1 问题现象描述

硬件配置

• 型号：S920X10
• 配置：HP382（slot3、8）+riser1（1*X8）+4x2.5 SAS/SATA+12x2.5 NVMe前置背板
• 硬盘配置：Disk8、9、10、20、21、22配置NVME盘

问题现象

服务器反复重启。

---

2 关键过程与根因分析

关键过程

Step 1：SEL日志分析

SEL日志上报slot3的HP382和Disk22存在UCE。

Step 2：FDM日志分析

Fdm_output内显示近期HP382网卡多次上报Fatal error-Surprise Down Error。

Step 3：硬盘告警确认

Disk22也在1-29日曾经上报Fatal error。

Step 4：现场处理

现场根据告警更换HP382和Disk22，但告警并未恢复，直至更换riser1后恢复。

根因分析

1. Disk22的NVME盘UCE个例失效
2. slot3的HP382网卡和riser1故障

---

3 结论、解决方案及效果

结论

服务器反复重启由多个硬件故障导致：

1. Disk22 NVME盘UCE失效
2. slot3 HP382网卡UCE失效
3. riser1链路故障

解决方案

更换Disk22、slot3（HP382）、riser1。

效果

更换故障部件后服务器恢复正常运行。

---

4 经验总结与预防措施

经验总结

1. PCIe部件告警UCE类型为Surprise Down Error
2. 除PCIe卡本身外，链路的riser和线缆也可能导致Surprise Down Error
3. 现场处理时应同时准备链路的保障性备件

预防措施

1. 定期检查PCIe设备健康状态
2. 准备riser卡和线缆作为保障性备件