PCIe高级错误报告
PCIe高级错误报告（AER）
PCIe（Peripheral Component Interconnect Express）高级错误报告（AER）是一种机制，用于监控和报告在PCIe设备和链路上发生的错误。AER旨在提供更详细的错误信息，从而帮助工程师快速识别和解决问题。
AER 的主要功能
- 错误检测：实时监测PCIe设备中的错误情况。
- 错误报告：通过状态寄存器报告不同类型的错误。
- 错误处理：支持自动或手动错误恢复机制。
AER 寄存器
AER通过几个关键寄存器来实现其功能：
UESta（不可校正错误状态寄存器）：
指示发生的不可校正错误类型，包括多个错误类型的位域。
功能：用于指示不可校正错误的状态。
寄存器字段：
- Bit 0：不可校正错误检测。设置为1表示检测到不可校正错误。
- Bit 1：事务层超时。表示事务层操作超时。
- Bit 2：接收器溢出。指示接收器缓冲区溢出。
- Bit 3：格式错误的TLP。表示收到格式错误的事务层包（TLP）。
- Bit 4：ECRC错误。指示外部循环冗余校验失败。
- Bit 5：不支持的请求。表示收到不支持的请求类型。
- Bit 6：AER不可校正错误。通过AER报告的不可校正错误。
示例：
UESta: DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq- ACSViol-表示当前没有检测到不可校正错误。
UEMsk（不可校正错误掩码寄存器）：
控制哪些不可校正错误被掩码（忽略）。
功能：控制哪些不可校正错误可以被报告。
寄存器字段：
- Bit 0：不可校正错误掩码。设置为1表示掩码此类错误。
- Bit 1：事务层超时掩码。
- Bit 2：接收器溢出掩码。
- Bit 3：格式错误的TLP掩码。
- Bit 4：ECRC错误掩码。
- Bit 5：不支持的请求错误掩码。
示例：
UEMsk: DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq- ACSViol-表示没有错误被掩码，所有不可校正错误均可报告。
UESvrt（不可校正错误服务寄存器）：
- 指示哪些不可校正错误已被处理。
- 示例：
UESvrt: DLP+ SDES+ TLP- FCP+表示DLP和FCP错误已被处理。
CESta（可校正错误状态寄存器）：
指示发生的可校正错误类型。
功能：用于报告可校正错误的状态。
寄存器字段：
- Bit 0：可校正错误检测。设置为1表示检测到可校正错误。
- Bit 1：数据链路层可校正错误。
- Bit 2：重播超时错误。
- Bit 3：接收错误。
- Bit 4：格式错误的TLP。
- Bit 5：ECRC错误。
- Bit 6：不支持的请求错误。
示例：
CESta: RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr-表示当前没有可校正错误被检测到。
CEMsk（可校正错误掩码寄存器）：
控制哪些可校正错误被掩码。
功能：控制哪些可校正错误可以被报告。
寄存器字段：
- Bit 0：可校正错误掩码。设置为1表示掩码此类错误。
- Bit 1：数据链路层错误掩码。
- Bit 2：重播超时错误掩码。
- Bit 3：接收错误掩码。
- Bit 4：格式错误的TLP掩码。
- Bit 5：ECRC错误掩码。
示例：
CEMsk: RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr+表示所有可校正错误均可报告，但AdvNonFatalErr将被掩码。
AERCap（AER能力寄存器）：
- 提供设备支持的AER功能的详细信息，如ECRC生成和检查能力。
- 示例：
AERCap: First Error Pointer: 00, ECRCGenCap+ ECRCGenEn-表示设备支持ECRC生成但未启用。
HeaderLog（头部日志）：
- 用于记录错误的日志，帮助故障排查。
- 示例：
HeaderLog: 00000000 00000000 00000000 00000000表示当前没有错误日志。
RootCmd（根命令寄存器）：
- 控制根复杂设备的错误报告功能。
- 示例：
RootCmd: CERptEn+ NFERptEn+ FERptEn+表示所有错误报告功能已启用。
RootSta（根状态寄存器）：
- 显示接收到的错误消息的状态。
- 示例：
RootSta: CERcvd- MultCERcvd- UERcvd-表示没有接收到错误消息。
