Documentation/PCI/pcieaer-howto.txt

   1    The PCI Express Advanced Error Reporting Driver Guide HOWTO
   2                 T. Long Nguyen  <tom.l.nguyen@intel.com>
   3                 Yanmin Zhang    <yanmin.zhang@intel.com>
   4                                 07/29/2006
   5
   6
   7 1. Overview
   8
   9 1.1 About this guide
  10
  11 This guide describes the basics of the PCI Express Advanced Error
  12 Reporting (AER) driver and provides information on how to use it, as
  13 well as how to enable the drivers of endpoint devices to conform with
  14 PCI Express AER driver.
  15
  16 1.2 Copyright © Intel Corporation 2006.
  17
  18 1.3 What is the PCI Express AER Driver?
  19
  20 PCI Express error signaling can occur on the PCI Express link itself
  21 or on behalf of transactions initiated on the link. PCI Express
  22 defines two error reporting paradigms: the baseline capability and
  23 the Advanced Error Reporting capability. The baseline capability is
  24 required of all PCI Express components providing a minimum defined
  25 set of error reporting requirements. Advanced Error Reporting
  26 capability is implemented with a PCI Express advanced error reporting
  27 extended capability structure providing more robust error reporting.
  28
  29 The PCI Express AER driver provides the infrastructure to support PCI
  30 Express Advanced Error Reporting capability. The PCI Express AER
  31 driver provides three basic functions:
  32
  33 -       Gathers the comprehensive error information if errors occurred.
  34 -       Reports error to the users.
  35 -       Performs error recovery actions.
  36
  37 AER driver only attaches root ports which support PCI-Express AER
  38 capability.
  39
  40
  41 2. User Guide
  42
  43 2.1 Include the PCI Express AER Root Driver into the Linux Kernel
  44
  45 The PCI Express AER Root driver is a Root Port service driver attached
  46 to the PCI Express Port Bus driver. If a user wants to use it, the driver
  47 has to be compiled. Option CONFIG_PCIEAER supports this capability. It
  48 depends on CONFIG_PCIEPORTBUS, so pls. set CONFIG_PCIEPORTBUS=y and
  49 CONFIG_PCIEAER = y.
  50
  51 2.2 Load PCI Express AER Root Driver
  52 There is a case where a system has AER support in BIOS. Enabling the AER
  53 Root driver and having AER support in BIOS may result unpredictable
  54 behavior. To avoid this conflict, a successful load of the AER Root driver
  55 requires ACPI _OSC support in the BIOS to allow the AER Root driver to
  56 request for native control of AER. See the PCI FW 3.0 Specification for
  57 details regarding OSC usage. Currently, lots of firmwares don't provide
  58 _OSC support while they use PCI Express. To support such firmwares,
  59 forceload, a parameter of type bool, could enable AER to continue to
  60 be initiated although firmwares have no _OSC support. To enable the
  61 walkaround, pls. add aerdriver.forceload=y to kernel boot parameter line
  62 when booting kernel. Note that forceload=n by default.
  63
  64 nosourceid, another parameter of type bool, can be used when broken
  65 hardware (mostly chipsets) has root ports that cannot obtain the reporting
  66 source ID. nosourceid=n by default.
  67
  68 2.3 AER error output
  69 When a PCI-E AER error is captured, an error message will be outputed to
  70 console. If it's a correctable error, it is outputed as a warning.
  71 Otherwise, it is printed as an error. So users could choose different
  72 log level to filter out correctable error messages.
  73
  74 Below shows an example.
  75 +------ PCI-Express Device Error -----+
  76 Error Severity          : Uncorrected (Fatal)
  77 PCIE Bus Error type     : Transaction Layer
  78 Unsupported Request     : First
  79 Requester ID            : 0500
  80 VendorID=8086h, DeviceID=0329h, Bus=05h, Device=00h, Function=00h
  81 TLB Header:
  82 04000001 00200a03 05010000 00050100
  83
  84 In the example, 'Requester ID' means the ID of the device who sends
  85 the error message to root port. Pls. refer to pci express specs for
  86 other fields.
