单变量替换定位法
内存故障多数是间歇性的：开机自检可能通过，压力上来才报错，重启后错误又消失。定位这类问题的核心方法是「一次只动一个变量」——先从 EDAC、MCE 或 BMC 的 SEL 记录中提取可疑 DIMM 的物理位置，再把它与已知良好的条位做交叉替换，看错误是跟着内存条走还是跟着插槽走。错误跟条走说明条本身有问题，跟槽走则要往主板、CPU 或供电方向查。
基本信息
| 适用对象 | x86 服务器 DIMM 故障定位（DDR4/DDR5 平台通用） |
|---|---|
| 线索来源 | EDAC 计数、MCE 日志、BMC SEL、BIOS 内存自检 |
| 关键原则 | 一次只更换或移动一条内存，其余保持不动 |
| 判定逻辑 | 错误跟条走换条；错误跟槽走查主板或 CPU 侧 |
| 复测要求 | 自检加上一轮内存压力测试，确认错误不再复现 |
| 操作前提 | 整机断电并放电，佩戴防静电手环 |
典型使用场景
- 巡检发现可纠正错误计数持续增长，需要判断是否换件
- 系统偶发宕机，日志指向内存但位置不够明确
- 更换新条后错误依旧，需要确认问题是否在插槽或 CPU 侧
- 交付前复测：确认更换动作确实解决了问题
- 同批次机器批量排查，用统一方法保证结论可比
定位步骤
定位步骤
# 1. 从日志中提取可疑 DIMM 的物理位置
# EDAC/MCE 给出通道与槽位，SEL 给出传感器对应的 DIMM 名
# dmesg -T | grep -iE 'EDAC|CE row|DIMM'
# 2. 断电并放电，佩戴防静电手环，记录原始分布
# 3. 仅移动这一条内存到已知良好的插槽（其余不动）
# 4. 上电复测：自检加一轮内存压力测试（如 memtester）
# 5. 按结果判定：
# 错误跟随内存条 → 更换该条；
# 错误跟随插槽 → 查主板、CPU 与供电侧
# 6. 闭合工单：清理错误计数并登记更换记录结果判定对照
| 复测现象 | 判断 | 后续动作 |
|---|---|---|
| 错误出现在新插槽 | 内存条本身有问题 | 更换内存条并复测确认 |
| 错误留在原插槽 | 插槽或主板、CPU 侧问题 | 转硬件维修，必要时整板更换 |
| 错误完全不复现 | 接触不良或偶发 | 重插并加长观察周期，登记跟踪 |
| 错误扩展到更多条位 | 可能存在共因（供电、主板） | 停止逐条替换，改为整机评估 |
| 多种错误混杂出现 | 线索不可靠 | 回到日志重新收敛可疑范围 |
禁止带电插拔内存：操作前确认整机已断电，注意部分机型在关机但未拔电源时仍对内存区域供电。
更换后要清理或记录 EDAC 计数基线，否则历史计数会与新问题混在一起，下次判断失去参照。