mce: Hardware Error: CPU0: Machine Check: 0 Bank4

[rud]

Hallo,

seit einiger Zeit erhalten ich beim booten die Meldung:

Code: Alles auswählen

mce: [Hardware Error]: CPU 0: Machine Check: 0 Bank 4: a600000000020408
mce: [Hardware Error]: TSC 0 ADDR fef13bc0
mce: [Hardware Error]: PROCESSOR 0:506ca TIME 1698182864 SOCKET 0 APIC 0 microcode 1a

wenn ich unter GRUB2: Linux 6.1.0-0.deb11.7-amd64 auswähle kommt zwar auch die Fehlermeldung, aber Debian startet.
wähle ich einen neueren Kernel deb11.9 oder höher, wird der Bildschirm nach der Meldung schwarz und es passiert nichts mehr.

Zuerst dachte ich, das Mainboard (ASRock J3455-ITX) ist defekt und habe es getauscht.
Ohne Erfolg.
Dann habe ich ein neues RAM (Crucial RAM CT51264BF160B 4GB DDR3 1600 MHz) eingesetzt.
Ohne Erfolg.

Habe recherchiert, werde aber aus den meist sehr alten Beiträgen nicht schlau.

Kann mir jemand weiter helfen?

[towo]

Ohne die Angabe Deiner Hardware, wird es schwierig

Code: Alles auswählen

inxi -Fz

wäre schon mal ein Anfang, ggfs. installieren mit

Code: Alles auswählen

apt install inxi

[rud]

Code: Alles auswählen

inxi -Fz

erzeugt folgende Antwort:

Code: Alles auswählen

System:    Kernel: 6.1.0-0.deb11.7-amd64 x86_64 bits: 64 Console: tty 0
           Distro: Debian GNU/Linux 11 (bullseye)
Machine:   Type: Desktop Mobo: ASRock model: J3455-ITX serial: <filter>
           UEFI [Legacy]: American Megatrends v: P1.90 date: 01/19/2021
CPU:       Info: Quad Core model: Intel Celeron J3455 bits: 64 type: MCP L2 cache: 1024 KiB
           Speed: 800 MHz min/max: 800/2300 MHz Core speeds (MHz): 1: 799 2: 800 3: 799 4: 799
Graphics:  Device-1: Intel HD Graphics 500 driver: i915 v: kernel
           Display: server: No display server data found. Headless machine? tty: 100x26
           Message: Unable to show advanced data. Required tool glxinfo missing.
Audio:     Device-1: Intel Celeron N3350/Pentium N4200/Atom E3900 Series Audio Cluster
           driver: snd_hda_intel
           Sound Server: ALSA v: k6.1.0-0.deb11.7-amd64
Network:   Device-1: Realtek RTL8111/8168/8411 PCI Express Gigabit Ethernet driver: r8169
           IF: enp1s0 state: up speed: 1000 Mbps duplex: full mac: <filter>
           IF-ID-1: docker0 state: down mac: <filter>
RAID:      Device-1: md0 type: mdraid level: mirror status: active size: 931 MiB report: 2/2 UU
           Components: Online: 0: sdb2 1: sda2
           Device-2: md1 type: mdraid level: mirror status: active size: 110.66 GiB
           report: 2/2 UU
           Components: Online: 0: sdb4 1: sda4
Drives:    Local Storage: total: 7.51 TiB used: 1.93 TiB (25.7%)
           ID-1: /dev/sda vendor: Silicon Power model: SPCC Solid State Disk size: 119.24 GiB
           ID-2: /dev/sdb vendor: Silicon Power model: SPCC Solid State Disk size: 119.24 GiB
           ID-3: /dev/sdc vendor: Seagate model: ST4000VN008-2DR166 size: 3.64 TiB
           ID-4: /dev/sdd vendor: Seagate model: ST4000VN006-3CW104 size: 3.64 TiB
Partition: ID-1: / size: 108.36 GiB used: 3.77 GiB (3.5%) fs: ext4 dev: /dev/md1
           ID-2: /boot size: 898.1 MiB used: 178.8 MiB (19.9%) fs: ext4 dev: /dev/md0
           ID-3: /boot/efi size: 542.9 MiB used: 4 KiB (0.0%) fs: vfat dev: /dev/sdb1
Swap:      ID-1: swap-1 type: partition size: 7.08 GiB used: 0 KiB (0.0%) dev: /dev/sdb3
           ID-2: swap-2 type: partition size: 7.08 GiB used: 0 KiB (0.0%) dev: /dev/sda3
Sensors:   Missing: Required tool sensors not installed. Check --recommends
Info:      Processes: 162 Uptime: 1m Memory: 3.49 GiB used: 509.1 MiB (14.2%) Init: systemd
           runlevel: 5 Shell: Bash inxi: 3.3.01

