported / Invalid Config Data / Unsupported Config Data / Unsupported Memory Media FRU

health_status flags：MAINTENANCE_NEEDED / PERFORMANCE_DEGRADED / REPLACEMENT_NEEDED / MEM_CAPACITY_DEGRADED
media_status（0-7）：Normal / Not Ready / Write Persistency Lost / All Data Lost / 写持久性会在掉电时丢失 / Imminent / 即将全数据丢失 / All Data Loss Imminent

5.7 Memory Sparing Event Record（MSER，CXL 3.2 §8.2.10.2.1.4 Table 8-60）

flags：QUERY_RESOURCES(BIT0) / HARD_SPARING(BIT1) / DEVICE_INITIATED(BIT2)

注意：MSER handler 不持久化到 SQLite（无 #ifdef HAVE_SQLITE3 块），是已知疏漏。

5.8 公共事件头 / Poison List

• Common Event Record Flags（每事件）：PERMANENT(2) / MAINT_NEEDED(3) / PERF_DEGRADED(4) / HW_REPLACE(5) / MAINT_OP_SUB_CLASS_VALID(6) / LD_ID_VALID(7) / HEAD_ID_VALID(8)
• Poison List Event（cxl_poison）：Source ∈ {Unknown(0), External(1), Internal(2), Injected(3), Vendor(7)}；Flags MORE/OVERFLOW/SCANNING
• Event Record Overflow（cxl_overflow）：log_type ∈ {Info, Warn, Failure, Fatal}，丢失 N 条事件，盲区
• Generic Event Record：80 字节原始数据，hdr_uuid 标识 decoder

5.9 CXL 发现 / 拓扑

• 不遍历 /sys/bus/cxl/
• 不做内存中的 component 缓存
• 完全依赖内核在 trace payload 中填好的 memdev / host / serial / region / region_uuid / comp_id 字段

---

6. extlog（Extended Log）错误类型

ras-extlog-handler.c err_type()：

etype	名称	类别	系统影响
0	unknown	未分类	—
1	no error	信息	无
2	single-bit ECC	CE	已纠正
3	multi-bit ECC	UE	数据损坏
4	single-symbol chipkill ECC	CE	整符号纠正
5	multi-symbol chipkill ECC	UE	多个符号损坏；页离线 / DIMM 更换
6	master abort	UE	总线主设备中止
7	target abort	UE	总线目标中止
8	parity error	UE	奇偶错
9	watchdog timeout	UE	内存子系统 watchdog 超时
10	invalid address	UE	访问非法地址
11	mirror Broken	UE	镜像对损坏 → 切备
12	memory sparing	INFO	备用 rank 激活
13	scrub corrected error	CE	巡检纠正
14	scrub uncorrected error	UE	巡检发现 UE
15	physical memory map-out event	INFO	物理页被 map-out

err_severity()：recoverable (sev=0, LOG_CRIT) / fatal (sev=1, LOG_EMERG) / corrected (sev=2, LOG_ERR) / informational (sev=3, LOG_INFO)

---

7. Non-Standard（厂商自定义）解码

7.1 通用 GHES 严重性映射

ras-non-standard-handler.c：

• GHES_SEV_NO → Informational
• GHES_SEV_CORRECTED → Corrected
• GHES_SEV_RECOVERABLE → Recoverable
• GHES_SEV_PANIC → Fatal

7.2 HiSilicon HIP08

UUID 1f8161e1-...(Type1) / 45534ea6-...(Type2) / b2889fc9-...(PCIe Local)

OEM Type-1 module_id：

id	名称	子模块
0	MN (Miscellaneous Node)	—
1	PLL	TB_PLL0-3 / TA_PLL0-3 / NIMBUS_PLL0-4
2	SLLC	TB_SLLC0-2 / TA_SLLC0-2 / NIMBUS_SLLC0-1
3	AA	—
4	SIOE	TB_SIOE0-3 / TA_SIOE0-3 / NIMBUS_SIOE0-1
5	POE	TB_POE / TA_POE
8	DISP	HAC / PCIE / IO_MGMT / NETWORK
9	LPC	—
13	GIC	—
14	RDE	—
15	SAS	SAS0/1
16	SATA	—
17	USB	—

