Nos prestations
Réparation matérielle Maintenance serveurs Récupération de données Extension & mise à niveauPar constructeur
Dell PowerEdge HPE ProLiant Lenovo ThinkSystem Fujitsu Primergy Supermicro IBM System x / Power Acer AltosIntervention & différenciateurs
Datacenters Lombardie Aruba Ponte San Pietro Au-delà du support constructeurMémoire RAM ECC : diagnostic barrette par barrette, remplacement ciblé.
Erreurs ECC au-delà du seuil, événements MCE (Machine Check Exception), kernel panic corrélés à des barrettes précises, DIMM désactivés par le BIOS : le diagnostic part des logs BMC et remonte jusqu'au module fautif. Remplacement par un DIMM compatible en rank, tension, fréquence et typologie (Registered ou Load-Reduced).
Le coupable est presque toujours déjà dans les logs.
Les serveurs enterprise journalisent les erreurs ECC dès le premier événement. Le problème opérationnel est que, jusqu'à un certain seuil, les erreurs ECC corrigibles ne produisent aucun symptôme visible — le système continue de fonctionner. Quand le symptôme arrive (crash, redémarrage, kernel panic), la barrette fautive a déjà accumulé des traces dans le SEL.
Lecture typique via ipmitool sel elist ou les équivalents constructeur (Dell racadm, HPE hponcfg, Lenovo xclarity) : on recherche le motif Correctable ECC récurrent sur une barrette précise, l'éventuel logging limit reached, enfin le Memory Device Disabled qui marque la barrette comme inutilisable.
« Un DIMM compatible » ne suffit pas.
- Rank : 1Rx4, 2Rx4, 2Rx8 — tous les rank ne sont pas admis dans toutes les combinaisons de slots peuplés.
- Tension : 1,5 V vs 1,35 V (DDR3), 1,2 V vs 1,1 V (DDR4/5). Le mixage est possible mais le système s'aligne sur la tension la plus élevée.
- Fréquence : le système s'aligne sur la fréquence la plus basse présente. Le mixage dépend du CPU et du peuplement.
- Registered vs Load-Reduced : non mixables. RDIMM et LRDIMM ont des topologies électriques différentes.
- Vendor SmartMemory : HPE Gen10+ exige des DIMM estampillés HPE pour éviter des avertissements persistants sur iLO. Techniquement compatibles, les modules génériques sont signalés comme « non-HPE Smart ».
Le slot, pas le module.
Dans de rares cas, le problème ne vient pas du DIMM mais du slot de la motherboard (pin tordu, piste dégradée sur le PCB). Le diagnostic consiste à déplacer le DIMM suspect dans un slot connu comme sain : si l'erreur suit la barrette, c'est le DIMM ; si l'erreur reste sur le slot, c'est la motherboard. Dans ce dernier cas, le slot peut être isolé via le BIOS (en ne peuplant que les slots sains) ou impose le remplacement de la motherboard.
Les questions qu'on nous pose le plus souvent.
Erreurs ECC corrigibles : faut-il intervenir immédiatement ?
Cela dépend du volume. Des événements sporadiques (1-2 par mois) sont physiologiques et absorbés par le système sans impact. Des événements récurrents qui dépassent le logging limit défini par le constructeur (typiquement 1000 sur une journée) signalent que la barrette se dégrade : plus on intervient tôt, moins on risque de la voir se transformer en erreur non corrigible (uncorrectable ECC) avec crash du système.
Puis-je mélanger des DIMM de constructeurs différents ?
Techniquement oui, s'ils respectent les mêmes paramètres (rank, tension, fréquence, registered/LR). En pratique, sur les systèmes vendor-locked (HPE SmartMemory, Lenovo TruDDR), le système fonctionne mais journalise des avertissements persistants. Pour les environnements où le support est critique, notre recommandation est l'homogénéité par slot peuplé.
Combien coûte un remplacement de DIMM typique ?
C'est l'une des interventions au coût unitaire le plus faible dans la gamme de la réparation matérielle serveur. Variables : capacité du module (16/32/64/128 Go), typologie (RDIMM standard vs Vendor SmartMemory), vitesse, canal d'approvisionnement. L'estimation détaillée est fournie avec la demande de devis.
Exécutez-vous un memtest86+ étendu avant/après l'intervention ?
Oui, quand le symptôme l'exige ou quand le système autorise une exécution hors ligne. Sur des serveurs en production critique, nous nous appuyons principalement sur les logs SEL/MCE, qui offrent la même sensibilité diagnostique sans imposer d'arrêt. Après le remplacement : stress test (memtest86+ étendu ou stress-ng --vm sous Linux) pendant 4-12h avant le retour en production.