111、PCIE热插拔实战笔记：从一次半夜告警说起

111、PCIE热插拔实战笔记：从一次半夜告警说起

凌晨两点，手机突然狂震——监控系统显示某台关键服务器的PCIE扩展卡离线了。冲到机房，发现运维同事刚“热插拔”了一张数据采集卡，系统日志里满是AER: Uncorrected error和device removed unexpectedly。这场景是不是很熟悉？今天咱们就深挖PCIE热插拔那点事儿。

热插拔的两种面孔

很多人以为热插拔就是带电插拔，其实水很深。原生热插拔（Native Hot-Plug）是硬件层面直接支持的，PCIE插槽自带感应引脚和指示灯，操作系统通过标准寄存器就能管理。标准热插拔（Standard Hot-Plug）则是软件方案，依赖驱动和中间层来模拟热插拔流程，硬件可能连个指示灯都没有。

那次故障的坑就在于：服务器用的是标准热插拔方案，但运维按原生热插拔的流程直接拔卡了。系统还没来得及清理DMA缓冲区和中断绑定，硬件就消失了，这才引发了一连段错误。

硬件信号的那些门道

原生热插拔插槽多了几个关键引脚：

• PRSNT1#和PRSNT2#：卡在位检测，这两个引脚通过金手指上的走线长短实现插入/拔出检测
• MRL（手动锁定开关）：感知卡是否被锁定到位
• 注意力指示灯：那个绿色/琥珀色的小灯，可不是装饰