[curt123]

Hallo.

Hallo,

seit einiger Zeit erhalten ich beim booten die Meldung:

Code: Alles auswählen

mce: [Hardware Error]: CPU 0: Machine Check: 0 Bank 4: a600000000020408
mce: [Hardware Error]: TSC 0 ADDR fef13bc0
mce: [Hardware Error]: PROCESSOR 0:506ca TIME 1698182864 SOCKET 0 APIC 0 microcode 1a

Da schaut es ähnlich aus viewtopic.php?t=178588:

-Es gibt einige Fehlermeldungen beim Hochfahren. Die ersten 'MCE' sind wohl wie bei einem ähnlcihen PC unwichtig.

.

wenn ich unter GRUB2: Linux 6.1.0-0.deb11.7-amd64 auswähle kommt zwar auch die Fehlermeldung, aber Debian startet.
wähle ich einen neueren Kernel deb11.9 oder höher, wird der Bildschirm nach der Meldung schwarz und es passiert nichts mehr.

Zuerst dachte ich, das Mainboard (ASRock J3455-ITX) ist defekt und habe es getauscht.

Bei mir fährt ein ASRock J3455m mit aktuellem Bookworm-Debian 6.1.0-13 ganz hoch. Allerdings ist das Platinenlayout etwas anders, und das ITX-Board hat vmtl. noch einen Sata-Controller (ASMedia?) und optischen Audioausgang.

Du kannst noch langsamere Speichereinstellungen im Bios versuchen, und/oder nur ein Riegel usw., evtl. Neuinstallation.

[schorsch_76]

https://en.wikipedia.org/wiki/Machine-check_exception

A machine check exception (MCE) is a type of computer error that occurs when a problem involving the computer's hardware is detected. With most mass-market personal computers, an MCE indicates faulty or misconfigured hardware.

The nature and causes of MCEs can vary by architecture and generation of system. In some designs, an MCE is always an unrecoverable error, that halts the machine, requiring a reboot. In other architectures, some MCEs may be non-fatal, such as for single-bit errors corrected by ECC memory. On some architectures, such as PowerPC, certain software bugs can cause MCEs, such as an invalid memory access. On other architectures, such as x86, MCEs typically originate from hardware only.

https://wiki.archlinux.org/title/Machin ... _exception

This article aims to help users implement services to actively monitor, log, and report hardware errors. A machine check exception (MCE) is an error generated by the CPU when the CPU detects that a hardware error or failure has occurred.

Machine check exceptions (MCEs) can occur for a variety of reasons ranging from undesired or out-of-spec voltages from the power supply, from cosmic radiation flipping bits in memory DIMMs or the CPU, or from other miscellaneous faults, including faulty software triggering hardware errors.

Das deutet auf Hardware hin oder falsch eingestellte BIOS/UEFI Werte.

