基于華為ATCA硬件平臺GCU板故障引發部分呼叫異常案例分析

【摘要】華為ATCA平臺和原CPCI平臺在業務能力的提供上保持一致，但ATCA平臺采用集成度高的UPB（通用業務處理）單板，軟件性能發揮硬件多核多CPU的優勢，引入“GCU業務進程組”的概念。因此在硬件故障處理上與CPCI平臺略有不同。本案例主要講述ATCA平臺下業務單板故障的處理過程，供大家參考。

【關鍵詞】ATCU硬件平臺GCUBSGCCU

一、故障背景

6月20日邯鄲測試新局HDGS11上報0框1槽GCU單板故障，同時有M3UA鏈路故障告警。經過多次撥打測試發現被叫有時不能正常接通。由于上面配置有CCU/CDB/VDB/BSG進程模塊，除了BSG模塊是負荷分擔外，其它都是主備用的，當時在1槽是主用的模塊已經倒換到了0槽。但由于BSG上配置有M3UA鏈路，導致該BSG上的M3UA鏈路故障。

二、問題、事件描述

0框1槽GCU單板配置有CCU/CDB/VDB/BSG進程模塊，除了BSG模塊是負荷分擔外，其它進程模塊都是主備用的。在1槽GCU單板故障時，在1槽是主用的模塊均倒換到了0槽。但由于BSG模塊是負荷分擔，1槽模塊上配置有M3UA鏈路，所以導致該BSG上的M3UA鏈路故障。

三、分析與對策

1.單板故障原因分析從單板故障日志可以看到“VRD Power： Power supply failure.”的打印，即0框1槽單板VRD電源硬件故障失效且不穩定，引起單板內的VRD電源模塊供電不足，單板異常下電；單板VRD供電不穩定導致單板反復重啟，一直無法進入操作系統，頻繁引起單板異常下電告警。

2.0槽的WCCU模塊記錄的到1401、1403BSG模塊鏈路狀態正常（這兩個BSG在1槽單板，實際已經故障），造成三種撥測失敗現象：現象一：取漫游號碼時沒有位置區，被叫失敗。沒有位置區時，POOL局點默認不會下發全網尋呼，因此也不分配漫游號碼。沒有位置區的原因，也是由于1300，1301VDB的用戶位置更新失敗（同樣是位置更新的時候，這些WCCU將消息發到了故障BSG），刪除了用戶數據，做被叫時觸發了被叫恢復，但POOL局點不會成功，因為POOL局點關閉了全網尋呼；現象二：取漫游號碼失敗。若HLR將PRN消息送到這些WCCU模塊，返回PRN時，同樣可能送給這兩塊BSG，導致失敗。現象三：取路由失敗。若BSC上來的業務在這些WCCU上處理，WCCU可能將取路由消息發給這兩塊故障BSG，而這兩塊BSG的鏈路是故障的，所有消息無法發出。發給其他BSG則正常處理。綜述，只要用戶位置更新成功，或者做一次主叫，就能解決現象一。若業務進入了異常WCCU和故障BSG這條路徑處理，則出現呼叫受損。

3.出現異常WCCU和故障BSG路徑的原因1槽單板上有1401，1403兩個BSG模塊，0槽和1槽的WCCU模塊互為主備。單板故障后，平臺檢測到BSG故障，會通知0槽的1000至1007的WCCU模塊刷新鏈路狀態，WCCU正好是從備升主的倒換過程，此時刷新鏈路狀態失敗，這些WCCU仍然認為這兩個BSG上的鏈路仍然是好的，所有消息有可能發給故障BSG，造成業務受損。

四、處理結果

經過分析此故障解決方式有三種：

（1）與故障單板形成主備關系的單板（如1槽和0槽），將該單板上WCCU模塊復位（實際上只要復位由備升主的模塊即可）；

（2）更換故障單板，鏈路恢復后，能夠正常處理消息；

（3）督促廠家進行軟件補丁加載徹底解決該問題。

HDGS11的解決方案是對0槽單板的WCCU模塊進行復位后告警消除，故障消失。

建議與討論

對于ATCA硬件平臺同時滿足以下條件，則需要采取規避措施：1.硬件單板故障后無法正常啟動；2.該單板存在WCCU，WCDB，BSG模塊；3.該單板的BSG上面鏈路以前是正常工作的；故障現象：1.做用戶跟蹤撥測隨機失敗，局內或者局間，被叫在本局，發現這些WCCU模塊的SRI消息20秒超時無響應或者PRN消息分配后沒有IAM入局；2. UMTS或者GSM用戶發話話務測量的接通率下降明顯；3.話統任務中的全局失敗原因值中的115和230原因值有明顯增加【恢復措施和方案】恢復措施：和故障單板形成主備關系的單板（如1槽和0槽），將該單板上WCCU模塊進行復位。