恢復伺服器機架中刀片服務處理器的失敗快閃記憶體的方法和系統的製作方法
2023-10-08 12:08:39
專利名稱：恢復伺服器機架中刀片服務處理器的失敗快閃記憶體的方法和系統的製作方法
技術領域：
本發明一般地涉及計算機領域，尤其涉及封裝在伺服器機架中的多個刀片(blade)伺服器。更特別地，本發明涉及用於自動地恢復刀片服務處理器的失敗快閃記憶體的方法和系統。
背景技術：
伺服器刀片計算機在單個機架(刀片機架)中提供高密度伺服器板(刀片)。典型的伺服器刀片計算機在圖1中說明，標識為伺服器刀片機架102。伺服器刀片機架102包括多個可熱插拔的伺服器刀片104a-n。在伺服器刀片機架102中典型地存在十四個伺服器刀片104。伺服器刀片104的操作由標識為管理模塊108的邏輯來協調，該管理模塊108典型地包括用於控制輸入/輸出(I/O)功能、與網絡106(例如網際網路或區域網)接口、並且分配作業和數據到不同伺服器刀片104的處理器。
管理模塊108的另一個功能是編程伺服器刀片104中的閃速只讀存儲器(閃速存儲器)。該快閃記憶體操作更新伺服器刀片104中的固件，產生最佳操作。但是，因為伺服器刀片104是可熱插拔的，當伺服器刀片104處於可能需要幾分鐘的快閃記憶體操作中時，通常沒有什麼防止工程師從伺服器刀片機架102的中平面或後平面(沒有顯示)中無意地移除伺服器刀片104。當部分快閃記憶體的伺服器刀片104重新安裝到伺服器刀片機架102或另一個機架中時，它將經常出故障。當重新安裝到伺服器刀片機架102中時，重新安裝的伺服器刀片104中的自診斷邏輯將識別到，快閃記憶體操作未能完全執行。但是，伺服器刀片104將失敗於不知道它在伺服器刀片機架102中的總線地址或物理位置的點，因此不能用失敗快閃記憶體來通知管理模塊108該問題。
類似地，即使伺服器刀片104沒有從伺服器刀片機架102中移除，但是快閃記憶體操作失敗，管理模塊108將可能不知道失敗。再次，伺服器刀片104將不能通知管理模塊108該問題。
因此，需要一種使得伺服器刀片在導致伺服器刀片不知道它在伺服器刀片機架中的位置的失敗快閃記憶體操作之後，能夠與伺服器刀片機架中的管理模塊通信的方法和系統。
發明內容
本發明涉及一種用於恢復多個伺服器刀片計算機中在伺服器刀片中的服務處理器上的快閃記憶體更新操作期間丟失的伺服器刀片的方法和系統。因為快閃記憶體更新失敗，丟失的伺服器刀片不知道它在管理通路上的位置，該管理通路典型的形式可能是連接伺服器刀片機架中的伺服器刀片和管理模塊的中平面或總線。丟失的伺服器刀片將指示快閃記憶體失敗的信號放在管理通路上。該信號放在為這種消息保留的特殊信道上。管理模塊接收信號，然後確定多個伺服器刀片中哪個因快閃記憶體更新失敗而丟失。
如果多個快閃記憶體更新失敗同時發生，管理模塊阻塞與除一個外所有丟失伺服器刀片的通信，並且重新快閃記憶體該一個未被阻塞的伺服器刀片，從而使得該一個未被阻塞的伺服器刀片能夠定義它在管理通路上的位置(地址)。其他丟失伺服器刀片中每個順序地解除阻塞，重新快閃記憶體，從而使得能夠定義它們在管理通路上的位置。
本發明的上面，以及另外目的、特徵和優點將在下面詳細描述中變得明白。
認為表徵本發明的新特徵在附加權利要求書中陳述。但是，本發明自身，以及優選使用模式，其更多目的和優點，當結合附隨附圖閱讀時通過參考下面說明實施方案的詳細描述來最好地理解。
圖1描述連接到網絡的伺服器刀片機架的現有技術圖；
圖2a說明包括與管理模塊相關聯、用於隔離和定位因快閃記憶體失敗而丟失的伺服器刀片的刀片阻塞器的刀片機架。
圖2b描述服務刀片的一個中服務處理器中非易失性存儲器的結構；圖3是恢復單個丟失伺服器刀片所採取步驟的流程圖；以及圖4是恢復多於一個丟失伺服器刀片所採取步驟的流程圖。
