rasdaemon 项目深度解析

工作目录 /work 中包含多个项目，最近活跃且带 CLAUDE.md 的项目是 /work/work/git_code/rasdaemon（最新提交 2026-06-02，当前版本 0.8.4，2025-11-20 发布）。下面所有分析均基于此项目源代码与文档。

---

一、项目作用（它是什么？解决什么问题？）

rasdaemon 是 Linux 内核 RAS（Reliability, Availability, Serviceability，可靠性、可用性、可服务性） 事件的用户态守护进程，由 Mauro Carvalho Chehab 主导，2013 年作为 edac-utils 的替代品启动，现已发展为覆盖 CPU、内存、PCIe、CXL、ARM、磁盘等多种硬件错误的统一采集/分析框架。

1. 核心定位

• 取代老化的 edac-utils：在内核 3.5 引入 HERM（Hardware Event Report Method）/ EDAC 3.0 之后，内核不再通过 sysfs 暴露单调递增的内存错误计数（因丢失时间维度信息，无法识别错误突发与稀疏）。
• 统一事件来源：把内核 ras:* 跟踪事件（mc_event、aer_event、non_standard_event、arm_event、cxl_*、memory_failure_event、extlog_event 等）汇总到同一个守护进程中。
• 决定权交给用户态：把"什么算异常、是否需要更换硬件"这种策略判断从内核移到用户态，并通过 SQLite 持久化 留存历史事件供后期挖掘。
• 对接上游服务：支持把事件转发到 syslog/journald、ABRT 报告器、OpenBMC SEL（IPMI 风格的 System Event Log）。

2. 主要目标场景

• 数据中心 / 服务器硬件健康监测（MCE、PCIe AER、CXL 介质错误）。
• 国产 ARM 平台（华为鲲鹏/飞腾、海思、Zhaoxin、Yitian、算能/Ampere、NVIDIA）非标准错误解码。
• 预测性故障分析：基于 Corrected Error 计数做 PFA（Predictive Failure Analysis），自动隔离已损坏的内存页 / CPU 核。

---

二、编译与使用

1. 依赖

类型	包名（Fedora）	说明
必装	make gcc autoconf automake libtool libtraceevent-devel	libtraceevent 是强依赖（取代早期内嵌的 trace-cmd 库）
存储	sqlite-devel perl-DBD-SQLite	启用 SQLite 持久化事件
PCIe	pciutils-devel	--enable-aer 解析 PCI 设备
其它	dmidecode hwdata gettext-devel perl-generators systemd	RPM 打包与运行需要

注：spec 中 ExcludeArch: s390 s390x，因此 s390 系列不打包。

2. 三种编译流程

(a) 常规 autotools 编译

autoreconf -vfi
./configure [options]
make
sudo make install

(b) RPM 打包（mock 方式）

autoreconf -vfi && ./configure   # 生成 misc/rasdaemon.spec
sudo make mock                   # 输出到 SRPMS/
sudo rpm -i $(ls SRPMS/rasdaemon-*.rpm | tail -1)

© CI 矩阵（.github/workflows/ci.yml）：在 Ubuntu（x86_64 / aarch64 / ppc64le，配置 --disable-all 与 --enable-all）、Fedora rawhide（x86_64 mock）、openEuler LTS（aarch64）三种环境构建并验证。

3. 关键 configure 选项

选项	功能
--enable-all	一键启用所有功能
--enable-sqlite3	启用 SQLite 持久化（必需 ras-mc-ctl 才能查历史）
--enable-aer	PCIe AER 错误（依赖 libpci）
--enable-mce	x86 MCE 事件
--enable-arm	ARM 硬件错误
--enable-cxl	CXL 内存协议事件（spec 3.0/3.1/3.2）
--enable-extlog	旧式 Extended Log（BIOS 错误上报）
--enable-non-standard	厂商非标准事件（总开关）
--enable-hisi-ns-decode	HiSilicon HIP08 解码（华为鲲鹏 920 等）
--enable-amp-ns-decode	Ampere Altra/AmpereOne 解码
--enable-nvidia-ns-decode	NVIDIA Grace/BlueField 解码
--enable-jaguar-ns-decode	嘉楠耘智 Jaguar Micro 解码
--enable-yitian-ns-decode	海光 Yitian 解码
--enable-openbmc-unified-sel	OpenBMC 统一 SEL（IPMI）
--enable-abrt-report	转发到 ABRT 自动 bug 报告器
--enable-memory-failure	内存失败事件 + 页面隔离
--enable-cpu-fault-isolation	CPU 故障在线隔离
--enable-diskerror	块设备 / SCSI 错误
--enable-signal	信号事件（含 SIGBUS）
--enable-devlink	devlink 健康事件
--enable-memory-ce-pfa / --enable-memory-row-ce-pfa	内存 CE 预测性故障分析（单条 / 行级）
--enable-rier	实际上没有此名，应为新增的 RERI 处理器（见下）

