NIC Safe Mode

NIC Safe Mode

背景

在许多成本优化的服务器中，连接方式仅限于电源和网络线缆，要求服务器始终具备远程可访问性和可管理性。然而，标准平台不针对设备特定定制，且在 OCP 成本优化服务器中，NIC 作为单点故障，若出现故障需自愈方法。

问题提出

当 NIC 配置错误导致服务器无法启动时，可选方案有限：

1. 通过 BMC 修改错误配置（并非所有系统设置可从 BMC 修改）。
2. 物理更换 NIC（大型数据中心最后手段）。

Mellanox NIC Safe Mode

核心功能

• 自动恢复：当设备配置错误导致系统无法启动时，Safe Mode 允许设备在不移除的情况下恢复。
• 自动进入：在预配置的多次错误重启后，ConnectX 设备自动进入 Safe Mode。
• 配置灵活：可通过非易失性配置、HII、NC-SI 和 Mellanox 工具启用/禁用/监控 Safe Mode。

操作流程

• 资源占用：Safe Mode 仅需最小系统资源，允许系统启动。
• 配置修改：用户可查看并修改错误设置。
• 状态可见：通过 HII、控制台和 Mellanox 工具查看设备状态。
• 重启恢复：重新配置后，系统下次重启将应用新设置。

配置选项

• 四种模式：
  1. Safe Mode 禁用。
  2. 默认模式：连续 Num-Bad-Reboots 次后启用（默认为 3 次）。
  3. 单次重启激活。
  4. 强制始终启用。
• 参数设置：
  • 默认模式可设置为禁用/启用。
  • Num-Bad-Reboots 参数范围：1-255 次错误重启。

行动建议

• 新增 NC-SI 命令：要求强制 NIC 重置为“工厂默认”模式。
• 默认行为：在工厂默认模式下，设备必须允许重新配置。

结论

Mellanox NIC Safe Mode 通过自动检测和恢复机制，解决了 NIC 配置错误导致的系统启动问题，提高了服务器的可靠性和可管理性，尤其适用于成本优化服务器场景。