  87
  88
  89 3. Developer Guide
  90
  91 To enable AER aware support requires a software driver to configure
  92 the AER capability structure within its device and to provide callbacks.
  93
  94 To support AER better, developers need understand how AER does work
  95 firstly.
  96
  97 PCI Express errors are classified into two types: correctable errors
  98 and uncorrectable errors. This classification is based on the impacts
  99 of those errors, which may result in degraded performance or function
 100 failure.
 101
 102 Correctable errors pose no impacts on the functionality of the
 103 interface. The PCI Express protocol can recover without any software
 104 intervention or any loss of data. These errors are detected and
 105 corrected by hardware. Unlike correctable errors, uncorrectable
 106 errors impact functionality of the interface. Uncorrectable errors
 107 can cause a particular transaction or a particular PCI Express link
 108 to be unreliable. Depending on those error conditions, uncorrectable
 109 errors are further classified into non-fatal errors and fatal errors.
 110 Non-fatal errors cause the particular transaction to be unreliable,
 111 but the PCI Express link itself is fully functional. Fatal errors, on
 112 the other hand, cause the link to be unreliable.
 113
 114 When AER is enabled, a PCI Express device will automatically send an
 115 error message to the PCIE root port above it when the device captures
 116 an error. The Root Port, upon receiving an error reporting message,
 117 internally processes and logs the error message in its PCI Express
 118 capability structure. Error information being logged includes storing
 119 the error reporting agent's requestor ID into the Error Source
 120 Identification Registers and setting the error bits of the Root Error
 121 Status Register accordingly. If AER error reporting is enabled in Root
 122 Error Command Register, the Root Port generates an interrupt if an
 123 error is detected.
 124
 125 Note that the errors as described above are related to the PCI Express
 126 hierarchy and links. These errors do not include any device specific
 127 errors because device specific errors will still get sent directly to
 128 the device driver.
 129
 130 3.1 Configure the AER capability structure
 131
 132 AER aware drivers of PCI Express component need change the device
 133 control registers to enable AER. They also could change AER registers,
 134 including mask and severity registers. Helper function
 135 pci_enable_pcie_error_reporting could be used to enable AER. See
 136 section 3.3.
 137
 138 3.2. Provide callbacks
 139
 140 3.2.1 callback reset_link to reset pci express link
 141
 142 This callback is used to reset the pci express physical link when a
 143 fatal error happens. The root port aer service driver provides a
 144 default reset_link function, but different upstream ports might
 145 have different specifications to reset pci express link, so all
 146 upstream ports should provide their own reset_link functions.
 147
 148 In struct pcie_port_service_driver, a new pointer, reset_link, is
 149 added.
 150
 151 pci_ers_result_t (*reset_link) (struct pci_dev *dev);
 152
 153 Section 3.2.2.2 provides more detailed info on when to call
 154 reset_link.
 155
 156 3.2.2 PCI error-recovery callbacks
 157
 158 The PCI Express AER Root driver uses error callbacks to coordinate
 159 with downstream device drivers associated with a hierarchy in question
 160 when performing error recovery actions.
 161
 162 Data struct pci_driver has a pointer, err_handler, to point to
 163 pci_error_handlers who consists of a couple of callback function
 164 pointers. AER driver follows the rules defined in
 165 pci-error-recovery.txt except pci express specific parts (e.g.
 166 reset_link). Pls. refer to pci-error-recovery.txt for detailed
 167 definitions of the callbacks.
 168
 169 Below sections specify when to call the error callback functions.
 170
 171 3.2.2.1 Correctable errors
 172
 173 Correctable errors pose no impacts on the functionality of
 174 the interface. The PCI Express protocol can recover without any
 175 software intervention or any loss of data. These errors do not
 176 require any recovery actions. The AER driver clears the device's
 177 correctable error status register accordingly and logs these errors.