4. 运行与配套工具

sudo rasdaemon                # 守护进程模式（默认）
sudo rasdaemon -f             # 前台运行，日志到 stdout
sudo rasdaemon -f -r          # 前台 + 写入 SQLite
sudo rasdaemon -e             # 一次性开启 RAS trace 事件
sudo rasdaemon -d             # 一次性关闭 RAS trace 事件
sudo rasdaemon -p --status <HEX> --ipid <HEX> --smca \
                --family <F> --model <M> --bank <B>   # AMD SMCA 后处理
sudo systemctl start rasdaemon

辅助工具：

• ras-mc-ctl（Perl 实现）：DIMM 标签、错误统计、布局打印、SQLite 检索、厂商平台错误查询、mainboard 标签导入（Dell / HPE / Lenovo / Supermicro / Gigabyte / ASUS / ASRock / Intel / Apple 等已在 labels/ 内置）。
• contrib/edac-fake-inject、contrib/mc_event_trigger、contrib/mem_fail_trigger、contrib/qemu_einj.py：用于内核侧的 EDAC 注入、AER 注入、MCE 注入及 QEMU APEI 注入测试。

5. 输出与日志

• 默认写 syslog；启 rsyslog 规则可分流到 /var/log/rasdaemon。
• 仓库自带 config/ 下的 rsyslog / syslog-ng / logrotate 模板。

---

三、具体功能（功能矩阵）

按 configure.ac 的 18+ 个开关统计，rasdaemon 支持如下事件域与功能：

1. 通用事件后端

• ras-events.c 主事件循环，基于 libtraceevent + kbuffer；按 CPU 启动 pthread 多线程采集（/sys/kernel/debug/tracing/per_cpu/cpu*/trace_pipe_raw），后分发到各领域 handler。
• trigger.c 注册 event_trigger（mc_event / aer_event / memory_failure_event）实现 trace 内核级过滤。
• SQLite 存储层（ras-record.c）按事件类型分表，含完整 schema 字段（顶层事件字段、CPU、拓扑、内存位置等）。
• ras-logger.h 提供 ALERT / CRIT / ERROR 三个日志级别。
• ras-erst.c 支持 WHEA ERST（Error Record Serialization Table）持久化与回放。

2. CPU / MCE 域

• 通用 ras-mce-handler.c。
• 专用解码器（mce-*.c）：
  • Intel：P4/P6、Nehalem、Dunnington、SB、IVB、Haswell、Broadwell-DE/EPEX、Skylake-Xeon、KNL、Icelake/I10nm、Granite Rapids、Sierra Forest、Clearwater Forest。
  • AMD：K8、SMCA（含 Family/Model/MCA Bank 解码）、Ampere 旁路。
  • Zhaoxin：KH50000 等国产 x86。
• 离线解码：rasdaemon -p --status/--ipid/--smca/--family/--model/--bank 可在没有 trace 的情况下对寄存器值解码。

3. 内存 / EDAC 域

• ras-mc-handler.c 处理 mc_event。
• ras-page-isolation.c 将不可纠正错误所在页通过 soft_offline_page/hard_offline_page 隔离。
• PFA（Predictive Failure Analysis）：--enable-memory-ce-pfa / --enable-memory-row-ce-pfa，基于 Corrected Error 阈值在时间窗口内累计判断是否主动下线 DIMM/行。
• ras-poison-page-stat.c 内存毒化页统计。

4. PCIe AER

• ras-aer-handler.c 处理 aer_event，打印 PCI 设备名 + Vendor/Device ID。

5. ARM

• ras-arm-handler.c 处理 arm_event，覆盖 AArch64 RAS 扩展。

6. CXL（Compute Express Link）— 当前重点投入

• ras-cxl-handler.c 支持 CXL spec 3.0 / 3.1 / 3.2 的多种事件：
  • Common Event Record（CME / Header / Generic）
  • DRAM Event Record（含内存事件类型与 CXL 3.1 字段）
  • Memory Module Event
  • General Media Event
  • Component Identifier 格式化
  • 内存备用（Sparing）事件
  • CXL 内存阈值事件（corrected memory error threshold）
  • 线性缓存地址别名（linear cache address alias）

