一種基於內存錯誤的伺服器預警方法
2023-07-22 16:31:31 2
專利名稱：一種基於內存錯誤的伺服器預警方法
技術領域：
本發明涉及大型伺服器管理技術領域，具體地說是一種基於內存錯誤的伺服器預警方法。
背景技術：
I、當前的伺服器監控系統主要通過帶外監控來監控系統的溫度，電壓和風扇轉速等信息控制系統外部環境的穩定。這些帶外的方法無法覆蓋內存系統內存發生錯誤，尤其是當今伺服器集群系統內存條動則成百上千，一旦出問題很難定位；
2、當前的監控系統主要是基於時間的輪詢機制，這種機制雖然在一定程度上較為高效，但是如果系統不穩定發生的時間點正好在兩次輪詢中間，那麼監控系統就無法獲取這個錯誤，在一定程度上漏掉了這個錯誤，可能導致非常嚴重的後果。
發明內容
本發明的目的是提供一種基於內存錯誤的伺服器預警方法。本發明的目的是按以下方式實現的，包括以下步驟
(1)檢查BIOS的設置是否開啟了內存預警；
(2)如果開啟了內存預警則轉步驟3)，否則返回；
(3)在伺服器初始化階段設置CPU中斷，當其檢測到內存錯誤的時候發出SMI中斷；
(4)當CPU檢測到ECC校驗錯誤時發出SMI中斷；
(5)BIOS的SMI Handler檢測BIOS的設置是否開啟了 RAS，如果開啟RAS則轉步驟
6)，否則轉步驟8 ;
(6)檢測內存錯誤數是否達到了啟動RAS特性的臨界值，若使是，轉步驟7)，否則轉步驟8)；
(7)根據RAS設置包括內存熱備，內存鏡像，內存雙顆粒數據校正，來採取對應的措施，並且通過IPMI命令將對應的事件發送給BMC ；
(8)將發生錯誤的內存條的信息以及當前其總計發生的錯誤數目發送到BMC；
(9)BMC將BIOS發送的信息以易讀的方式實時解析到界面，並且實時的以Mail的方式發送給系統管理員，方便下次停機維護的時候對對應發生錯誤的內存進行處置。實時SMI中斷來處理內存錯誤，不需要作業系統有任何參與，在系統沒有發生內存錯誤時候不會有任何額外開銷，高效監控。基於系統運行時內存的穩定預警，區別於傳統的只能監控溫度，電壓等因素的預警，是一種更深層次的預警機制。本發明的有益效果如下
I)通過系統中斷的方式處理錯誤，在BIOS級別做全部處理，不需要作業系統的參與，更加實時高效；精確定位內存出錯位置，而且不會漏掉任何一個發生的錯誤，更加安全；在系統發生內存錯誤時利用RAS特性做系統內存低層次的恢復，從而保證了系統的穩定運行，在大型企業級伺服器集群上更為重要；
2)在系統內存初始化時根據BIOS的設置選項選擇CPU在檢查到內存ECC校驗錯誤時候是否發出SMI中斷；
3)在系統運行的過程中，若CPU檢查到內存ECC校驗錯誤，則通過中斷發送出來；
4)BI0S在收到中斷後通過判斷錯誤的級別是否需要採取進一步的RAS恢復，以及將錯誤恢復結果和具體錯誤內存條信息發送到BMC ；
5)BMC來解析錯誤具體信息並且將其發送到管理員郵箱，由系統管理員決定。
圖I是系統部署流程圖。
具體實施例方式參照說明書附圖對本發明的方法作以下詳細地說明。BIOS將預警功能在Setup界面上做給用戶做出選擇。具體實現流程
(1)如果開啟了內存預警則轉3，否則返回；
(2)在伺服器的內存初始化階段設置CPU對應寄存器，當其檢測到內存錯誤的時候發出SMI中斷；
(3)在SMI的Handler裡面註冊對應此功能的調用函數，在入口處判斷是否是自己需要處理的事件；
(4)當CPU檢測到ECC校驗錯誤時發出SMI中斷時。SMIHandler需要做得事情包括
①檢測BIOS的設置是否開啟了RAS，如果開啟RAS則轉②否則轉④；
②檢測內存錯誤數是否達到了啟動RAS特性的臨界值，若使是，轉③，否則轉④；
③根據RAS設置(內存熱備，內存鏡像，內存雙顆粒數據校正)來採取對應的措施，並且通過IPMI命令將對應的事件發送給BMC ；
④將發生錯誤的內存條的信息以及當前其總計發生的錯誤數目發送到BMC。BMC將BIOS發送的信息以易讀的方式實時解析到界面，並且實時的以Mail的方式發送給系統管理員，方便下次停機維護的時候對對應發生錯誤的內存
除說明書所述的技術特徵外，均為本專業技術人員的已知技術。
權利要求
1.一種基於內存錯誤的伺服器預警方法，其特徵在於包括以下步驟 (1)檢查BIOS的設置是否開啟了內存預警； (2)如果開啟了內存預警則轉步驟(3)，否則返回； (3)在伺服器初始化階段設置CPU中斷，當其檢測到內存錯誤的時候發出SMI中斷； (4)當CPU檢測到ECC校驗錯誤時發出SMI中斷； (5)BI0S的SMIHandler檢測BIOS的設置是否開啟了 RAS，如果開啟RAS則轉步驟(6)，否則轉步驟8 ； (6)檢測內存錯誤數是否達到了啟動RAS特性的臨界值，若使是，轉步驟(7)，否則轉步驟(8)； (7)根據RAS設置包括內存熱備，內存鏡像，內存雙顆粒數據校正，來採取對應的措施，並且通過IPMI命令將對應的事件發送給BMC ； (8)將發生錯誤的內存條的信息以及當前其總計發生的錯誤數目發送到BMC; (9)BMC將BIOS發送的信息以易讀的方式實時解析到界面，並且實時的以Mail的方式發送給系統管理員，方便下次停機維護的時候對對應發生錯誤的內存進行處置。
2.根據權利要求I所述的伺服器預警方法，其特徵在於實時SMI中斷來處理內存錯誤，不需要作業系統有任何參與，在系統沒有發生內存錯誤時候不會有任何額外開銷，高效監控。
3.根據權利要求I所述的伺服器預警方法，其特徵在於基於系統運行時內存的穩定預警，區別於傳統的只能監控溫度，電壓等因素的預警，是一種更深層次的預警機制。
全文摘要
本發明提供一種基於內存錯誤的伺服器預警方法，1)通過系統中斷的方式處理錯誤，在BIOS級別做全部處理，不需要作業系統的參與，精確定位內存出錯位置，在系統發生內存錯誤時利用RAS特性做系統內存低層次的恢復，從而保證了系統的穩定運行，在大型企業級伺服器集群上更為重要。2)在系統內存初始化時根據BIOS的設置選項選擇CPU在檢查到內存ECC校驗錯誤時候是否發出SMI中斷。3)在系統運行的過程中，若CPU檢查到內存ECC校驗錯誤，則通過中斷發送出來。4)BIOS在收到中斷後通過判斷錯誤的級別是否需要採取進一步的RAS恢復，以及將錯誤恢復結果和具體錯誤內存條信息發送到BMC。5)BMC來解析錯誤具體信息並且將其發送到管理員郵箱，由系統管理員決定。
文檔編號G06F11/10GK102681909SQ20121012896
公開日2012年9月19日 申請日期2012年4月28日 優先權日2012年4月28日
發明者曹光耀 申請人:浪潮電子信息產業股份有限公司