具體實施例方式
現在參考圖2a，描繪根據本發明優選實施方案的伺服器刀片機架200的示意框圖。為了清楚，僅一個管理模塊202和三個伺服器刀片204a-n被描繪。但是，在優選實施方案中，備用管理模塊202(沒有顯示)包括在伺服器刀片機架200中，並且伺服器刀片機架200具有能夠連接十四或更多伺服器刀片204的中平面206。
管理模塊202是能夠管理多個伺服器刀片204的邏輯。管理模塊202經由標識為中平面206的管理通路連接到伺服器刀片204a-n。中平面206是安裝在伺服器刀片機架200中間的後平面，其包含另外的電子設備或卡，包括伺服器刀片204可以插入其中的電路和插口。中平面206包含用於管理模塊202和伺服器刀片204a-n之間，以及伺服器刀片204a-n自身之間，經由各自的服務處理器208a-n安全內部通信的至少一個總線。
管理模塊202能夠檢測系統中每個伺服器刀片204，電源模塊210，和中平面206的存在、數量、類型和修正級別。管理模塊202也可以指示快閃記憶體操作並且識別快閃記憶體操作的失敗，如下面更多描述的。
每個伺服器刀片204具有至少一個中央處理單元(CPU)212，和非易失性存儲器(NVM)214。優選地，NVM 214是閃速只讀存儲器(「閃速ROM」或「閃速存儲器」)，其可以稱作塊的存儲為單位擦除並重新編程。NVM 214也可以包括非易失性電可擦除可編程只讀存儲器(EEPROM)，其類似於閃速存儲器，除了EEPROM以字節級擦除和重新寫入，並且通常比閃速存儲器的容量小。
當伺服器刀片204從製造商發貨時，NVM 214典型地使用固件預先燒制，包括基本輸入/輸出系統(BIOS)以及用於監控伺服器刀片204的軟體。這種監控可能包括經由對冷卻風扇215的速度調節來調節操作溫度，控制直接存取存儲設備(DASD)，監控並控制整個系統的電壓，確定伺服器刀片204的通電狀態，請求對共享鍵盤、視頻、滑鼠、光碟只讀存儲器(CD-ROM)和/或軟盤驅動器的訪問，以及監控運行在伺服器刀片204上的作業系統(OS)。為了利用更新和其他優化，該固件由管理模塊202周期性地更新，其將固件更新重新快閃記憶體到NVM214中。
例如，可存取到管理模塊202(雖然不一定在其中)的更新快閃記憶體碼216可以下載到任何或所有服務處理器208。每個服務處理器208控制快閃記憶體碼216到其各自相關NVM 214中的快閃記憶體。如果快閃記憶體碼216到NVM214中的快閃記憶體失敗，那麼伺服器刀片204的管理可能丟失。
例如，考慮更新快閃記憶體碼216到NVM 214a中的失敗快閃記憶體操作的下面實例。在快閃記憶體操作期間，伺服器刀片204a可能在快閃記憶體操作完成之前物理地從其插槽中移除。類似地，在快閃記憶體期間可能存在間歇的電源故障或尖峰信號，或者可能僅僅存在使得快閃記憶體未能完成的控制、時序或者任何其他軟體或硬體錯誤。這種失敗可能導致伺服器刀片204a的服務處理器208a「忘記」它在中平面206上的地址，從而伺服器刀片204a的地址，如下面所描述的。
現在參考圖2b，NVM 214劃分成兩個部分保護區218和快閃記憶體區220。存儲在保護區218中的是不可擦除(不能夠重寫)的代碼，其可能包括與NVM 214相關聯的伺服器刀片204的重要產品數據(VPD)例如序列號、型號和通用唯一標識符(UUID)。保護區218也可能包括跟蹤數據，包括伺服器刀片204在過去曾經安裝到哪個其他伺服器刀片機架200，如果存在的話。但是，保護區218不包括伺服器刀片204在說明為中平面206的管理通路上的當前地址(「管理通路標識」)。
