Erro de hardware genérico APEI

Na semana passada, meu servidor (executando o Debian Jessie) foi reiniciado duas vezes. No syslog, vejo isso antes de cada reinicialização e em nenhum outro momento:

Aug 15 13:32:58 hoshimiya kernel: [296512.005355] {1}[Hardware Error]: Hardware error from APEI Generic Hardware Error Source: 1
Aug 15 13:32:58 hoshimiya kernel: [296512.005360] {1}[Hardware Error]: It has been corrected by h/w and requires no further action
Aug 15 13:32:58 hoshimiya kernel: [296512.005361] {1}[Hardware Error]: event severity: corrected
Aug 15 13:32:58 hoshimiya kernel: [296512.005362] {1}[Hardware Error]:  Error 0, type: corrected
Aug 15 13:32:58 hoshimiya kernel: [296512.005363] {1}[Hardware Error]:  fru_text: CorrectedErr
Aug 15 13:32:58 hoshimiya kernel: [296512.005364] {1}[Hardware Error]:   section_type: memory error
Aug 15 13:32:58 hoshimiya kernel: [296512.005365] [Firmware Warn]: error section length is too small

Alguns estudos no Google me levam a acreditar que isso tem a ver com a minha RAM ECC detectando e se recuperando de um erro. Isso está correto? Se estiver se recuperando, por que o sistema é reiniciado? Eu gostaria de impedir que o sistema seja reiniciado, se possível.

Parece que sua RAM está falhando ou com erros que estão sendo corrigidos. Dependendo da gravidade, parece que esses erros estão afetando sua capacidade de funcionar e é necessário reiniciar posteriormente.

Pela aparência desse encadeamento, o bit da mensagem no final sobre o comprimento da seção de erro ser muito pequeno provavelmente é o culpado.

trecho - [PATCH 1/1] efi: cper: suporta comprimento diferente da seção de erro

Alguns campos podem ser adicionados à seção de erro na especificação UEFI mais recente. Por exemplo, os campos 'Reservado', 'Número do Rank', 'Identificador de Cartão' e 'Identificador de Módulo' são adicionados à Seção de Erro de Memória iniciada na UEFI spec 2.3. Infelizmente, haverá a seguinte mensagem de aviso se o erro corrigido de memória for detectado e o campo 'revisão' em struct acpi_generic_data for menor que 0x203 (UEFI spec 2.3):

{1}[Hardware Error]: Hardware error from APEI Generic Hardware Error Source: 3
{1}[Hardware Error]: It has been corrected by h/w and requires no further action
{1}[Hardware Error]: event severity: corrected
{1}[Hardware Error]:  Error 0, type: corrected
{1}[Hardware Error]:   section_type: memory error
[Firmware Warn]: error section length is too small

Esse comportamento faz com que esse erro corrigido não possa ser exibido corretamente. Para resolver o problema, esse patch oferece suporte a diferentes comprimentos da seção de erros para diferentes versões de especificações UEFI.

E esse patch emprega uma estrutura predefinida para limpar os códigos duplicados na função cper_estatus_print_section.

Com a aplicação desse patch, o erro corrigido na memória pode ser exibido corretamente após a injeção do erro.

Testado na v3.14-rc5 com plataforma Grantley e Intel RAStool.

Portanto, parece que um patch para esse erro específico está em andamento e pode estar disponível em uma versão mais recente do kernel.

Para sua informação, parecia ter um problema muito semelhante a este.

Como se viu, a solução estava retirando a memória e recolocando-a, e tudo voltou ao normal.