080、PCIE错误消息与错误转发：从一次诡异的设备掉线说起

080、PCIE错误消息与错误转发：从一次诡异的设备掉线说起

上个月在客户现场调试，遇到个邪门事儿：系统跑着跑着，某个PCIE网卡突然就“消失”了。lspci里找不到，重启又能恢复。查了两天日志，终于在dmesg里看到一行：

[ 1234.567] pcieport 0000:00:1c.0: AER: Corrected error received: 0000:01:00.0
[ 1235.678] pcieport 0000:00:1c.0: PCIe Bus Error: severity=Corrected, type=Physical Layer

就是这行“Corrected”（已纠正）的错误，背后藏着PCIE错误处理的核心逻辑。今天咱们就掰开揉碎讲讲，PCIE的错误消息到底怎么传递，系统怎么处理，以及为什么有时候“修好了”的错误反而会坏事。

错误分类：不是所有错误都致命

PCIE把错误分成三大类，这个分类直接影响后续处理流程：

可纠正错误（Correctable Error）
比如链路层的CRC校验错，硬件自己重传一次就能搞定。这类错误通常不打断业务，但频繁出现可能暗示硬件问题。上面那个案例就是典型——设备自己恢复了，但系统知道“这里出过事”。

非致命错误（Uncorrectable Error Non-Fatal）
数据错了，但设备和链路还能用。比如事务层的数据包内容错误，软件需要介入处理，