Diese Meldungen hannst du auch abschalten wenn sonst alles Ok ist.
https://docs.kernel.org/6.1/x86/x86_64/ ... tions.html

[curt123]

Gerade habe ich zum Vergleich nochmal geschaut, welche Fehler journalctl bei meinem 3455m aktuell ausgibt:

Code: Alles auswählen

Okt 30 07:57:52 PC kernel: tpm_crb MSFT0101:00: [Firmware Bug]: ACPI region does not cover the entire command/response buffer. [mem 0xfed40000-0xfed4087f flags 0x200] vs fed40080 f80
Okt 30 07:57:52 PC kernel: tpm_crb MSFT0101:00: [Firmware Bug]: ACPI region does not cover the entire command/response buffer. [mem 0xfed40000-0xfed4087f flags 0x200] vs fed40080 f80
Okt 30 07:57:52 PC kernel: mce: [Hardware Error]: CPU 0: Machine Check: 0 Bank 4: e600000000020408
Okt 30 07:57:52 PC kernel: mce: [Hardware Error]: TSC 0 ADDR fef5a8c0 
Okt 30 07:57:52 PC kernel: mce: [Hardware Error]: PROCESSOR 0:506c9 TIME 1698649066 SOCKET 0 APIC 0 microcode 48
Okt 30 07:57:53 PC kernel: EDAC pnd2: Failed to register device with error -22.
Okt 30 07:58:09 PC lightdm[814]: gkr-pam: unable to locate daemon control file

Vielleicht könnte die letzte Zeile für mich relevant sein, fehlt hier pam-gnome-keyring?

Aber sonst scheint das System zu laufen, und vielleicht gibt es bei @rud eine andere Problematik mit bestimmten Kenrelversionen.

[rud]

Bin eine Weile ausgefallen, daher erst jetzt meine Antworten.

Ich habe bereits eine Weile weitergesucht, allerdings erfolglos.
mit

Code: Alles auswählen

sudo ras-mc-ctl --errors

habe ich keine Fehler gefunden:

Code: Alles auswählen

No Memory errors.
No PCIe AER errors.
No Extlog errors.

@schorsch_76:
Ich würde es einmal mit "mce=off" probieren, da der Server unter dem Kernel deb11.7 zwar auch die Fehlermeldung bringt, aber ohne Probleme läuft.
Allerdings ist mir nicht klar, wo bzw. wie man "mce=off " konfiguriert.
Damit könnte ich zumindest mal mit dem neusten Kernel booten, falls ich sonst nicht weiter komme.

@curt123:
Bei dir wird ein anderer microcode verwendet:

Code: Alles auswählen

Okt 30 07:57:52 PC kernel: mce: [Hardware Error]: PROCESSOR 0:506c9 TIME 1698649066 SOCKET 0 APIC 0 microcode 48

Nach der Seite: https://www.thomas-krenn.com/de/wiki/In ... _Versionen
ist microcode 48 die neuste Version bei deiner CPUID: 506c9

Bei mir wird der mircocode 1a verwendet:

Code: Alles auswählen

mce: [Hardware Error]: PROCESSOR 0:506ca TIME 1698182864 SOCKET 0 APIC 0 microcode 1a

Da ich eine andere CPUID habe (506ca) ist nach der oben genannten Seite der neuste microcode die Version 28

Wie kann ich die Version 28 installieren?
Ich nach dieser Anleitung ein Update probiert: https://wiki.debian.org/Microcode
Leider bleibt bei mir der Eintrag "microcode 1a"

[KP97]

Allerdings ist mir nicht klar, wo bzw. wie man "mce=off " konfiguriert.

Da wird nichts konfiguriert, das wird genauso in die Kernelzeile des Bootloaders eingetragen.
Es gibt noch sehr viel mehr:
http://www.kernel.org/doc/Documentation ... meters.txt

[rud]

ok, habe den Kernelparameter "mce=off" gesetzt und den Check erfolgreich unterdrückt:

Code: Alles auswählen

mce: Unable to init MCE device (rc: -5)
Nov 11 17:32:12 backbox kernel: microcode: sig=0x506ca, pf=0x1, revision=0x1a
Nov 11 17:32:12 backbox kernel: microcode: Microcode Update Driver: v2.2.

Allerdings bleibt das Problem bestehen, d.h.:
wenn ich unter GRUB2: Linux 6.1.0-0.deb11.7-amd64 auswähle startet Debian.
wähle ich einen neueren Kernel deb11.9 oder höher, wird der Bildschirm nach der Meldung schwarz und es passiert nichts mehr.

"mce=off" hilft also leider nicht weiter

[OrangeJuice]

Vielleicht zum testen mal mit dem Startparameter

Code: Alles auswählen

noapic

starten.

Wo hast du denn "v: P1.90 date: 01/19/2021" her? Ich finde nur Version 1.80.

[rud]

P1.90 war schon auf dem Board.
Der ASRock Service hat mir auch die Version 1.90e zugeschickt.
Allerdings ist die Microcode Version dort auch 1a, was mir nicht hilft.

Ja, auf deren Seite findet man nur 1.80

[MSfree]

Ich habe ein Notebook mit einem Celeron N3450, also ähnliches CPU-Modell. Die Kiste ist mir auch ständig im Betrieb eingefroren, MCE-Fehler hatte ich allerdings nicht. Diese CPUs haben einen bekannten Hardwarefehler, der das verursacht. Was mir geholfen hat, war

Code: Alles auswählen

GRUB_CMDLINE_LINUX="intel_iommu=igfx_off"

in die Datei /etc/default/grub einzutragen und anschließend update-grub auszuführen.

[rud]

Im Betrieb ist der Server bisher nie eingefroren.
Der grub-Parameter:

Code: Alles auswählen

GRUB_CMDLINE_LINUX="intel_iommu=igfx_off"

hat leider keine Änderung gebracht.
Auch nicht der Parameter:

Code: Alles auswählen

noapic

Mitlerweile hat mir der ASRock Service die BIOS Version 1.90F geschickt.
Diese enthält jetzt die neuste microcode Version 28

Leider bleibt die Meldung hartnäckig:

Code: Alles auswählen

mce: [Hardware Error]: CPU 0: Machine Check: 0 Bank 4: a600000000020408
mce: [Hardware Error]: TSC 0 ADDR fef13bc0
mce: [Hardware Error]: PROCESSOR 0:506ca TIME 1700060631 SOCKET 0 APIC 0 microcode 28

Beim Kernel log ist mir nun noch eine Meldung aufgefallen, die einige Zeilen vor der obigen Fehlermeldung kommt:

Code: Alles auswählen

 
mtrr: your CPUs had inconsistent variable MTRR settings
mtrr: probably your BIOS does not setup all CPUs.
mtrr: corrected configuration.

Hat das etwas mit der Fehlermeldung zu tun?

[slu]

Habe recherchiert, werde aber aus den meist sehr alten Beiträgen nicht schlau.

Bei uns war es damals ein Problem mit dem Bios:
viewtopic.php?hilit=mce%20error&t=17621 ... 1e717cac07

[rud]

Danke für den Link, d.h. meine Hardware ist nicht defekt, wie ich schon vermutet habe.

Allerdings gibt es bisher kein BIOS update, was den Fehler behebt.

Bleibt die Frage:
Warum bleibt ab der Linux version 6.1.0-0.deb11.8-amd64 der boot-Vorgang einfach stehen?
Die Version deb11.7 bootet und das System läuft ohne Probleme.

Ist das ein Bug oder neue Parametereinstellungen?

[MSfree]

Warum bleibt ab der Linux version 6.1.0-0.deb11.8-amd64 der boot-Vorgang einfach stehen? Die Version deb11.7 bootet und das System läuft ohne Probleme.

Ist das ein Bug oder neue Parametereinstellungen?

"deb-11.x" ist Teil des Paketnamens. Wie heißen denn die beiden Kernel wirklich?

Mit

Code: Alles auswählen

ls -l /boot

bekommt du die Kernel aufgelistet. Der, mit der höchsten Nummer, sollte der für 11.8 sein. Den funktionierenden aus 11.7 bekommt du mit

Code: Alles auswählen

uname -a

heraus.

Unter /boot wirst du auch Dateien mit confiig* im Namen finden. Das sind die Parameter, mit denen der Kernel gabaut wurde. Du kannst die beiden Versionen dann mit diff vergleichen und schauen, was der Untereschied ist. Möglicherweise bekommst du damit einen Hinweis, welcher Unterschied den Absturz des 11.8er Kernels verursacht.

