136、PCIE在NVMe SSD中的应用：从一次诡异的丢盘故障说起

136、PCIE在NVMe SSD中的应用：从一次诡异的丢盘故障说起

上周实验室的NVMe测试平台又出怪事了——跑满负载半小时后，系统突然报“I/O设备错误”，盘直接消失。重启后盘能认，但一上压力就复现。这种玄学问题最让人头疼：硬件看起来正常，温度不高，供电也稳，偏偏在高压下掉链子。

问题定位：PCIE链路状态暗藏玄机

上PCIE分析仪抓包太贵，先看系统日志。lspci -vvv看到关键信息：

LnkSta: Speed 8GT/s, Width x4 LnkCtl: ASPM L1 Enabled

等等，这个ASPM L1状态有点可疑。再看dmesg里有一行不起眼的警告：

pcieport 0000:00:1c.0: PCIe Bus Error: severity=Corrected, type=Physical Layer

物理层错误？虽然被纠正了，但频繁出现肯定有问题。

上BMC看PCIE链路训练记录，发现故障前有大量LTSSM状态跳变：

LTSSM: L0 -> Recovery -> L0 -> L1 -> L0

链路在L0（全速工作）和L1（低功耗）之间反复横跳，每次恢复都要重新训练，这就解释了为什么高压下会丢盘——链路稳定性被功耗管理策略给坑了。