linux内存错误需主动监控，edac驱动须手动加载并启用轮询，错误计数应通过/sys/devices/system/edac/mc/读取，dimm定位优先依赖dmidecode的locator字段而非dimm_label或edac-util推断。
Linux 中的内存错误记录不会自动发邮件或弹窗提醒，它安静地躺在内核日志和 /sys 接口里。只要 EDAC 驱动已加载、ECC 硬件启用，CE/UE 错误就会被记录——但你得主动去查，否则可能等到宕机才看到 UE。
确认 EDAC 驱动是否已加载并生效
很多服务器默认不加载对应芯片组的 EDAC 模块，尤其 Intel 新平台（Skylake+）或 AMD EPYC，lsmod | grep edac 可能为空。这不是内核没编译 EDAC，而是驱动未按需加载。
- 先查可用驱动：
find /lib/modules/$(uname -r) -name '*edac*'，常见有sb_edac（Intel）、amd64_edac_mod（AMD）、zynq_edac（Zynq） - 手动加载并验证：
modprobe sb_edac && dmesg | tail -10 | grep -i edac，应看到类似EDAC MC0: Giving out device to module sb_edac - 检查轮询是否启动：
cat /sys/module/edac_core/parameters/edac_mc_poll_msec，若为 0 表示轮询被禁用，错误将无法累积计数
从 sysfs 直接读取实时错误计数
/sys/devices/system/edac/mc/ 是最轻量、最可靠的数据源，不依赖用户态工具，也不受日志轮转影响。但注意：现代 CPU（如 Ice Lake、Sapphire Rapids）中 csrow 已是逻辑概念，不能直接映射物理插槽。
- 快速扫一遍所有 CE/UE 计数：
grep "[0-9]" /sys/devices/system/edac/mc/mc*/csrow*/{ce,ue}_count 2>/dev/null - 定位 DIMM 标签（比 csrow 更准）：
cat /sys/devices/system/edac/mc/mc0/dimm*/dimm_label 2>/dev/null，输出类似CPU_SrcID#0_Channel#1_DIMM#0 - 查某根 DIMM 的详细计数：
cat /sys/devices/system/edac/mc/mc0/dimm0/{ce_count,ue_count}（注意 dimm0 不一定对应物理 A1，需结合dimm_label或dmidecode -t memory）
用 edac-util 解析错误位置与历史
edac-util 不是“查看错误”，而是把 raw sysfs 数据翻译成可读的通道/DIMM 映射关系。但它依赖驱动正确填充 dimm_label，某些固件（尤其是 Lenovo）会故意留空或填错，导致输出误导。
- 安装后立即运行：
edac-util -v，重点看每行末尾的 DIMM 标识，例如A2或B1—— 这才是物理槽位编号 - 带时间戳的历史错误（需
rasdaemon配合）：ras-mc-ctl --errors，比dmesg更结构化，支持过滤--ue或--ce - 慎用
edac-util -r：它只显示“最近一次”错误，而真正要关注的是增长趋势（比如过去 24 小时 CE 是否从 5 升到 87）
为什么 dmesg 里的错误信息经常对不上物理槽位？
因为内核日志中的 CPU_SrcID#0_Channel#1_DIMM#0 是硬件上报的原始地址，而主板厂商在 BIOS 中可能做了重映射，或者用了非标准命名（如 Dell R750 把 Channel#1_DIMM#0 叫做 A2，Lenovo SR650 却叫 B1）。同一份 dmesg 输出，在不同品牌服务器上含义可能完全相反。
- 唯一可信的交叉验证方式：
dmidecode -t memory | grep -A5 -B5 "DIMM.*[0-9]$" | grep -E "(Locator|Part|Serial)" - 如果
dimm_label为空或为noinfo，不要信edac-util的槽位推断，直接以dmidecode的Locator字段为准 - 某些平台（如部分 ARM 服务器）甚至不生成
dimm_label，此时必须靠rasdaemon+ BMC 日志联合定位
真正关键的不是“看到错误”，而是确认错误是否在持续增长、是否集中在某根 DIMM、是否从 CE 升级为 UE。这些判断必须同时比对 sysfs 计数、dmidecode 物理信息和 BMC 告警，缺一不可。任何单点数据都可能因固件 Bug 或驱动适配问题而失真。
