ECC子网过大导致多个OSN7500网元主控上报chip_abn告警

问题描述

某局现网同一环上有5个OSN7500设备GSCC上报chip_abn告警，告警参数：0x01 0x00 0x01 0x01 0xff；主机软件：5.21.16.13。每次持续十几秒至2分钟之内不等，间隔十几分钟上报。更换主控后（与原主控板版本一致），新换上去的主控板又产生了chip_abn告警。

处理过程

1、经过统计上报该告警的网元主控板使用的温度芯片DS18S20为同一批次，因此更换其中一个网元的主控板（版本一样，但不是同批次生产），但新更换的主控板很快又产生了chip_abn告警，排除批次温度芯片故障因素

2、通过对上报chip_abn告警网元主控的工作温度进行采集，发现其工作温度分别为16.5，19，28.5，30，28且查看现场环境未发现异常因素，因此排除环境因素

3、由于所用的版本5.21.16.13为主流发货版本，且其他地方都没有上报此告警，独只有该局的上报告警，因此排除软件版本问题

4、换下的单板在实验室一直没有重现故障，最后通过研发分析，联系到该局这几个站点同时有ECC的Qufull丢包现象，而ECC丢包是因大数据量DCC通信引起的，而CPU的ECC处理肯定时全负荷运行，ECC数据处理占用大量的CPU资源。研发在实验室用SmartBits来对网管以太网口进行大数据量的冲击，模拟DCC大数据量通信，CPU全负荷处理通信数据，然后对此进行验证，现象重现。

5、因此定位为子网过大，导致产生大流量的ECC通信和额外开销，抢占了温度巡检的这样的低优先级任务，造成软件模拟温度芯片DS18S20的时序不准，从而检测到错误的温度值，导致chip_abn告警上报

6、划分ecc子网，观察发现告警消失，故障解决

根因

ECC子网过大导致多个OSN7500网元主控上报chip_abn告警

解决方案

重新划分ecc子网，建议不超过64