OEM Type-2 module_id：

id	名称
0	SMMU (HAC/PCIE/MGMT/NIC)
1	HHA (Hydra Home Agent) — TB/TA_HHA0-1
2	PA (Proxy Agent)
3	HLLC — HLLC0-2
4	DDRC (DDR Controller) — TB/TA_DDRC0-3
5	L3T (L3 Tag) — TB/TA_PARTITION0-7
6	L3D (L3 Data) — TB/TA_BANK0-3

PCIe Local sub_module_id：

id	名称
0	AP (Application Layer)
1	TL (Transaction Layer)
2	MAC
3	DL (Data Link Layer)
4	SDI

7.3 HiSilicon Common（Kunpeng916/920/930）

UUID c8b328a8-...。~50 个 module 名（MN/PLL/SLLC/AA/SIOE/POE/CPA/DISP/GIC/ITS/AVSBUS/CS/PPU/SMMU/PA/HLLC/DDRC/L3TAG/L3DATA/PCS/HHA/PCIe Local/SAS/SATA/NIC/RoCE/USB/ZIP/HPRE/SEC/RDE/MEE/L4D/Tsensor/ROH/BTC/HILINK/STARS/SDMA/UC/HBMC/PMC/SCHE/ASMB_DFS/ASMB_NTU/UB/UMMU/PCU/UCMI/DJTAGM/CFGBUS/MPU/CRG）

严重性：NFE=0 (recoverable) / FE=1 (fatal) / CE=2 (corrected) / NONE=3

7.4 Ampere

UUID e8ed898d-...

type	名称	子错误
0	CPM	Snoop-Logic, ARMv8 Core 0/1
1	MCU (Memory Controller Unit)	ERR0-6, Link Error
2	MESH	Cross Point, Home Node IO/Memory, CCIX Node
3	2P Link Altra	—
4	2P Link Altra Max	ERR0-3
5	GIC	ERR0-12, ITS 0-7
6	SMMU	TBU0-9, TCU
7	PCIe AER	—
8	PCIe RASDP	—
9	OCM (On-Chip Memory)	ERR0-2
10	SMPRO	ERR0/ERR1/MPA_ERR
11	PMPRO	ERR0/ERR1/MPA_ERR
12	ATF FW	EL3, SPM, Secure Partition
13	SMPRO FW	—
14	PMPRO FW	—
63	BERT	Boot Error Record Table

Payload types：0=ARMv8 RAS (APEI/BMC) / 1=PCIe AER / 2=PCIe RASDP / 3=Firmware-Specific (ATF/SMpro/PMpro/BERT)

7.5 NVIDIA

UUID 6d5244f2-...（最近提交添加）

解码 nvidia_ns_decode() 字段：signature[16]、error_type、error_instance、severity、socket、number_regs、instance_base、regs[] (addr/value 对)。

7.6 Jaguar Micro（Corsica1.0）

5 个 UUID + 15 个 subsystem：

subsystem_id	名称	模块
0	AP/CSUB	CORE
1	CMN	MXP, HNI, HNF, SBSX, CCG, HND
2	DDRH	DDRCtrl, DDRPHY, SRAM
3	DDRV	DDRCtrl, DDRPHY, SRAM
4	GIC	GICIP, GICSRAM
5	IOSUB	SMMU(TBU/TCU), NIC450, OTHER(RAM)
6	SCP	SRAM, WDT, PLL
7	MCP	SRAM, WDT
8	IMU0	SRAM, WDT
9	DPE	EPG, PIPE, EMEP, IMEP, EPAE, IPAE, ETH, TPG, MIG, HIG, DPETOP, SMMU
10	RPE	TOP, TXP_RXP, SMMU
11	PSUB	PCIE0(RAS0/RAS1), UP_MIX, PCIE1, PTOP, N2IF, VPE0/1_RAS, X2RC/X16RC_SMMU, SDMA_SMMU
12	HAC	SRAM, SMMU
13	TCM	SRAM, SMMU, IP
14	IMU1	SRAM, WDT

严重性：0=recoverable (NFE) / 1=fatal (FE) / 2=corrected (CE) / 3=none

7.7 Yitian（Alibaba T-Head）

UUID a6980811-...

