Question

我正在进行一组内核更改，这些更改允许我在运行时对CPU进行欠压。我经常遇到的极端低压的一个后果就是CPU变得完全没有反应。

我尝试使用函数cpu_up和cpu_down，希望让内核恢复CPU，但无济于事。

有没有办法从这种状态恢复CPU？内核是否有任何可以从这种无响应状态恢复CPU的例程？

Answer 1

首先，为了成功从低压中获益，每次降低电压（例如5-10 mV之间）非常重要。然后，在每个还原步骤之后，应检查对一个或多个硬件错误度量标准的更改（通常是CPU高速缓存错误率）。通常情况是，当电压缓慢下降时，误差率应逐渐增加。但是，在某些时候，将发生无法通过ECC（或处理器正在使用的任何硬件校正机制）纠正的错误。这是执行变得不可靠的时候。 Linux通过恐慌来响应此类错误（系统将自动重启或仅挂起）。因此，您可能仍然有机会检测到错误并选择继续执行，但即使您立即增加电压，也不能保证正确性。所以这将是一件非常非常危险的事情。它可以很快变得非常讨厌。当您处理其他错误时可能会发生错误（可能是由于处理错误的代码，因此最安全的做法是中止，请参阅Peter's comment）。

现代处理器提供配置和处理可纠正和不可纠正的硬件错误的机制。特别是，x86提供了机器检查架构（MCA）。默认情况下，在Linux中，当发生无法校正的机器检查时，会调用机器检查异常处理程序，这可能会中止系统（尽管它会尝试查看它是否可以安全地以某种方式恢复）。如果不使用其他工具，则无法在用户模式下处理。

以下是Linux支持的不同x86 MCE tolerance levels：

struct mca_config mca_cfg __read_mostly = {
    .bootlog  = -1,
    /*
     * Tolerant levels:
     * 0: always panic on uncorrected errors, log corrected errors
     * 1: panic or SIGBUS on uncorrected errors, log corrected errors
     * 2: SIGBUS or log uncorrected errors (if possible), log corr. errors
     * 3: never panic or SIGBUS, log all errors (for testing only)
     */
    .tolerant = 1,
    .monarch_timeout = -1
};

请注意，默认tolerant值为1.但由于您正在修改内核，因此可以通过更改tolerant级别或处理代码本身来更改Linux处理MCE的方式。您可以开始使用machine_check_poll和do_machine_check函数。

可以让您分析并可能响应机器检查的用户模式工具包括mcelog和mcedaemon。 MCA将在英特尔手册的第3卷第15章和第16章中讨论。对于ARM，您还可以按照here中的讨论配置缓存ECC错误。

非常重要的是要理解，当降低电压超过标称值时，同一芯片的不同内核可能表现不同。这是由于工艺变化造成的。因此，不要假设电压降低可以在同一芯片的核心或芯片上工作。您将不得不在每个芯片的每个核心上测试它（如果您有多个插槽）。

我已经尝试过使用函数cpu_up和cpu_down，希望能够提问内核恢复CPU，但无济于事。

这些功能是Hotplug CPU基础架构的一部分。这里不太有用。

Answer 2

答案取决于CPU。我的答案仅限于x86_64和s390：

极端浪费本质上是拔掉CPU，为了能够恢复它，你必须确保配置CONFIG_HOTPLUG_CPU = y。

此外，根据您使用的内核版本，您可能会有不同的拆卸或设置选项。如果您正在使用4.x，请查看<linux/cpuhotplug.h>中的cpuhp_ *例程，特别是 cpuhp_setup_state_multi may be the one you can use to set things up ... if in doubt look at cpuhp_setup_state_nocalls as well as __ cpuhp_setup_state` ...希望这会有所帮助:-)

重启CPU，在低频期间最终无响应

2 个答案: