問(wèn)題描述

某局現(xiàn)網(wǎng)同一環(huán)上有5個(gè)OSN7500設(shè)備GSCC上報(bào)chip_abn告警，告警參數(shù)：0x01 0x00 0x01 0x01 0xff；主機(jī)軟件：5.21.16.13。每次持續(xù)十幾秒至2分鐘之內(nèi)不等，間隔十幾分鐘上報(bào)。更換主控后（與原主控板版本一致），新?lián)Q上去的主控板又產(chǎn)生了chip_abn告警。

處理過(guò)程

1、經(jīng)過(guò)統(tǒng)計(jì)上報(bào)該告警的網(wǎng)元主控板使用的溫度芯片DS18S20為同一批次，因此更換其中一個(gè)網(wǎng)元的主控板（版本一樣，但不是同批次生產(chǎn)），但新更換的主控板很快又產(chǎn)生了chip_abn告警，排除批次溫度芯片故障因素

2、通過(guò)對(duì)上報(bào)chip_abn告警網(wǎng)元主控的工作溫度進(jìn)行采集，發(fā)現(xiàn)其工作溫度分別為16.5，19，28.5，30，28且查看現(xiàn)場(chǎng)環(huán)境未發(fā)現(xiàn)異常因素，因此排除環(huán)境因素

3、由于所用的版本5.21.16.13為主流發(fā)貨版本，且其他地方都沒(méi)有上報(bào)此告警，獨(dú)只有該局的上報(bào)告警，因此排除軟件版本問(wèn)題

4、換下的單板在實(shí)驗(yàn)室一直沒(méi)有重現(xiàn)故障，最后通過(guò)研發(fā)分析，聯(lián)系到該局這幾個(gè)站點(diǎn)同時(shí)有ECC的Qufull丟包現(xiàn)象，而ECC丟包是因大數(shù)據(jù)量DCC通信引起的，而CPU的ECC處理肯定時(shí)全負(fù)荷運(yùn)行，ECC數(shù)據(jù)處理占用大量的CPU資源。研發(fā)在實(shí)驗(yàn)室用SmartBits來(lái)對(duì)網(wǎng)管以太網(wǎng)口進(jìn)行大數(shù)據(jù)量的沖擊，模擬DCC大數(shù)據(jù)量通信，CPU全負(fù)荷處理通信數(shù)據(jù)，然后對(duì)此進(jìn)行驗(yàn)證，現(xiàn)象重現(xiàn)。

5、因此定位為子網(wǎng)過(guò)大，導(dǎo)致產(chǎn)生大流量的ECC通信和額外開(kāi)銷(xiāo)，搶占了溫度巡檢的這樣的低優(yōu)先級(jí)任務(wù)，造成軟件模擬溫度芯片DS18S20的時(shí)序不準(zhǔn)，從而檢測(cè)到錯(cuò)誤的溫度值，導(dǎo)致chip_abn告警上報(bào)

6、劃分ecc子網(wǎng)，觀(guān)察發(fā)現(xiàn)告警消失，故障解決

根因

ECC子網(wǎng)過(guò)大導(dǎo)致多個(gè)OSN7500網(wǎng)元主控上報(bào)chip_abn告警

解決方案

重新劃分ecc子網(wǎng)，建議不超過(guò)64