ErrorSrc（错误源寄存器）：
- 指示当前的错误来源，包括可校正和不可校正错误。
- 示例：
ErrorSrc: ERR_COR: 0000 ERR_FATAL/NONFATAL: 0000表示没有检测到可校正或不可校正错误来源。
常见错误类型
在AER报告中，错误类型通常以缩写形式列出，具体包括：
DLP (Data Link Protocol Error)
- 指数据链路层协议错误，这类错误通常是由于数据包在传输过程中未能成功到达目标。
SDES (Surprise Down Error Status)
- 表示突发断开错误状态，通常是由于设备突然失去连接或出现故障引起的。
TLP (Transaction Layer Protocol Error)
- 指事务层协议错误，通常涉及到数据包的事务处理过程中的错误。
FCP (Flow Control Protocol Error)
- 指流控制协议错误，这种错误可能发生在流控制机制出现问题时，例如未能正确地发送或接收流控制信号。
CmpltTO (Completion Timeout)
- 表示完成超时，通常是指在规定时间内未能收到请求的操作的完成响应。
CmpltAbrt (Completion Aborted)
- 指完成操作被中止，可能由于设备错误或其他原因导致请求未能成功完成。
UnxCmplt (Unexpected Completion)
- 表示意外的完成，通常是指收到的完成包与发出的请求不匹配。
RxOF (Receive Overflow)
- 表示接收溢出，通常发生在接收缓冲区已满但仍尝试接收更多数据时。
MalfTLP (Malformed TLP)
- 指格式错误的事务层包（TLP），这通常意味着包的结构不符合协议规范。
ECRC (ECRC Error)
- 指ECRC（End-to-End CRC）错误，这是数据完整性检查的一部分，当发现数据传输错误时会触发。
UnsupReq (Unsupported Request)
- 表示收到不支持的请求，可能是因为设备不支持该请求的类型或参数。
ACSViol (Access Control Service Violation)
- 指访问控制服务违规，通常涉及安全或权限问题，表示某个操作未能遵循预定义的访问控制规则。
错误处理流程
AER机制的有效性依赖于对寄存器的监控与响应，以下是一个典型的错误处理流程：
步骤 1：检测错误
使用lspci命令查看设备的错误状态：
1 | lspci -vvv -s <device_id> |
在输出中，查找CESta和CEMsk、UESta和UEMsk部分。
步骤 2：分析寄存器状态
- CESta：检查哪些可校正错误被检测到。
- CEMsk：检查哪些可校正错误被掩码。
- UESta：检查哪些不可校正错误被检测到。
- UEMsk：检查哪些不可校正错误被掩码。
步骤 3：判断和响应
对于可校正错误：
- 如果
CESta中的位为1且CEMsk中的对应位为0，表示该可校正错误被检测到并会被报告。可以考虑记录该错误并分析原因。 - 如果
CEMsk中的位为1，表示该错误被掩码，主机不会报告。可以根据需求决定是否解除掩码。
- 如果
对于不可校正错误：
- 如果
UESta中的位为1且UEMsk中的对应位为0，表示检测到不可校正错误并将被报告。这通常需要更紧急的响应，例如设备重置或硬件检查。 - 如果
UEMsk中的位为1，表示该错误被掩码，不会被报告。此时可以考虑是否需要调整掩码设置以捕获重要的错误信息。
- 如果
使用 lspci 检查 AER 状态
可以使用lspci命令来查看PCIe设备的AER状态：
1 | lspci -vvv -s <device_id> |
分析
AER 状态分析
1. AER 能力（Capabilities）
1 | Capabilities: [100 v2] Advanced Error Reporting |
- 这表示设备支持AER，并且是版本2。
2. 不可校正错误状态寄存器（UESta）
1 | UESta: DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq- ACSViol- |
- 此寄存器用于指示是否检测到不可校正错误。
DLP-、SDES-等前面的-表示这些错误类型未被检测到。- 所有项均未设置，表示当前没有不可校正错误。
3. 不可校正错误掩码寄存器（UEMsk）
1 | UEMsk: DLP- SDES- TLP- FCP- CmpltTO- CmpltAbrt- UnxCmplt- RxOF- MalfTLP- ECRC- UnsupReq- ACSViol- |
