Hubris项目中的SP固件更新异常问题分析
2025-06-26 17:23:25作者:申梦珏Efrain
事件背景
在Hubris项目的一个生产环境固件更新过程中,技术人员发现了一个异常情况:当通过Wicket工具更新rack3服务器时,系统在更新phase1闪存阶段意外回退到了A0状态。这一异常导致闪存内容不匹配,使主机陷入重启循环。
问题现象
具体表现为:
- Wicket工具成功将服务器切换至A2状态
- 系统完成了"准备更新"阶段(此时闪存已被擦除)
- 在写入新phase1数据过程中,服务器突然回退到A0状态
- 由于mux切换回主机,导致更新写入失败
- 系统最终报告HfError::NotMuxedToSp错误(错误代码6)
技术分析
通过分析SP固件的dump数据,我们发现几个关键点:
- 系统运行时间:SP已持续运行21.8小时,排除了意外断电或SP重启的可能性
- 重启循环:主机检测到闪存问题后,以约84秒为间隔持续请求重启
- 状态转换机制:正常情况下,gimlet-seq仅在完成A2状态板级启动后才会自主切换到A0状态(实验室机器除外)
深入分析固件代码后,发现可能导致状态转换的路径:
- 控制平面代理(control-plane-agent):响应set_power_state操作
- 主机-SP通信(host-sp-comms):响应主机请求
- 热管理模块(thermal):仅用于紧急断电
特别值得注意的是,主机通过IPCC协议发送了明确的启动失败原因(IPCC_BOOTFAIL_NOPHASE2),表明检测到了phase2闪存缺失的问题,但SP固件当前未充分利用这一信息。
问题根源
综合各种证据,最可能的场景是: 在Wicket更新主机闪存过程中,控制平面收到了将主机电源状态切换至A0的请求。当前SP固件缺乏在更新状态和电源状态转换之间的互锁机制,导致系统在闪存更新过程中被意外切换状态。
改进建议
基于此次事件分析,建议对Hubris项目进行以下改进:
-
完善错误处理机制:
- SP应识别主机发送的特定启动失败原因
- 在检测到致命错误时应停止重启循环
- 建立向控制平面报告警报的机制
-
日志系统优化:
- 为重要事件添加计数器机制
- 将日志分为错误/警告和调试/跟踪不同级别
- 减少高频日志对关键信息的覆盖
-
状态管理增强:
- 在电源状态转换和更新状态间建立互锁
- 防止在闪存更新过程中切换mux状态
-
协议扩展:
- 增加"致命重启"请求类型
- 完善主机-SP间的错误通信协议
经验总结
此次事件凸显了嵌入式系统中状态管理的重要性。在复杂的多状态系统中,必须仔细考虑各种状态转换的边界条件和互锁机制。同时,日志系统的设计需要平衡详细程度和关键信息的保存能力。
对于类似的固件更新场景,建议:
- 确保更新过程的原子性
- 建立完善的回滚机制
- 加强关键操作的状态保护
- 完善错误报告和处理流程
这些改进将有助于提高系统的可靠性和可维护性,避免类似问题的再次发生。
登录后查看全文
热门项目推荐
HunyuanImage-3.0
HunyuanImage-3.0 统一多模态理解与生成,基于自回归框架,实现文本生成图像,性能媲美或超越领先闭源模型00ops-transformer
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。C++045Hunyuan3D-Part
腾讯混元3D-Part00GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~0289Hunyuan3D-Omni
腾讯混元3D-Omni:3D版ControlNet突破多模态控制,实现高精度3D资产生成00GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile09
- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起

deepin linux kernel
C
22
6

OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
165
2.05 K

Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0

🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
60
16

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
954
562

基于golang开发的网关。具有各种插件,可以自行扩展,即插即用。此外,它可以快速帮助企业管理API服务,提高API服务的稳定性和安全性。
Go
22
0

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.01 K
396

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
407
387

React Native鸿蒙化仓库
C++
199
279

喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
17
0