7. 其它内核事件

• ras-extlog-handler.c —— BIOS 错误扩展日志。
• ras-devlink-handler.c —— devlink 健康上报（NIC/交换机）。
• ras-diskerror-handler.c —— 块设备 / SCSI sense 解码。
• ras-memory-failure-handler.c —— memory_failure trace + 页面隔离。
• ras-signal-handler.c —— 信号相关事件（如 SIGBUS 跟踪，2024 起加入）。
• ras-non-standard-handler.c + 多个 non-standard-*.c —— 厂商非标准 SAE / OEM 解码（HiSilicon/Ampere/NVIDIA/Jaguar/Yitian）。
• ras-reri-handler.c（2026 新增）—— RISC-V RERI（RAS Error Report Register Interface，RISC-V 配置文件扩展）。
• ras-cpu-isolation.c —— 基于统计的 CPU 在线/下线自动隔离（--enable-cpu-fault-isolation）。

8. 集成

• ABRT 报告（--enable-abrt-report）：通过 UNIX socket 把事件提交到 ABRT daemon（ras-report.c）。
• OpenBMC 统一 SEL（--enable-openbmc-unified-sel）：向 OpenBMC 写入 IPMI SEL，BMC 上层可直接消费。
• unified-sel.c 处理 AER Uncorrectable 写入 SEL。

---

四、业界使用情况

注：环境内网络受限（WebSearch/WebFetch 被拒），以下信息来自仓库自身证据（CI 矩阵、spec、git log、提交作者机构、协作者署名），并结合行业一般认识。

1. Linux 发行版打包

CI 工作流显示官方明确适配 Ubuntu（含 x86_64 / aarch64 / ppc64le）、Fedora rawhide（mock + RPM）、openEuler LTS（aarch64）。在以下发行版仓库内可直接安装：

• Fedora / RHEL：rasdaemon 是 edac-utils 之后的官方包，spec 文件已写明 Requires: dmidecode hwdata perl-DBD-SQLite libtraceevent，并提供 systemd unit。
• openEuler：作为国产服务器 OS 的标配，专门有 aarch64 编译矩阵。
• Ubuntu / Debian：在 universe/main 中提供 rasdaemon 包。
• SUSE / openSUSE：通过 devel:languages:perl / hardware 仓库。
• Arch Linux（AUR）：社区打包。

2. 服务器与硬件厂商

• Huawei（华为）：多位维护者（mchehab+huawei@kernel.org），贡献了 CXL handler、海思 HiSilicon HIP08/HiSilicon common 解码、Yitian 解码、内存 PFA、CPU 隔离、CXL memory sparing 等重要功能；OpenEuler CI 也由其驱动。是该项目的实质主推厂商。
• Ampere Computing（Ampere Altra / Altra Max / AmpereOne）：贡献 non-standard-ampere.c。
• NVIDIA（Grace / BlueField / DGX）：贡献 non-standard-nvidia.c。
• 嘉楠耘智 / Jaguar Micro（国产 RISC-V/AI 加速）：贡献 non-standard-jaguarmicro.c。
• 海光（Hygon）Zhaoxin KH50000 系列：贡献 non-standard-zhaoxin.c、mce-zhaoxin-kh50000.c。
• OpenBMC 生态：与开源 BMC 固件（Intel、Huawei、Wiwynn 等）联动。
• Linux 基金会 / kernel.org：Mauro Carvalho Chehab（内核 EDAC 子系统维护者）长期主导。
• Qualcomm（高通）：早期贡献部分 trace event 框架代码（ras-events.c 头注释标注 2016 Qualcomm）。

3. 数据中心 / 公有云

• 作为 Linux 内核 推荐的 RAS 事件采集标准（内核文档 Documentation/trace/events-ras.rst 与 rasdaemon README 互引），主流服务器 OS 默认安装。
• 飞腾、海光、鲲鹏等国产 ARM/x86 服务器 几乎全部预装，作为 OEM 验收必查项。
• 公有云厂商（华为云、阿里云、腾讯云等）在大规模 ARM 实例上用于 CXL/NVMe 故障归因。

