Reinicializações causadas pelo watchdog do Supermicro BMC

Question

Adquiri recentemente uma placa-mãe SuperMicro X10SLL-F, que possui um chip BMC (Aspeed AST2400) integrado. Eu quero usar o controlador watchdog integrado ao executar o linux no servidor (gentoo endurecido).

Ativei a função watchdog no bios e, em seguida, troquei o jumper da motherboard de hard-reset para NMI (ação de timeout do watchdog, para fins de teste, para evitar reinicialização). Sobre o soft - eu instalei e adicionei ao programa watchdog de runlevel padrão (sys-apps / watchdog) que é configurado para pingar o dispositivo watchdog (/ dev / watchdog, que está presente) a cada 10 segundos. O tempo limite do watchdog está definido para 250 segundos.

Os programas aparentemente vêem o hardware do watchdog (ipmitool com o openipmi ativado):

# ipmitool mc watchdog get
Watchdog Timer Use:     SMS/OS (0x44)
Watchdog Timer Is:      Started/Running
Watchdog Timer Actions: Hard Reset (0x01)
Pre-timeout interval:   0 seconds
Timer Expiration Flags: 0x10
Initial Countdown:      254 sec
Present Countdown:      253 sec

Freeipmi:

# bmc-watchdog --get
Timer Use:                   SMS/OS
Timer:                       Running
Logging:                     Enabled
Timeout Action:              Hard Reset
Pre-Timeout Interrupt:       None
Pre-Timeout Interval:        0 seconds
Timer Use BIOS FRB2 Flag:    Clear
Timer Use BIOS POST Flag:    Clear
Timer Use BIOS OS Load Flag: Clear
Timer Use BIOS SMS/OS Flag:  Set
Timer Use BIOS OEM Flag:     Clear
Initial Countdown:           254 seconds
Current Countdown:           253 seconds

No entanto, depois de certa quantidade de tempo, recebo (com bons valores de "contagem regressiva atual" informados pelos programas acima):

[  294.107534] Uhhuh. NMI received for unknown reason 21 on CPU 0.
[  294.107998] Do you have a strange power saving mode enabled?
[  294.108437] Dazed and confused, but trying to continue

Qual é o NMI, aparentemente causado pelo tempo limite do watchdog. Pouco menos de um minuto depois que a máquina faz a reinicialização forçada.

Onde há um problema e qual direção devo procurar?

EDIT: mensagens do kernel relacionadas ao ipmi:

[    0.353090] ipmi message handler version 39.2
[    0.353353] ipmi device interface
[    0.353623] IPMI System Interface driver.
[    0.353898] ipmi_si: probing via ACPI
[    0.354172] ipmi_si 00:08: [io  0x0ca2] regsize 1 spacing 1 irq 0
[    0.354444] ipmi_si: Adding ACPI-specified kcs state machine
[    0.354790] ipmi_si: probing via SMBIOS
[    0.355051] ipmi_si: SMBIOS: io 0xca2 regsize 1 spacing 1 irq 0
[    0.355317] ipmi_si: Adding SMBIOS-specified kcs state machine duplicate interface
[    0.355836] ipmi_si: probing via SPMI
[    0.356095] ipmi_si: SPMI: io 0xca2 regsize 1 spacing 1 irq 0
[    0.356362] ipmi_si: Adding SPMI-specified kcs state machine duplicate interface
[    0.356906] ipmi_si: Trying ACPI-specified kcs state machine at i/o address 0xca2, slave address 0x0, irq 0
[    0.390536] ipmi_si: The BMC does not support clearing the recv irq bit, compensating, but the BMC needs to be fixed.
[    0.418476] ipmi_si 00:08: Found new BMC (man_id: 0x002a7c, prod_id: 0x0801, dev_id: 0x20)
[    0.419004] ipmi_si 00:08: IPMI kcs interface initialized
[    0.419272] IPMI SSIF Interface driver
[    0.420350] IPMI Watchdog: driver initialized
[    0.420635] Copyright (C) 2004 MontaVista Software - IPMI Powerdown via sys_reboot.
[    0.421444] IPMI poweroff: ATCA Detect mfg 0x2A7C prod 0x801
[    0.421710] IPMI poweroff: Found a chassis style poweroff function

EDIT: Eu tentei usar o bmc-watchdog com a configuração "-u 4 -p 2 -a 0 -F-P-L-O -i 300-e 10". Portanto, somente o horário do SMS / OS está em uso, a interrupção de pré-tempo de espera é definida como NMI, a ação de tempo limite é definida como NONE:

# bmc-watchdog --get
Timer Use:                   SMS/OS
Timer:                       Running
Logging:                     Enabled
Timeout Action:              None
Pre-Timeout Interrupt:       NMI / Diagnostic Interrupt
Pre-Timeout Interval:        0 seconds
Timer Use BIOS FRB2 Flag:    Clear
Timer Use BIOS POST Flag:    Clear
Timer Use BIOS OS Load Flag: Clear
Timer Use BIOS SMS/OS Flag:  Set
Timer Use BIOS OEM Flag:     Clear
Initial Countdown:           300 seconds
Current Countdown:           290 seconds

Mas isso não causou nenhuma mudança.

EDIT. Além disso, quando eu disparo gatilho timer com echoing \ 0x00 para / dev / watchdog e, em seguida, mantê-lo intocado - o sistema é reiniciado corretamente após 10 segundo timeout padrão. Portanto, o watchdog funciona bem, mas a exatamente 350 segundos da reinicialização do sistema de inicialização.

EDIT. Eu verifiquei o log de eventos do sistema BMC (SEL) e descobri isso após a reinicialização:

Sensor #202 | Watchdog 2 | Assertion Event | Timer interrupt ; Timer use at expiration = SMS/OS ; Interrupt type = none
Sensor #202 | Watchdog 2 | Assertion Event | Timer expired, status only ; Timer use at expiration = SMS/OS ; Interrupt type = none

O que é interessante aqui - é esse evento marcado como "somente status". E mesmo assim, o sistema é reiniciado. Quando eu disparo o timeout do watchdog intencionalmente, os logs são diferentes:

Sensor #202 | Watchdog 2 | Assertion Event | Timer interrupt ; Timer use at expiration = SMS/OS ; Interrupt type = none
Sensor #202 | Watchdog 2 | Assertion Event | Hard Reset ; Timer use at expiration = SMS/OS ; Interrupt type = none

    

Answer 1

Eventualmente, eu encontrei uma solução um pouco estranha: apenas deixe o jumper watchdog (JWD1) aberto (com nem NMI nem hard-reset selecionados). Watchdog está ativado nas configurações da BIOS.

Neste caso, o watchdog funciona como esperado - o sistema ficou estável por 25 minutos com o bmc-watchdog sendo executado e reinicializado após a finalização do programa watchdog.