- 此寄存器控制哪些不可校正错误被掩码。
- 同样，所有项前的
-表示没有错误被掩码，所有不可校正错误均可报告。
4. 不可校正错误源寄存器（UESvrt）
1 | UESvrt: DLP+ SDES+ TLP- FCP+ CmpltTO- CmpltAbrt- UnxCmplt- RxOF+ MalfTLP+ ECRC- UnsupReq- ACSViol- |
- 此寄存器表示哪些不可校正错误被服务。
DLP+、FCP+、RxOF+、MalfTLP+表示这些错误类型已被服务（即被处理）。- 其他项未被服务，表示没有检测到这些类型的错误。
5. 可校正错误状态寄存器（CESta）
1 | CESta: RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr- |
- 该寄存器显示检测到的可校正错误状态。
- 所有项均为
-，表示当前没有可校正错误被检测到。
6. 可校正错误掩码寄存器（CEMsk）
1 | CEMsk: RxErr- BadTLP- BadDLLP- Rollover- Timeout- AdvNonFatalErr+ |
- 此寄存器控制哪些可校正错误被掩码。
- 除了
AdvNonFatalErr+外，其他项均为-，表示所有其他类型的可校正错误将被报告。
7. AER 能力寄存器（AERCap）
1 | AERCap: First Error Pointer: 00, ECRCGenCap+ ECRCGenEn- ECRCChkCap+ ECRCChkEn- |
- First Error Pointer: 00 — 表示最近的错误指针位置。
- ECRCGenCap+: 支持生成ECRC。
- ECRCGenEn-: 生成ECRC功能未启用。
- ECRCChkCap+: 支持ECRC检查。
- ECRCChkEn-: ECRC检查功能未启用。
- MultHdrRecCap+: 支持多个头部接收。
- MultHdrRecEn-: 多个头部接收功能未启用。
- TLPPfxPres: 事务层前缀保留功能。
- HdrLogCap-: 头部日志能力未启用。
8. 头部日志（HeaderLog）
1 | HeaderLog: 00000000 00000000 00000000 00000000 |
- 头部日志显示为零，表示没有错误日志可用。
9. 根命令（RootCmd）
1 | RootCmd: CERptEn+ NFERptEn+ FERptEn+ |
- 指示根命令的错误报告功能均已启用（CERptEn、NFERptEn、FERptEn）。
10. 根状态（RootSta）
1 | RootSta: CERcvd- MultCERcvd- UERcvd- MultUERcvd- |
- 这些字段指示各种错误状态。当前无错误被接收（CERcvd-、UERcvd-）。
11. 错误源（ErrorSrc）
1 | ErrorSrc: ERR_COR: 0000 ERR_FATAL/NONFATAL: 0000 |
- 表示当前没有可校正错误和不可校正错误来源。
示例分析1
假设读取到的寄存器状态如下：
CESta:00000111（可校正错误位0、1和2被设置）CEMsk:00000001（可校正错误掩码位0被设置）UESta:00000001（不可校正错误位0被设置）UEMsk:00000000（不可校正错误掩码位0未设置）
分析：
可校正错误：
CESta中的Bit 0（可校正错误检测）为1，表示检测到可校正错误，但由于CEMsk中对应位为1，因此不会报告。CESta中的Bit 1和2为1，表示数据链路层可校正错误和重播超时错误被检测到，且CEMsk中的对应位均为0，这些错误将被报告。
不可校正错误：
UESta中的Bit 0（不可校正错误检测）为1且UEMsk中对应位为0，表示检测到不可校正错误并将被报告。这需要立即关注和处理。
示例分析2
假设运行lspci -vvv -s 00:1f.6，得到以下输出：
1 | Capabilities: [100 v2] Advanced Error Reporting |
- UESta：无不可校正错误。
- UEMsk：所有不可校正错误可报告。
- CESta：无可校正错误。
- CEMsk：大部分可校正错误可报告。
- AERCap：显示支持的AER功能，如ECRC。
总结
PCIe AER是一个强大的工具，用于检测和报告PCIe设备的错误。通过监控AER寄存器，能够及时发现和处理潜在的问题，确保系统的稳定性和性能。