問題描述

1、某客戶OSN3500設備交叉板頻繁上報BUS_ERR告警

告警信息

1、9-SXCSA單板上報BUS_ERR告警和HSC_UNAVAIL

2、主機版本為5.21.17.31

處理過程

1、首先確認業務，沒有中斷，9板位交叉板為備板。

2、檢查9-SXCSA單板的詳細告警信息，首先查看HSC_UNAVAIL告警，其參數為：0x04 0x01 0x09 0xff 0xff

對于HSC_UNAVAIL告警，HSC_UNAVAIL只有備板會上報，該告警的含義如下：

參數1: 表示告警的類型。

0x01表示本板狀態壞

0x02表示有業務板檢測到本板壞

0x04表示本板檢測到2型BUS_ERR

BIT[3～6]：預留

0x80表示備板硬復位成功不足5分鐘

參數2: 表示不可用單板的主備狀態。

0x00表示主板 

0x01表示備板

參數3:

表示不可用單板的槽位號，取值為0x09，0x0A。0x50，0x51。

3、從上面可以看到可以看到產生此告警為9板位SXCSA單板檢測到2型BUS_ERR告警導致

4、查看BUS_ERR告警，其參數為：0x0d 0x04 0x06 0x02 0xff和0x0d 0x04 0x04 0x02 0xff

BUS_ERR告警，該告警的含義如下：

參數 1： 默認表示單板邏輯板位（包括擴展板位）。

若參數4為0x03，那么參數1表示內部總線所在的交叉芯片號。

參數 2： 默認表示在該板位中的總線序號。

若參數3為0x03，那么參數2表示內部總線在芯片中的物理序號。

參數 3： 不同的比特表示不同的告警存在狀態。

0x10表示存在BUS_LOS

0x08表示存在FIFO溢出

0x04表示存在B1誤碼

0x02表示存在BUS_OOF

0x01表示存在BUS_OOA

參數 4 ： 表示BUS_ERR的告警類型。

0x01表示I 型BUS_ERR，它是由單塊交叉板檢測到的。

0x02表示II型BUS_ERR，它是由兩塊交叉板握手檢測到的。

0x03表示III型BUS_ERR，它是由交叉板內部總線檢測到的。

參數 5： 無效參數

5、從上面可以看到，是由于兩塊交叉板握手檢測到13板位產生大量誤碼。其中：

0x0d表示13板位，對應實際單板為SLQ16

0x04代表13板位的第4跟總線，對應實際SLQ16的第4個光口

0x04:表示存在B1誤碼；0x06（其中06＝02+04）：表示同時存在0x01的OOF和0x04的B1誤碼

確認應該是13-SLQ16-4光口不停的產生大量B1誤碼和OOF導致。

6、查看13-SLQ16的告警信息，發現4光口不停上報R_LOF，經客戶確認其承載在其他廠家波分上面，目前波分線路處于割接狀態。

7、待波分線路穩定后，檢查13-SLQ16-4光口，R_LOF告警消失，性能沒有誤碼，再次檢查交叉板的告警，所有告警結束。確認為波分線路割接導致我司設備不停上報R_LOF，從而導致交叉板產生告警。

根因

1、備交叉板故障

2、主備交叉備份狀態異常

3、線路誤碼導致

4、主交叉板故障

建議與總結

1、正常情況線路板上報R_LOF是不會導致交叉板上報BUS_ERR告警的，從本次故障看到，在于其他廠家波分設備對接時，友商波分線路處于異常狀態時，我司對接線路板不停上報R_LOF，說明交叉板檢測到的狀態是時好時壞，從而導致交叉板上報BUS_ERR告警。

2、對于告警參數中“不同的比特表示不同的告警存在狀態”的說明：

告警參數0x為固定值，后兩位為16進制計數：所以0x10的10對應10進制的16

告警參數后兩位是按照2的bit計算：所以告警參數解釋只有0x01、0x02、0x04、0x08、0x10（依次對應2的0、1、2、3、4次方）

對應其他告警參數，則是按照bit位進行計算，計算方式為：06＝02（2的1次方）＋04（2的2次方）；05＝01（2的0次方）＋04（2的2次方）；