YITIAN_RAS_TYPE_DDR=0x50：DDR ECC 寄存器 dump（ECCCFG0/1、ECCSTAT、ECCERRCNT、ECCCADDR0/1、ECCCSYN0-2、ECCUADDR0/1、ECCUSYN0-2、ECCBITMASK0-2、ADVECCSTAT、ECCAPSTAT、ECCCDATA0/1、ECCUDATA0/1、ECCSYMBOL、ECCERRCNTCTL/STAT、ECCERRCNT0/1、RESERVED0-2）

---

8. memory-failure 错误码

ras-memory-failure-handler.c。Page types（来自内核 enum mf_action_page_type）：

值	名称	系统影响
0	MF_MSG_KERNEL	Poison 命中保留内核页；通常 panic
1	MF_MSG_KERNEL_HIGH_ORDER	高阶内核分配页；通常致命
2	MF_MSG_SLAB	内核对象 slab；通常致命
3	MF_MSG_DIFFERENT_COMPOUND	锁下复合页变化；重试/中止
4	MF_MSG_HUGE	正在用的 hugepage；迁移/杀消费者
5	MF_MSG_FREE_HUGE	空闲 hugepage；离线
6	MF_MSG_UNMAP_FAILED	无法 unmap；页保持 poison
7	MF_MSG_DIRTY_SWAPCACHE	脏 swap cache；可能数据丢失；杀任务
8	MF_MSG_CLEAN_SWAPCACHE	干净 swap cache；丢弃重载
9	MF_MSG_DIRTY_MLOCKED_LRU	脏 mlocked；杀任务
10	MF_MSG_CLEAN_MLOCKED_LRU	干净 mlocked；丢弃重载
11	MF_MSG_DIRTY_UNEVICTABLE_LRU	脏不可驱逐；杀任务
12	MF_MSG_CLEAN_UNEVICTABLE_LRU	干净不可驱逐；丢弃
13	MF_MSG_DIRTY_LRU	脏 LRU；杀任务；可能数据丢失
14	MF_MSG_CLEAN_LRU	干净 LRU；丢弃重载
15	MF_MSG_TRUNCATED_LRU	已截断 LRU；恢复
16	MF_MSG_BUDDY	空闲 buddy 页；从 free list 移除
17	MF_MSG_DAX	DAX（pmem/CXL persistent）；应用 SIGBUS
18	MF_MSG_UNSPLIT_THP	THP 拆分失败；杀任务
19	MF_MSG_UNKNOWN	未知；仅记录

action_result：

值	名称	含义
0	MF_IGNORED	无法处理，忽略
1	MF_FAILED	处理失败；可能需 panic
2	MF_DELAYED	延迟处理
3	MF_RECOVERED	成功恢复

---

9. devlink 健康事件

ras-devlink-handler.c：

事件	字段	典型系统影响
net:net_dev_xmit_timeout	driver, name, queue	NIC TX 队列 hang；触发 NIC reset
devlink:devlink_health_report	bus_name, dev_name, driver_name, reporter_name, msg	驱动通过 devlink reporter 上报健康/RAS 事件；reporter_name 标识哪个 reporter 触发（如 mlx5 tx/fw/hw_err）

没有固定错误码 — reporter 内容由驱动定义。

---

10. diskerror 错误码

ras-diskerror-handler.c — 消费 block:block_rq_error：

errno	名称	系统影响
-EOPNOTSUPP	operation not supported	块设备不支持该 op
-ETIMEDOUT	timeout	IO 超时；重试/换盘
-ENOSPC	critical space allocation	精简配置空间耗尽
-ENOLINK	recoverable transport	SAS/FC 链路错误，可恢复
-EREMOTEIO	critical target	SCSI 目标严重错误；failover
-EBADE	critical nexus	I_T nexus 严重错误
-ENODATA	critical medium	磁盘介质错误（坏扇区）；重映射；换盘
-EILSEQ	protection	T10 PI / DIF 保护错误
-ENOMEM	kernel resource	内核分配器失败
-EBUSY	device resource	设备资源耗尽
-EAGAIN	nonblocking retry	非阻塞重试
-EREMCHG	dm internal retry	device-mapper 内部重试
-EIO	I/O error	通用 IO 失败

---

11. signal 错误码（ras-signal-handler.c）

SIGBUS codes：

code	名称	含义
1	BUS_ADRALN	地址对齐无效
2	BUS_ADRERR	物理地址不存在
3	BUS_OBJERR	对象特定硬件错误
4	BUS_MCEERR_AR	硬件内存错误已消费（action required）；杀进程 + 页离线
5	BUS_MCEERR_AO	硬件内存错误已发现但未消费；可选恢复

signal:signal_generate 结果：

值	名称	含义
0	TRACE_SIGNAL_DELIVERED	已投递
1	TRACE_SIGNAL_IGNORED	被忽略
2	TRACE_SIGNAL_ALREADY_PENDING	已 pending，no-op
3	TRACE_SIGNAL_OVERFLOW_FAIL	队列满
4	TRACE_SIGNAL_LOSE_INFO	siginfo 丢失

