Nach Hersteller
Dell PowerEdge HPE ProLiant Lenovo ThinkSystem Fujitsu Primergy Supermicro IBM System x / Power Acer AltosEinsatz & Unterschiede
Rechenzentren Lombardei Aruba Ponte San Pietro Jenseits des HerstellersupportsECC-RAM: Diagnose Modul für Modul, gezielter Austausch.
ECC-Fehler über Schwellwert, MCE-Ereignisse (Machine Check Exception), Kernel Panics mit Bezug zu bestimmten Modulen, vom BIOS deaktivierte DIMMs: Die Diagnose beginnt bei den BMC-Logs und führt bis zum einzelnen schuldigen Modul. Austausch gegen ein DIMM, das in Rank, Spannung, Frequenz und Bauform (Registered vs. Load-Reduced) kompatibel ist.
Der Schuldige steht fast immer schon im Log.
Enterprise-Server protokollieren ECC-Fehler ab dem ersten Ereignis. Das betriebliche Problem: Bis zu einem bestimmten Schwellwert erzeugen korrigierbare ECC-Fehler keine sichtbaren Symptome — das System läuft weiter. Wenn das Symptom auftritt (Absturz, Reboot, Kernel Panic), hat das betroffene Modul längst Spuren im SEL hinterlassen.
Typisches Auslesen über ipmitool sel elist oder herstellereigene Werkzeuge (Dell racadm, HPE hponcfg, Lenovo xclarity): Gesucht wird das wiederkehrende Muster Correctable ECC auf einem bestimmten Modul, gegebenenfalls logging limit reached, schließlich Memory Device Disabled, das den Riegel als nicht mehr nutzbar markiert.
„Ein kompatibles DIMM“ reicht nicht.
- Rank: 1Rx4, 2Rx4, 2Rx8 — nicht jeder Rank ist in jeder Bestückungskombination der Slots zulässig.
- Spannung: 1,5 V vs. 1,35 V (DDR3), 1,2 V vs. 1,1 V (DDR4/5). Mischbetrieb möglich, das System fällt jedoch auf die höhere Spannung zurück.
- Frequenz: Das System fällt auf die niedrigste vorhandene Frequenz zurück. Der Mix ergibt sich aus CPU und Bestückung.
- Registered vs. Load-Reduced: nicht mischbar. RDIMM und LRDIMM haben unterschiedliche elektrische Topologien.
- Vendor SmartMemory: HPE Gen10+ verlangt HPE-gelabelte DIMMs, um dauerhafte Warnungen im iLO zu vermeiden. Technisch kompatibel, generische Module werden jedoch als „non-HPE Smart“ gemeldet.
Der Slot, nicht das Modul.
In seltenen Fällen liegt das Problem nicht am DIMM, sondern am Slot auf der Motherboard (verbogener Pin, degradierte Leiterbahn auf der PCB). Diagnostiziert wird, indem das verdächtige DIMM in einen als intakt bekannten Slot umgesetzt wird: Folgt der Fehler dem Modul, ist es das DIMM; bleibt der Fehler am Slot, ist es die Motherboard. Im letzteren Fall lässt sich der Slot per BIOS isolieren (nur die intakten Slots bestücken) oder es ist ein Austausch der Motherboard erforderlich.
Die Fragen, die uns am häufigsten gestellt werden.
Korrigierbare ECC-Fehler: muss ich sofort eingreifen?
Das hängt vom Volumen ab. Vereinzelte Ereignisse (1-2 pro Monat) sind normal und werden vom System ohne Auswirkung abgefangen. Wiederkehrende Ereignisse, die das vom Hersteller gesetzte logging limit überschreiten (typischerweise 1000 an einem Tag), sind das Signal, dass das Modul degradiert: Je früher eingegriffen wird, desto geringer das Risiko, dass daraus ein nicht korrigierbarer Fehler (uncorrectable ECC) mit Systemabsturz wird.
Kann ich DIMMs verschiedener Hersteller mischen?
Technisch ja, sofern sie dieselben Parameter einhalten (Rank, Spannung, Frequenz, Registered/LR). In der Praxis läuft das System auf herstellergebundenen Plattformen (HPE SmartMemory, Lenovo TruDDR) zwar, protokolliert aber dauerhaft Warnungen. Für supportkritische Umgebungen empfehlen wir Homogenität je bestücktem Slot.
Was kostet ein typischer DIMM-Austausch?
Er zählt zu den Eingriffen mit den geringsten Stückkosten im Bereich der Server-Hardware-Reparatur. Variablen: Kapazität des Moduls (16/32/64/128 GB), Typ (Standard-RDIMM vs. Vendor SmartMemory), Geschwindigkeit, Beschaffungskanal. Die detaillierte Schätzung erhalten Sie mit der Angebotsanfrage.
Führen Sie vor/nach dem Eingriff einen erweiterten memtest86+ durch?
Ja, wenn das Symptom es erfordert oder das System eine Offline-Ausführung zulässt. Bei Servern im kritischen Produktivbetrieb stützen wir uns vor allem auf die SEL-/MCE-Logs, die dieselbe diagnostische Aussagekraft haben, ohne einen Stillstand zu erfordern. Nach dem Austausch: Stresstest (erweiterter memtest86+ oder stress-ng --vm unter Linux) über 4-12 h vor der Rückkehr in die Produktion.