在银河麒麟V10系统中确认内存ECC纠错事件，须通过edac-utils读取/sys/devices/system/edac实时统计、解析mcelog服务记录及dmesg日志三者交叉验证；CE持续增长提示内存老化，UE>0则必须立即更换内存条。
在银河麒麟V10系统中确认内存是否发生ECC纠错事件，需直接读取硬件错误计数器或内核捕获的纠错日志，不能依赖图形界面或通用系统信息工具。EDAC子系统、mcelog服务和dmesg日志三者交叉验证，才能准确定位CE（可纠正）与UE（不可纠正）错误的真实发生位置和严重程度。
用edac-utils读取实时ECC错误统计
该方法从/sys/devices/system/edac接口提取内存控制器上报的纠错事件，响应即时、无需重启，适用于所有支持ECC的服务器平台（含飞腾FT-2000+/鲲鹏920）。
执行命令安装工具：sudo apt install edac-utils
运行状态查询：sudo edac-util --status
若输出中显示["Status: OK"]但CE(Correctable Errors)计数持续增长，说明内存正在频繁纠正单比特错误——这通常是内存条老化或接触不良的早期征兆；若UE(Uncorrectable Errors)大于0，则必须立即停机更换对应插槽内存条，【UE错误不可恢复，已导致数据损坏】。
解析mcelog服务捕获的硬件级错误
当CPU检测到内存控制器报告的不可屏蔽错误时，mcelog会将原始MCE记录写入/var/log/mcelog，这是定位突发性多比特错误的最权威依据。
第一步：确认服务已启用：sudo systemctl is-active mcelog
第二步：若返回inactive，执行sudo systemctl enable --now mcelog激活服务
第三步：提取最近一次硬件错误详情：sudo mcelog --client | tail -n 20
重点识别含“Memory controller error”或“DRAM”字样的条目；若出现“Uncorrectable Error”且计数非零，【该内存模块物理损坏，不可继续使用】。
检查内核日志中的ECC相关报错
方法一：直接过滤dmesg中明确含ECC关键词的记录
执行命令：dmesg | grep -i "ecc\|correctable\|uncorrectable"
方法二：扩大搜索范围捕捉隐式错误表述
执行命令：dmesg -T | grep -iE "(memory.*error|page.*allocation.*failure|soft.*lockup)"
若输出中出现"Correctable ECC errors"连续刷屏，或伴随"Uncorrectable memory errors"，说明ECC功能虽在运行但纠错频次已超出安全阈值——此时应立即执行memtest86+离线测试验证硬件可靠性。
查看NPU/HBM专用芯片的ECC错误
针对搭载昇腾、寒武纪或海光DCU的麒麟系统，内存错误可能来自板载HBM或NPU本地DDR，需调用厂商专用工具。
执行命令查询设备1上编号为0的芯片ECC状态：npu-smi info -t ecc -i 1 -c 0
重点关注输出中的DDR Double Bit Aggregate Total Er字段——该值非零即表示该AI加速芯片的本地内存已发生不可纠正错误，需按厂商手册执行隔离或更换操作。
