03 固件更新：mlxup工具烧录网卡固件与恢复出厂配置

🎯固件异常定位与恢复目标：从Observe到Fix

固件更新要确认的对象和结果

在数据中心运维中，网卡固件损坏或版本不匹配是导致链路中断、性能降级（例如无法协商到预期的 5g 速率）的常见根因。本节的核心意图是建立一套可复现的固件故障处理流程：从现象观察（Observe）到问题定位（Locate），再到触发修复动作（Fix/Recover）。你将掌握使用 mlxup 工具在在线（Online）与离线（Offline）两种模式下完成固件烧录，并学会在固件完全损坏时通过恢复出厂配置（Factory Defaults）让网卡重新可识别

整个流程的触发器（Trigger）通常是网卡指示灯异常、系统日志（dmesg）报错或 ibstat/ethtool 命令无法获取设备信息。我们的目标是将网卡从“不可用”或“异常”状态，通过固件操作恢复到“可用”且“配置正确”的状态

🧭固件更新的对象步骤与验收点

mlxup 是 Mellanox 官方提供的固件管理工具，它通过读取网卡上的固件存储区（Flash）来执行写入操作。其核心机制分为两种路径：

• 在线升级（Online Update）：在操作系统正常运行、网卡驱动已加载的情况下执行。工具会尝试卸载驱动（mlxup -d 或自动处理），写入新固件，然后重新加载驱动。此方式适用于固件未损坏、仅需版本升级的场景
• 离线恢复（Offline Recovery）：当固件损坏导致网卡无法被驱动识别时，需使用 mlxup --image 指定固件镜像文件，并配合 --force 参数强制烧录。此操作通常在系统启动早期或使用专用恢复环境（如 UEFI Shell 或 Linux Live CD）下进行

恢复出厂配置（Factory Defaults）是修复过程中的关键检查点。它并非简单的“重置”，而是将网卡上的非易失性存储（如 NVData 区域）恢复到出厂状态，清除错误的配置参数（如错误的速率协商策略、错误的端口配置）。执行命令为：mlxup --reset 或 mlxconfig -d /dev/mst/mt4123_pciconf0 reset（需根据实际设备路径调整）

⭐固件更新的技术资产与验证方式

以下命令片段是本节的核心技术资产，涵盖了从查询到强制恢复的完整操作链。请在实际环境中根据设备路径（/dev/mst/*）调整

# 1. 查询当前固件状态（Observe & Locate）
mlxup --query
# 2. 在线升级固件（Trigger Fix）
mlxup -d /dev/mst/mt4123_pciconf0 -i fw-ConnectX5-25G.bin
# 3. 离线强制烧录（当网卡不可见时，需在恢复环境执行）
mlxup --image fw-ConnectX5-25G.bin --force
# 4. 恢复出厂配置（Fix/Recover）
mlxup --reset -d /dev/mst/mt4123_pciconf0
# 5. 验证固件版本与配置（Verify）
mlxup --query
mlxconfig -d /dev/mst/mt4123_pciconf0 query | grep -i "speed\|rate"

阅读这段代码时，重点看固件更新的伪代码，以及它如何用稳定性与可观测性证明结果可复测。

命令解释--query 用于定位当前固件版本和 PSID；-i 指定固件镜像文件；--force 跳过校验，用于损坏恢复；--reset 是恢复出厂配置的唯一入口；最后的 mlxconfig query 用于验证配置参数是否已重置为默认值，例如确认速率协商策略未被锁定

为了系统化地排查固件相关故障，请参考以下排障表。该表将现象、可能原因、检查位置和修复动作串联起来，形成完整的定位路径

🧭何时停止操作并寻求替代方案的异常信号与处理步骤

固件操作具有不可逆性，错误的操作可能导致网卡永久失效。以下是必须遵守的风险边界与判断标准：

• PSID 一致性：固件镜像文件的 PSID 必须与网卡标签或 mlxup --query 输出的 PSID 完全一致。强行烧录不匹配的固件会导致网卡变砖。这是第一道检查标准
• 电源与连接：在离线烧录过程中，严禁断开网卡电源或 PCIe 连接。任何中断都会导致 Flash 写入失败，使固件损坏。建议使用 UPS 或确保服务器处于稳定供电环境
• 回滚准备：在执行升级前，必须通过 mlxup --query 记录当前固件版本，并保存一份当前版本的固件镜像文件。如果升级后出现异常，应能立即回滚到旧版本
• 判断标准表：当出现以下情况时，应停止当前操作并寻求厂商支持：
  • 连续两次 mlxup --force 烧录后，网卡仍无法被 lspci 识别
  • 恢复出厂配置后，网卡 MAC 地址变为全零或无效值
  • 工具提示“Flash Lock Failed”或“Device Not in Update Mode”

最后，验证动作是闭环的关键。完成固件更新或恢复后，必须执行 mlxup --query 确认固件版本已变更，并使用 ethtool eth0 确认链路状态和协商速率（如 25G）。同时，检查 dmesg 日志中是否有新的错误信息。只有所有检查点通过，才能判定本次固件操作成功