PCIe AER寄存器值查看和修改

发布于: 2024-5-8 更新于: 2024-5-8 收录于: linux

本文字数: 2207 阅读时长: 5 分钟阅读量:

1、AER简介

AER 即 Advanced Error Reporting高级错误报告，是PCIe高级特性，用于报告PCIe 错误信息。

分为

可纠正错误（Correctable errors）是指错误发生后，硬件可以自动恢复。
不可纠正错误（Uncorrectable errors）错误发生后，影响设备功能，硬件不能自动恢复。

不可纠正错误分为

ERR_FATAL是致命错误，此错误类型影响了PCIe link链路。
ERR_NONFATAL是指影响了设备功能，但是PCIe link还是稳定的。

2、lspci查看PCIe设备AER能力

使用下面命令可以查看PCIe设备的详细信息和相关的Capabilities

1

# lspci -vvs 89:00.7

其中AER相关能力在这里

1
2
3
4
5
6
7
8
9


Capabilities: [100 v2] Advanced Error Reporting
		UESta:	DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq+ ACSViol-
		UEMsk:	DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq+ ACSViol-
		UESvrt:	DLP+ SDES+ TLP+ FCP+ CmpltTO- CmpltAbrt- UnxCmplt- RxOF+ MalfTLP+ ECRC- UnsupReq- ACSViol-
		CESta:	RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr+
		CEMsk:	RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr-
		AERCap:	First Error Pointer: 00, ECRCGenCap+ ECRCGenEn- ECRCChkCap+ ECRCChkEn-
			MultHdrRecCap- MultHdrRecEn- TLPPfxPres- HdrLogCap+
		HeaderLog: 00000000 00000000 00000000 00000000

寄存器命名

UESta: Uncorrectable Error Status，表示不可纠正错误状态，用于指示发生不可纠正错误的状态。
UEMsk: Uncorrectable Error Mask，表示不可纠正错误掩码，用于掩盖或屏蔽不可纠正错误。
UESvrt: Uncorrectable Error Severity，表示不可纠正错误严重性，用于指示不可纠正错误的严重程度。
CESta: Correctable Error Status，表示可纠正错误状态，用于指示发生可纠正错误的状态。
CEMsk: Correctable Error Mask，表示可纠正错误掩码，用于掩盖或屏蔽可纠正错误。

Uncorrectable Error

DLP: Data Link Protocol Error，数据链路协议错误，表示数据链路协议错误。
SDES: Surprise Down Error Status，意外下降错误状态，表示设备在意外下降时的错误状态。
TLP: Transaction Layer Packet，事务层包，表示事务层包错误。
FCP: Flow Control Protocol Error，流控制协议错误，表示流控制协议错误。
CmpltTO: Completion Timeout，完成超时，表示完成操作超时。
CmpltAbrt: Completion Abort，完成中止，表示完成操作中止。
UnxCmplt: Unsupported Completion，不支持的完成，表示不支持的完成操作。
RxOF: Receiver Overflow，接收器溢出，表示接收器溢出错误。
MalfTLP: Malformed TLP，格式错误的TLP，表示格式错误的事务层包。
ECRC: ECRC Error，ECRC 错误，表示ECRC校验错误。
UnsupReq: Unsupported Request，不支持的请求，表示设备不支持的请求。
ACSViol: ACS Violation，ACS 违规，表示ACS规则违反。

Correctable Error

RxErr: Receive Error，表示接收数据时发生错误。
BadTLP: Bad TLP，表示传输层包（TLP）格式错误或无效。
BadDLLP: Bad DLLP，表示数据链路层包（DLLP）格式错误或无效。
Rollover: 溢出，表示发生了溢出错误。
Timeout: 超时，表示操作超时。
AdvNonFatalErr: 高级非致命错误，表示发生了高级非致命错误。

AERCap

ECRCGenCap 和 ECRCGenEn 表示设备是否支持和启用 ECRC 生成（ECRC generation）功能。
ECRCChkCap 和 ECRCChkEn 表示设备是否支持和启用 ECRC 检查（ECRC checking）功能。
MultHdrRecCap 和 MultHdrRecEn 表示设备是否支持和启用多头记录（Multiple Header Record）功能。
TLPPfxPres 表示设备是否支持 TLP 前缀保留（TLP Prefix Preservation）功能。
HdrLogCap 表示设备是否支持头部日志（Header Logging）功能。

3、setpci查看设备AER寄存器值

查看设备89:00.7的AER Uncorrectable Error Severity寄存器值的命令如下所示：

1
2


# setpci -s 89:00.7 100+0C.L
00463030

-s 用于指定设备的bdf号，格式如：[[[<domain>]:][<bus>]:][<slot>][.[<func>]] 89:00.7 代表具体的设备 100 是参考lspci查出来的起始位Capabilities: [100 v2] Advanced Error Reporting +0C 代表AER Uncorrectable Error Severity Register值的偏移量，这个值是根据PCIe Spec里面查到的 L代表是Long，长字，即32位，也可以是B、W等

B：表示 Byte，即字节。在寄存器中，每个字节通常由 8 位组成。
W：表示 Word，即字。在寄存器中，一个字通常由 16 位或 2 个字节组成。
L：表示 Long，即长字。在寄存器中，一个长字通常由 32 位或 4 个字节组成。

而查询出来的值00463030则对应到32位寄存器值，每个bit对应一个错误的严重程度，对应到lspci上查询出来的，+代表该bit位为1，-代表该bit位为0。 UESvrt: DLP+ SDES+ TLP+ FCP+ CmpltTO- CmpltAbrt- UnxCmplt- RxOF+ MalfTLP+ ECRC- UnsupReq- ACSViol-

00463030换算成2进制为0100 0110 0011 0000 0011 0000

其中Bit4、Bit5、Bit12、Bit13、Bit17、Bit18、Bit22位为1，对应到PCIe Spec上，即

Bit4：Data Link Protocol Error Severity（DLP）
Bit5：Surprise Down Error Severity（SDES）
Bit12：Poisoned TLP Received Severity（TLP）
Bit13：Flow Control Protocol Error Severity（FCP）
Bit17：Receiver Overflow Severity（RxOF）
Bit18：Malformed TLP Severity（MalfTLP）
Bit22：Uncorrectable Internal Error Severity 正好与lspci查询出来的结果一致。

4、setpci设置设备AER寄存器值

同样以设备89:00.7的AER Uncorrectable Error Severity寄存器值为例，上面查询到的UESvrt的CmpltTO为-，我们想把它设置为+，参考PCIe Spec，我们只要设置对应寄存器的Bit14为1即可，命令如下：

 1
 2
 3
 4
 5
 6
 7
 8
 9
10
11
12
13
14
15


# setpci -s 89:00.7 100+0C.L
00463030
# setpci -s 89:00.7 100+0C.L=00467030
# setpci -s 89:00.7 100+0C.L
00467030
# lspci -vvs 89:00.7
	Capabilities: [100 v2] Advanced Error Reporting
		UESta:	DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq+ ACSViol-
		UEMsk:	DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq+ ACSViol-
		UESvrt:	DLP+ SDES+ TLP+ FCP+ CmpltTO+ CmpltAbrt- UnxCmplt- RxOF+ MalfTLP+ ECRC- UnsupReq- ACSViol-
		CESta:	RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr+
		CEMsk:	RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr-
		AERCap:	First Error Pointer: 00, ECRCGenCap+ ECRCGenEn- ECRCChkCap+ ECRCChkEn-
			MultHdrRecCap- MultHdrRecEn- TLPPfxPres- HdrLogCap+
		HeaderLog: 00000000 00000000 00000000 00000000