硬件事件字段

本文说明 RAS 指标、事件结构、严重级别和来源字段。采集范围及启用方式见硬件故障诊断。

EventTracing.Ras.MceThrBackoff 控制阈值中断事件的保存间隔。冷却期间仍累计事件数，因此计数增长量不一定等于已保存记录数。

结果

错误计数

huatuo_bamai_ras_hw_err_total 为接收到的 RAS 事件累计数，按 type 区分 mce、edac、acpi、aer、thr 和 arm_ghes。标签存在不代表当前平台支持对应探针。

huatuo_bamai_ras_hw_err_total{hostname="node-01",region="region-01",type="edac"} 12

以上为示例值。计数单位是事件，并非 EDAC 记录中 err_count 的累加值。网卡硬件丢包及 PFC 指标见内核全景观测，网卡状态变化见异常事件诊断。

事件记录

按 tracer_name=ras 和 tracer_type=event 查询。下面以 EDAC 为例，省略部分字段：

{
    "hostname": "node-01",
    "observed_timestamp": "2026-05-11T08:58:47.329Z",
    "kernel_observed_timestamp": "2026-05-11T08:58:47.328548319Z",
    "tracer_name": "ras",
    "tracer_type": "event",
    "tracer_data": {
        "dev": "MEM",
        "event": "EDAC",
        "type": "Corrected",
        "info": "{\"err_count\":1,\"err_type\":\"Corrected\",\"err_msg\":\"memory read error\",\"label\":\"CPU_SrcID#0_Ha#0_Chan#0_DIMM#0\",\"mc_index\":0,\"addr\":7860269056,\"grain\":128}"
    }
}

严重级别

严重级别用于分类，不等同于恢复成功、业务无影响或必须重启的判断。

MCE 同时设置 DEFERRED 和 UC 时，优先归为 UncorrectedDeferred。

事件详情

以下字段位于解析后的 tracer_data.info 中。

MCE

寄存器与 Bank 的含义依 CPU 型号而异，诊断时需结合对应处理器手册。

MCE 阈值中断

EDAC

ACPI GHES

非标准错误部分（NVDIMM、CXL 以及各厂商自定义载荷）可能超出复制的窗口。raw_data 只包含该错误部分起点之后实际可用的字节：长度会按剩余窗口截断；记录声明的长度有效时，窗口末尾未使用的字节不会作为载荷输出。窗口还要容纳记录固定字段和起点之前的数据，因此它不是每条记录的 raw_data 容量。data_len 仍上报内核记录中的原始长度。偏移和长度都来自内核记录，使用前会先做边界约束，因此畸形事件不会输出窗口之外的字节。

PCIe AER

错误名称描述上报的现象，不能直接推断为设备损坏。以下列出当前解析器识别的状态值。

可纠正错误

不可纠正错误

ARM GHES

ARM_GHES 记录的严重级别为 unknown；平台可用性限制见采集范围。