问题描述

训练服务器NPU网口Link故障，CCAE告警描述如下。

解决方案

1. 参见《Atlas 800T A2 训练服务器 升级指导书》将服务器升级至最新版本。
2. 进入BMC界面，在“系统信息 > 网络适配器 > FLEX IO B1/B2/B3/B4”页面查看对应管模块的运行信息，如图1所示。
   图1 光模块运行信息

3. 判断是否满足参数典型值。

   偏置电流典型值：7.00-8.00mA；通道接收/发送功率典型值：0.8-2.0mW。

   • 是：执行下一步。
   • 否：快速恢复业务并再次检查以上参数是否满足以上参数典型值，仍不满足则需要联系华为工程师进行故障分析。

4. 在OS下输入msnpureport -f命令收集device日志。
5. 在日志路径“slog”下执行抓取命令grep -rn "pcs_err_cnt"。
6. 判断抓取的硬件链路误码是否超过标准值50，如图2所示。
   图2 误码超标示例
   • 是：为物理链路存在异常，执行下一步。
   • 否：请联系华为研发工程师进行定位。

7. 联系现场服务人员协助收集BMC意见收集日志，device OS日志和messages日志。
8. 检查清污光模块或更换光模块。清污光模块请参见(多媒体)光模块和光纤日常维护注意事项。
9. 将光模块与光纤插好，DC重启设备，若设备Link正常，则向华为研发工程师反馈情况，否则，请联系华为研发工程师进行定位。