Einige, aber längst nicht alle Parameter, lassen sich auch per Kommandozeile (z.B. intel_iommu=igfx_off) steuern. Vielleicht findet sich über das Diff eine Möglichkeit, den Verursacher zu finden und die nötige Kommandozeilenoption mitzugeben.

[rud]

Ich habe folgende Kernel:

• Linux version 6.1.0-0.deb11.7-amd64 hat den Kernel 6.1.20

• Linux version 6.1.0-0.deb11.9-amd64 hat den Kernel 6.1.27

• Linux version 6.1.0-0.deb11.11-amd64 hat den Kernel 6.1.38

Ich habe mir mit "diff" die Unterschiede in den "config-6.1.0-0.deb11.*-amd64" files angeschaut.

Die Linux version 6.1.0-0.deb11.9-amd64 mit Kernel 6.1.27 bleibt ja auch stehen (sorry, hatte zuvor 11.8 geschrieben -> Tippfehler)
Der Unterschied in den config-files zwischen deb11.7 und deb11.9 ist gering:

Code: Alles auswählen

diff --suppress-common-lines -y config-6.1.0-0.deb11.7-amd64 config-6.1.0-0.deb11.9-amd64
# Linux/x86 6.1.20 Kernel Configuration                       | # Linux/x86 6.1.27 Kernel Configuration
CONFIG_GCC12_NO_ARRAY_BOUNDS=y                                <

Ich habe die Zeile bei deb11.9 eingefügt.
Ohne Erfolg.

Der Unterschied in den config-files zwischen deb11.7 und deb11.11 ist etwas größer:

Code: Alles auswählen

diff --suppress-common-lines -y config-6.1.0-0.deb11.7-amd64 config-6.1.0-0.deb11.11-amd64
# Linux/x86 6.1.20 Kernel Configuration                       | # Linux/x86 6.1.38 Kernel Configuration
CONFIG_GCC12_NO_ARRAY_BOUNDS=y                                <
                                                              > CONFIG_CPU_SRSO=y
                                                              > # CONFIG_GDS_FORCE_MITIGATION is not set
                                                              > CONFIG_ARCH_HAS_CPU_FINALIZE_INIT=y
                                                              > CONFIG_LOCK_MM_AND_FIND_VMA=y
                                                              > # CONFIG_SND_SOC_RT1318_SDW is not set
# CONFIG_VIRTIO_MEM is not set                                | CONFIG_VIRTIO_MEM=m
CONFIG_HP_ACCEL=m                                             | # CONFIG_X86_PLATFORM_DRIVERS_HP is not set
CONFIG_HP_WMI=m                                               <
CONFIG_SMBFS_COMMON=m                                         | CONFIG_SMBFS=m

hier habe ich auch getauscht, angepasst, usw.
Ohne Erfolg.

@MSfree, war eine super Idee, hätte gewettet das funktioniert, aber leider nein.

Gibt es einen debug-Modus, das man mehr Informationen im Kernel-log erhält?
Keine Idee was hier hilft...

[KP97]

....hier habe ich auch getauscht, angepasst, usw.
Ohne Erfolg.

Das geht so auch nicht, die .config ist auf diesem Weg nicht änderbar, auch wenn man was reinschreiben kann.
Für eine Änderung muß der Kernel aus den Sourcen neu kompiliert werden.

[MSfree]

Gibt es einen debug-Modus, das man mehr Informationen im Kernel-log erhält?

Du kannst versuchen, wie oben beschrieben:

Code: Alles auswählen

GRUB_CMDLINE_LINUX="debug"

in /etc/default/grub zu setzen.

[rud]

ok, ich habe es. Danke schon einmal an alle, die unterstützt haben!

Ich habe das Paket Linux version 6.1.0-0.deb11.13-amd64 installiert mit der Kernel Version 6.1.55-1~bpo11+1 (2023-10-08)
Jetzt bootet die Maschine wieder und läuft soweit stabil.