---

12. reri（RISC-V RAS Error Report Register Interface）

ras-reri-handler.h — RERI_EC_* 错误码：

代码	名称	类别	系统影响
0	RERI_EC_NONE	—	无
1	RERI_EC_OUE	Unknown	未指定错误
2	RERI_EC_CDA	Cache	损坏数据访问
3	RERI_EC_CBA	Cache	Cache 块数据错误
4	RERI_EC_CSD	Cache	Cache 巡检发现
5	RERI_EC_CAS	Cache	Cache 地址/状态错误
6	RERI_EC_CUE	Cache	Cache 未指定错误
7	RERI_EC_SDC	Microarchitecture	侦听/目录地址/控制状态错
8	RERI_EC_SUE	Unknown	侦听/目录未指定
9	RERI_EC_TPD	TLB	TLB/页表 cache 数据错
10	RERI_EC_TPA	TLB	TLB/页表地址控制状态
11	RERI_EC_TPU	TLB	TLB/页表未知
12	RERI_EC_HSE	Microarchitecture	Hart 状态错
13	RERI_EC_ICS	Unknown	中断控制器状态错
14	RERI_EC_ITD	Microarchitecture	互连数据错
15	RERI_EC_ITO	Microarchitecture	互连其他
16	RERI_EC_IWE	Microarchitecture	内部 watchdog 错
17	RERI_EC_IDE	Microarchitecture	内部数据通路/内存/执行单元
18	RERI_EC_SBE	Bus	系统内存命令/地址总线错
19	RERI_EC_SMU	Microarchitecture	系统内存未指定
20	RERI_EC_SMD	Microarchitecture	系统内存数据错
21	RERI_EC_SMS	Microarchitecture	系统内存巡检发现
22	RERI_EC_PIO	Microarchitecture	协议错非法 IO
23	RERI_EC_PUS	Microarchitecture	协议错意外状态
24	RERI_EC_PTO	Microarchitecture	协议错超时
25	RERI_EC_SIC	Microarchitecture	系统内部控制器
26	RERI_EC_DPU	Unknown	延迟错误 passthrough 不支持
27	RERI_EC_PCX	Unknown	PCI/CXL 检测到错误

Transaction types (TT)：0=Unspecified / 1=Custom / 4=Explicit Read / 5=Explicit Write / 6=Implicit Read / 7=Implicit Write

Address info types (AIT)：0=None / 1=SPA (Supervisor Physical) / 2=GPA / 3=VA

Source types：0=CPU / 1=IOMMU / 2=Unknown

严重性推导：UEC→FATAL, UED→RECOVERABLE, CE→CORRECTED, else INFORMATIONAL

行为：CPU FATAL/RECOVERABLE 触发 ras_record_cpu_error(hart_id)（需 HAVE_CPU_FAULT_ISOLATION）；RECOVERABLE+ 还会上报 ABRT

---

13. erst（APEI ERST）— MCE 重放

ras-erst.c：

• 仅消费 /sys/fs/pstore/erst/ 下 mce-erst* 文件
• 通过现有 MCE handler（Intel parse_intel_event、AMD K8 parse_amd_k8_event、AMD SMCA parse_amd_smca_event）解码
• 发射合成 mce_erst_record 事件
• ERST_DELETE=1 时删除文件
• 不支持 CPER generic / AER 等其他 APEI ERST record 类型

---

14. 全局 syslog 严重性映射

事件类别	日志级别
MCE Uncorrected / Deferred	LOG_CRIT
MCE Fatal	LOG_CRIT
AER Corrected	LOG_ERR
AER Uncorrected Non-Fatal	LOG_CRIT
AER Uncorrected Fatal	LOG_EMERG
MC Corrected	LOG_ERR
MC Uncorrected / Deferred	LOG_CRIT
MC Fatal	LOG_EMERG
MC Info	LOG_DEBUG
extlog recoverable	LOG_CRIT
extlog fatal	LOG_EMERG
extlog corrected	LOG_ERR
extlog informational	LOG_INFO
CXL Poison	LOG_ERR
CXL AER UE	LOG_CRIT
memory-failure	LOGLEVEL_ALERT
diskerror	LOG_ERR

