CATERR 介绍

CATERR# 是 CPU 上的一个引脚，当CPU 有严重错误发生时，这个引脚会拉低（#表示低有效）。它在所有的Intel CPU 上都有。特别注意：这里是 OD 输出，是没法输出高电平，想要输出高电平，必须外部再接一个上拉电阻（pull-up resistor）。换句话说，如果测量这里为高或者低，务必记得在外面连接一个上拉电阻才能得到正确值【参考3】.

Intel 错误分类

首先是两大类：可以检测到的(Detected) 和 不可以检测到的(Undetected)。其中的 Undetected 是非常重要的，因为这种错误无法检测到的错误是没有办法捕捉到和处理的。进一步分为影响不大的 (Benign)和Critical(严重的，这种又被称作 Silent Data Corruption缩写 SDC)。作为系统设计者，必须努力降低这种情况的发生率。

更多的，我们需要关注Detected 这一类。其中又分作可纠正（Corrected）错误（例如，ECC 内存发现了错误，然后可以纠正为正确值）和不可纠正（Uncorrected）错误。例如，我们经常看到的蓝屏就是可以检测不可纠正错误。再进一步，不可纠正（Uncorrected）错误又分作可检测但是不可修正错误（DUE）和可检测不可纠正但可恢复错误（UCR，比如在从U盘Copy 数据到硬盘时，发生了错误，这个错误就是可以检测不可纠正，但是再次尝试读取还可以继续Copy，就是 UCR错误）。

显而易见，我们最大的敌人是DUE。

Intel 内置了 MCA（Machine Check Architecture）来帮助诊断DUE。这也是为什么在碰到稀奇古怪的问题时需要使用 CCA/DCI 的原因：CPU 死翘翘的，只能从不依赖CPU 的路径取得当前的错误。MCA提供了检测和记录：系统总线错误，内存错误，奇偶校验错误，Cache错误和TLB 错误等等。它是通过CPU内部的一组专用的MSR寄存器来实现的。例如：下面就是一组MCA 的 MSR 寄存器：

这里有一个MCA 应用的典型例子【参考4】。当问题发生的时候CATERR#会拉低，进一步检查出现的错误是ROB Timeout（这个有时候也被称作  “three-strike timeout”。3 strike 翻译为“三振出局” ,通常出现问题的时候CPU会进行多次尝试，尝试都失败后就放弃之）。这里提到的 ROB 在前面有介绍过，作用是：“Retirement (Reorder buffer, ROB) ，"主要用于记录μops的状态以及存储EU执行完成后返回的结果，然后按照in-order的顺序把执行结果写回寄存器”。ROB Timeout 的意思是有正在执行的指令超时。所有的指令发送给下一层的 Scheduler 来分配执行的时候会进行记录，如果15秒之后无法得到结果，会报告这个错误。

很明显这样的错误更容易出现在内存读写，IO读写等等和外围设备打交道的情景中。【参考4】提到的错误是发生在内存读写中，发生问题的内存地址是一个 PCIE设备映射的位置，最终配合PCIE 逻辑分析仪找到了原因。

作为BIOS工程师，大部分工作是在诊断定位问题，真正BIOS本身的问题少之又少，类似上面这种问题，如果能确定是某个PICE 的问题，下面直接交给对应工程师或者联系厂商就可以了。

参考：

1. https://www.intel.com/content/dam/www/public/us/en/documents/datasheets/10th-gen-core-families-datasheet-vol-1-datasheet.pdf
2. https://www.intel.com/content/dam/www/public/us/en/documents/research/2012-vol16-iss-2-intel-technology-journal.pdf
3. https://blog.csdn.net/zwl1584671413/article/details/83095044?ops_request_misc=%257B%2522request%255Fid%2522%253A%2522163100098916780265447231%2522%252C%2522scm%2522%253A%252220140713.130102334.pc%255Fblog.%2522%257D&request_id=163100098916780265447231&biz_id=0&utm_medium=distribute.pc_search_result.none-task-blog-2~blog~first_rank_v2~rank_v29-1-83095044.pc_v2_rank_blog_default&utm_term=OD&spm=1018.2226.3001.4450 单片机I/O口推挽输出与开漏输出的区别（open-drain与push-pull）
4. https://www.intel.com/content/dam/www/public/us/en/documents/white-papers/rob-timeout-debug-guide-paper.pdf