air-gapped/memory-tester

# memory-tester 针对厂商工具无法解决的场景的服务器内存诊断。厂商的诊断工具仅测试位并记录事件；没有任何工具能将 DIMM 身份（序列号）、插槽/通道拓扑、错误历史和物理证据整合为一份可分析的记录。而本工具可以做到。 它旨在理清以下故障模式： 1. 在一系列插槽范围内报告的错误，且在更换或移除被怀疑的 DIMM 后依然存在（区分 DIMM、插槽、通道还是 CPU 插槽）。 2. 识别层故障：启动时识别到的 DIMM 数量少于物理安装的数量、未知/灰色模块状态，或者报告在未占用插槽中存在模块（SPD/SMBus/BMC 清单路径异常）。 支持的平台拓扑表（自动检测）：Dell PowerEdge R860（4 路 Sapphire Rapids，DDR5）和 R6525（2 路 EPYC 7003，DDR4）。 添加一个平台 = 只需根据其服务手册创建一个映射模块。 ## 此工具的功能 1. **持续追踪物理真相** — 哪个 DIMM 序列号位于哪个插槽中（插槽 → 通道 → CPU 插槽映射），在每次关机更换操作前后进行快照。 2. **将错误与拓扑关联** — 摄取 EDAC/rasdaemon、dmidecode/SMBIOS、mcelog/MCE 以及（在可用时）iDRAC/Redfish 的数据，并将每个错误映射到其发生时的物理位置。 3. **推荐下一步实验** — 根据错误历史和更换记录，提出能最好地区分 DIMM、插槽、通道还是 CPU 的最小更换方案。 4. **支持 AI/人机协同循环** — 所有输出均为结构化数据，可被 Claude Code 等工具读取；数据包被提交到 git 中，以便 AI 可以读取历史记录，发现人类忽略的模式，并建议下一步测试。 ## 设计决策（当前） 1. Rust；单一静态二进制文件，可在服务器、操作员工作站和 QEMU 客户机上运行。 2. 数据包：仅追加的证据目录；逐字记录的原始层是基准事实；`topology.json`（平台自动检测：R860、R6525）使每个数据包均可通过 jq 进行关联；派生的 JSON 服务于当下（架构 v2）。 3. Agent 优先：工具负责收集和关联；推理由 Claude + 人类完成；人类执行工作指令。 4. 完全基于模拟开发（无需访问目标服务器）；通过克隆代码库（主要方式）或现场工具包 tarball（备用方式）进行现场部署。 ## 无二进制发布 设计上仅限代码库：请自行构建。 ``` cargo build --release # native cargo build --release --target x86_64-unknown-linux-musl # static, for servers ``` ## 用法 `memory-tester --help`（命令 + 循环）和 `docs/RUNBOOK.md`（完整流程）是事实来源。使用 `scripts/build-field-kit.sh` 构建现场工具包；使用 `scripts/vm-harness.sh /tmp/vm` 运行 QEMU 端到端测试。 ## 参考 - `docs/RUNBOOK.md` — Agent 手册：精确的诊断顺序。 - `docs/r860-memory-digest.md`，`docs/r6525-memory-digest.md` — 插槽/通道映射、配置规则、来自 Dell 手册的维护流程（包含页码引用）。 - `docs/research/dimm-fault-diagnosis-research-2026-07-27.md` — 深度研究报告（9 个 Agent，约 90 个来源）：故障分类法和分类规则，Linux EDAC/rasdaemon 陷阱，RAS 错误屏蔽清单 + 最大可见性 BIOS 配置方案，Dell 更换/PPR 原则，iDRAC/Redfish 摄取面，贝叶斯更换方案顾问设计，以及选择 Rust 语言的决定。

标签：Dell PowerEdge, Rust, 内存诊断, 可视化界面, 故障排查, 服务器运维, 硬件拓扑, 网络流量审计, 身份验证强制, 通知系统