---

15. 关键"是什么"vs"做什么"总结

类别	rasdaemon 记录	rasdaemon 自动动作	内核实际动作
MCE CE	✓	无	自动纠正
MCE UC	✓	无	#MC handler（杀进程/panic）
MC CE	✓	页面/行 PFA → sysfs 写	soft/hard_offline_page
MC UE/Fatal	✓	触发 MC_UE_TRIGGER 脚本	MCE / SIGBUS
AER CE	✓	触发 AER_CE_TRIGGER 脚本	AER 自动 retrain
AER UE	✓	触发 AER_UE_TRIGGER 脚本	AER reset / hot-plug 处理
CXL Poison	✓	无	内核错误处理
CXL DER CE-threshold	✓	ras_hw_threshold_pageoffline()	软离线
ARM	✓	CPU 错误计数（可选）	GHES 处理（已发生）
extlog	✓	无	已发生
memory-failure	✓	触发 MEM_FAIL_TRIGGER 脚本	hwpoison 完成
devlink	✓	无	驱动内部处理
diskerror	✓	无	块设备重试 / 上层处理
signal SIGBUS 4/5	✓	无	kill task / 投递信号
reri	✓	CPU 错误计数（可选）	内核处理（已发生）
erst	✓	ERST_DELETE=1 时删文件	启动时 pstore 重放

---

16. 关键文件索引

文件	行数	作用
ras-mce-handler.c	636+	MCE dispatcher, report_mce_event, ras_offline_mce_event
mce-intel.c	332+	通用 Intel MCA 解码 + AR 状态 + memory controller
mce-intel-{nehalem,sb,ivb,haswell,broadwell-de,broadwell-epex,dunnington,knl,skylake-xeon,i10nm,granite,tulsa,p4-p6}.c	16 个	平台特定 PCU/QPI/UPI/M2M/iMC 错误码
mce-amd.c	124+	AMD 通用 + decode_amd_errcode
mce-amd-k8.c	252+	K8 北桥扩展错误
mce-amd-smca.c	998+	SMCA 全 bank 表（LS/IF/L2/DE/EX/FP/L3/CS/PIE/UMC/MA_LLC/PB/PSP/SMU/MP5/MPDMA/NBIO/PCIE/XGMI_PCS/XGMI_PHY/NBIF/SATA/USB/USR_DP/USR_CP/GMI_PCS）
mce-zhaoxin-kh50000.c	400+	Zhaoxin KH-50000 全部错误码
ras-mc-handler.c	348+	EDAC 5 个错误类型 + PFA 触发
ras-page-isolation.c	850+	页面/行 PFA + sysfs 写
ras-aer-handler.c	349+	PCIe AER 24+ 位解码
ras-arm-handler.c	600+	ARM PEI 解码
ras-cxl-handler.c	1674+	CXL 9 个事件 + 30+ AER 子码 + 5 类 record
ras-extlog-handler.c	—	extlog 16 个 err_type + 4 严重性
ras-non-standard-handler.c	—	CPER 段分发
non-standard-{hisi_hip08,hisilicon,ampere,nvidia,jaguarmicro,yitian}.c	—	6 个 vendor 解码器
ras-memory-failure-handler.c	229+	20 page type + 4 result
ras-devlink-handler.c	—	devlink 2 事件
ras-diskerror-handler.c	—	13 errno
ras-signal-handler.c	—	5 SIGBUS code + 5 signal result
ras-reri-handler.c	—	27 RERI_EC_*
ras-erst.c	—	MCE ERST 重放
ras-events.c	1249+	全部事件注册和分发
ras-events.h	—	全部枚举（severity、page_type、event type）
ras-record.c	—	全部 SQLite schema

---

17. 调试与快速定位建议

想知道什么	看哪里
MCE 错误码 → 字符串	mce-error.c 工具（util/）
CXL AER 详细位	util/ras-mc-ctl.in:1205-1357
SQLite schema	ras-record.c
严重性映射	各 *-handler.c 中 loglevel_str[] 数组
触发脚本	trigger.c + ras-*-handler.c *_trigger_setup
页面退役	ras-page-isolation.c + sysfs soft_offline_page
ERST 重放	/sys/fs/pstore/erst/ + ras-erst.c
ABRT 报告	ras-report.c
OpenBMC SEL	unified-sel.c