 178
 179 3.2.2.2 Non-correctable (non-fatal and fatal) errors
 180
 181 If an error message indicates a non-fatal error, performing link reset
 182 at upstream is not required. The AER driver calls error_detected(dev,
 183 pci_channel_io_normal) to all drivers associated within a hierarchy in
 184 question. for example,
 185 EndPoint<==>DownstreamPort B<==>UpstreamPort A<==>RootPort.
 186 If Upstream port A captures an AER error, the hierarchy consists of
 187 Downstream port B and EndPoint.
 188
 189 A driver may return PCI_ERS_RESULT_CAN_RECOVER,
 190 PCI_ERS_RESULT_DISCONNECT, or PCI_ERS_RESULT_NEED_RESET, depending on
 191 whether it can recover or the AER driver calls mmio_enabled as next.
 192
 193 If an error message indicates a fatal error, kernel will broadcast
 194 error_detected(dev, pci_channel_io_frozen) to all drivers within
 195 a hierarchy in question. Then, performing link reset at upstream is
 196 necessary. As different kinds of devices might use different approaches
 197 to reset link, AER port service driver is required to provide the
 198 function to reset link. Firstly, kernel looks for if the upstream
 199 component has an aer driver. If it has, kernel uses the reset_link
 200 callback of the aer driver. If the upstream component has no aer driver
 201 and the port is downstream port, we will use the aer driver of the
 202 root port who reports the AER error. As for upstream ports,
 203 they should provide their own aer service drivers with reset_link
 204 function. If error_detected returns PCI_ERS_RESULT_CAN_RECOVER and
 205 reset_link returns PCI_ERS_RESULT_RECOVERED, the error handling goes
 206 to mmio_enabled.
 207
 208 3.3 helper functions
 209
 210 3.3.1 int pci_enable_pcie_error_reporting(struct pci_dev *dev);
 211 pci_enable_pcie_error_reporting enables the device to send error
 212 messages to root port when an error is detected. Note that devices
 213 don't enable the error reporting by default, so device drivers need
 214 call this function to enable it.
 215
 216 3.3.2 int pci_disable_pcie_error_reporting(struct pci_dev *dev);
 217 pci_disable_pcie_error_reporting disables the device to send error
 218 messages to root port when an error is detected.
 219
 220 3.3.3 int pci_cleanup_aer_uncorrect_error_status(struct pci_dev *dev);
 221 pci_cleanup_aer_uncorrect_error_status cleanups the uncorrectable
 222 error status register.
 223
 224 3.4 Frequent Asked Questions
 225
 226 Q: What happens if a PCI Express device driver does not provide an
 227 error recovery handler (pci_driver->err_handler is equal to NULL)?
 228
 229 A: The devices attached with the driver won't be recovered. If the
 230 error is fatal, kernel will print out warning messages. Please refer
 231 to section 3 for more information.
 232
 233 Q: What happens if an upstream port service driver does not provide
 234 callback reset_link?
 235
 236 A: Fatal error recovery will fail if the errors are reported by the
 237 upstream ports who are attached by the service driver.
 238
 239 Q: How does this infrastructure deal with driver that is not PCI
 240 Express aware?
 241
 242 A: This infrastructure calls the error callback functions of the
 243 driver when an error happens. But if the driver is not aware of
 244 PCI Express, the device might not report its own errors to root
 245 port.
 246
 247 Q: What modifications will that driver need to make it compatible
 248 with the PCI Express AER Root driver?
 249
 250 A: It could call the helper functions to enable AER in devices and
 251 cleanup uncorrectable status register. Pls. refer to section 3.3.
 252
 253
 254 4. Software error injection
 255
 256 Debugging PCIE AER error recovery code is quite difficult because it
 257 is hard to trigger real hardware errors. Software based error
 258 injection can be used to fake various kinds of PCIE errors.
 259
 260 First you should enable PCIE AER software error injection in kernel
 261 configuration, that is, following item should be in your .config.
 262
 263 CONFIG_PCIEAER_INJECT=y or CONFIG_PCIEAER_INJECT=m
 264
 265 After reboot with new kernel or insert the module, a device file named
 266 /dev/aer_inject should be created.
 267
 268 Then, you need a user space tool named aer-inject, which can be gotten
 269 from:
 270     http://www.kernel.org/pub/linux/utils/pci/aer-inject/
 271
 272 More information about aer-inject can be found in the document comes
 273 with its source code.