A Machine Check Exception (MCE) is a type of computer hardware error that occurs when a computer's central processing unit detects a hardware problem.
MCE是一种计算机硬件错误类型，当计算机处理器检测到硬件错误的时候会记录这些错误到日志，有一些错误是可以忽略的。这些错误一般不容易判断是什么原因。下面的错误发生在X3850服务器上，服务器液晶面板显示正常，IMM查看也没什么异常，但这个服务器老是重启或宕机，有一点就是另外一台机器的/var/log/mcelog为0，出问题的这个服务器日志很大。下面为mcelog的内容：Hardware event. This is not a software error. MCE 0 CPU 28 BANK 2 ADDR 1ffff81470f70 TIME 1404889254 Wed Jul 9 15:00:54 2014 MCG status: MCi status: Corrected error Error enabled MCi_ADDR register valid MCA: Instruction CACHE Level-0 Instruction-Fetch Error STATUS 9400004000040150 MCGSTATUS 0 MCGCAP 1000c18 APICID e0 SOCKETID 3 CPUID Vendor Intel Family 6 Model 47 Hardware event. This is not a software error. MCE 0 CPU 28 BANK 2 ADDR 1ffff8127cff0 TIME 1404889257 Wed Jul 9 15:00:57 2014 MCG status: MCi status: Corrected error Error enabled MCi_ADDR register valid MCA: Instruction CACHE Level-0 Instruction-Fetch Error STATUS 9400004000040150 MCGSTATUS 0 MCGCAP 1000c18 APICID e0 SOCKETID 3 CPUID Vendor Intel Family 6 Model 47 Hardware event. This is not a software error.
出问题的这个机器是RAC的一个节点，当然也存在集群导致服务器重启的可能性。根据重启的时间点，分析集群日志，操作系统日志，数据库日志，最后发现并不是RAC所致。但是IMM(http://192.168.70.125 USERID/PASSW0RD)显示正常，液晶面板显示正常，通过这些错误能判断出问题么？个人觉得存在2中可能性
1.内存错误
从mcelog中看这些与内存地址相关
2.CPU错误
从mcelog也可以看到CPU的信息，出问题的一直是CPU 28 Bank 2
换了内存后，日志依然在不断增加(linux上mcelog文件大小正常为0)，再次换了第二颗CPU(cpu 28,每颗16核)，通过近一段时间观察，运行稳定，没有再出现问题。
总结：出问题的不一定总是内存，CPU也是会出问题的
Reference
http://www.mcelog.org/
https://en.wikipedia.org/wiki/Machine-check_exception
http://www.oracle.com/technetwork/cn/articles/servers-storage-admin/fault-management-linux-2005816-zhs.html