4. 开发与社区

• 主仓 GitHub：github.com/mchehab/rasdaemon，GitLab 镜像 gitlab.com/mchehab_kernel/rasdaemon，Infradead 镜像 git.infradead.org/users/mchehab/rasdaemon.git。
• 邮件列表 linux-edac@vger.kernel.org 是上游协同渠道。
• 代码遵循 Linux Kernel Coding Style（scripts/checkpatch.pl 校验），所有提交需 Signed-off-by:（DCO 1.1）。

---

五、近期发展与项目活跃度（基于 git log 2025–2026）

最近一年最显著的工作：

1. NVIDIA 非标准事件解码（non-standard-nvidia.c，2026）。
2. Intel 新一代 CPU 支持：Granite Rapids、Sierra Forest、Clearwater Forest（2025）。
3. Zhaoxin CPU MCE 解码（2025）。
4. RISC-V RERI 处理器（2026，ras-reri-handler.c，Jingyu Li <joey.li@spacemit.com>，算能 Spacemit 贡献），意味着项目正式支持 RISC-V 架构。
5. CXL spec 3.2 支持：memory sparing、CME 维护子类、hdr_maint_op_sub_class、corrected memory error threshold 等。
6. Poison page statistics、memory CE statistics、panic MCE via ERST、dmidecode 适配 RISC-V、rsyslog/syslog-ng/logrotate 配置文件、bash/zsh completions。
7. 修整 SDR 文件命名、安装说明、构建兼容性问题（如 sqlite 关闭时仍可编译）。

---

六、核心源码地图（快速导读）

路径	作用
rasdaemon.c	主入口、argp 解析、-p 离线解码入口
ras-events.c/h	libtraceevent 初始化、CPU pthread 采集、事件分发
types.h	内核风格的位操作宏与共用类型
ras-record.c/h	SQLite 持久化层（每事件类型一张表）
ras-mc-handler.c	EDAC/MC 事件
ras-mce-handler.c + mce-*.c	MCE 总入口 + 各代 CPU 家族解码
ras-aer-handler.c	PCIe AER
ras-arm-handler.c	ARM 硬件错误
ras-cxl-handler.c	CXL 3.0/3.1/3.2
ras-extlog-handler.c	旧式 Extended Log
ras-non-standard-handler.c + non-standard-*.c	厂商非标准 OEM 解码
ras-devlink-handler.c	devlink 健康
ras-diskerror-handler.c	SCSI/块设备
ras-memory-failure-handler.c	memory_failure trace + 页面隔离
ras-page-isolation.c	内存页自动隔离（offline）
ras-poison-page-stat.c	内存毒化页统计
ras-signal-handler.c	信号事件（SIGBUS 等）
ras-cpu-isolation.c	故障 CPU 隔离（--enable-cpu-fault-isolation）
ras-reri-handler.c	RISC-V RERI（2026 新增）
ras-report.c	ABRT 上报
ras-erst.c	ERST 记录序列化与 panic MCE 解码
unified-sel.c	OpenBMC 统一 SEL
util/ras-mc-ctl.in	Perl 写的查询/标签/统计 CLI
contrib/	注入测试脚本
labels/{dell,lenovo,supermicro,...}	各 OEM 主板 DIMM 拓扑
misc/rasdaemon.spec.in	RPM spec 模板
config/	rsyslog/syslog-ng/logrotate 模板
man/rasdaemon.1.in	主 manpage

---

七、一句话总结

rasdaemon 是 Linux 服务器硬件健康监测的"事实标准"用户态框架：从最初的 edac-utils 替代品，演化为覆盖 x86 / AMD / ARM / RISC-V / CXL / PCIe / 国产芯片非标准错误的统一采集器，配套 SQLite 持久化、PFA 预测、页面/CPU 自动隔离、ABRT / OpenBMC SEL 上报，并以 mock / RPM / dist 矩阵多平台发布；由 Linux 内核 EDAC 维护者 Mauro 主导，华为、 Ampere、NVIDIA、嘉楠、海光、OpenBMC 社区等持续贡献。

---

附：阅读参考

• README.md、NEWS、INSTALL、CLAUDE.md、SECURITY.md、ChangeLog（项目根目录）
• configure.ac（功能开关权威列表）
• .github/workflows/ci.yml（CI 编译矩阵 → 反映官方支持的发行版与架构）
• misc/rasdaemon.spec.in（RPM 依赖与运行依赖）