中平面206包含伺服器刀片204可以插入其中的插口222。當伺服器刀片204插入到特定插口222中時，物理位置為該伺服器刀片204建立。例如，考慮伺服器刀片204a插入到插口222a中。描繪為I2C邏輯224a的控制邏輯，其符合Phillips的IC(集成電路)間標準(在此引用其全部內容作為參考，並且通常稱作「I2C」)，檢測插口222a中伺服器刀片204a的存在。和管理模塊202一起操作的I2C邏輯224a，將中平面206中總線上的物理地址分配給伺服器刀片204a，當伺服器刀片204a插入到插口222a中時。優選地，每個伺服器刀片204與優選地連接到中平面206的唯一I2C邏輯224相關聯，如圖2a中描繪的。作為選擇，單個I2C邏輯224可以由所有伺服器刀片204使用。
作為選擇，每個插口刀片204可以具有在中平面206上唯一的網際網路協議(IP)地址。也就是，中平面206可以使用IP尋址協議來支持內部通信，其中連接或結合到中平面206的每個設備包含由在伺服器刀片機架200內部或外部的邏輯(沒有顯示)指定的IP位址。例如，動態主機配置協議(DHCP)伺服器110，如圖1中所示，可以用來將IP位址分配給伺服器刀片204a。此後，與伺服器刀片204a的通信經由與伺服器刀片204a相關聯的網絡接口卡(NIC)226a。
管理模塊202管理刀片地址列表228，其是中平面206上所有管理通路位置(或者是物理總線地址如果使用插口222，或者是IP位址如果使用NIC 226)的列表。該刀片地址列表228用來在圖3和4描述的步驟中識別丟失伺服器刀片204。
再次參考圖2a，以典型的方式，位於管理模塊202和中平面206之間的是刀片阻塞器230，其選擇性地阻塞管理模塊202與伺服器刀片204中指定服務處理器208的任何組合之間的通信。刀片阻塞器230的默認狀態允許管理模塊202和伺服器刀片204之間(經由各自服務處理器208)的無限制通信，其中管理模塊202和伺服器刀片204之間的特定通信根據來自管理模塊202的信號/命令而阻塞。刀片阻塞器230用來隔離特定伺服器刀片204的服務處理器208，當多個伺服器刀片204的服務處理器208丟失時，如圖4中描述的。
同樣與中平面206相關聯的是存在檢測設備232。可能是I2C設備的存在檢測設備232能夠與管理模塊202通信，以識別哪個伺服器刀片204安裝在中平面206上。
現在參考圖3，描繪在本發明優選實施方案中恢復丟失伺服器刀片所採取的步驟的流程圖。在啟動程序302處開始，伺服器刀片的服務處理器中的閃速ROM使用固件的更新來快閃記憶體(塊304)。從管理模塊下載到服務處理器的該固件優選地是上面參考圖2a-b描述的。也就是，下載(快閃記憶體)到閃速ROM的快閃記憶體區中的該固件是先前存儲固件的更新，並且包括優化相關伺服器刀片的操作的代碼。
在快閃記憶體操作期間，伺服器刀片的邏輯位置可能變成未定義直到快閃記憶體操作成功地完成。快閃記憶體操作可能因上面討論的原因而沒有成功地完成。如果沒有(詢問塊306)，伺服器刀片發送錯誤信號(塊308)。該錯誤信號在管理模塊和伺服器刀片之間的中平面中的特定地址(物理布線或IP位址)上發送。例如，如果伺服器機架具有十四個伺服器刀片的插口，每個具有在中平面總線上的唯一地址，那麼中平面總線上的第十五個地址為指示伺服器刀片中閃速ROM的失敗快閃記憶體操作的錯誤信號而保留。
但是，管理模塊僅從錯誤信號中將不知道哪個伺服器刀片未能使用更新的固件快閃記憶體其閃速ROM。因此，管理模塊首先檢查標識為伺服器機架系統一部分的所有伺服器刀片的位置(地址)列表(塊310)。管理模塊然後通過比較(應當在系統上的所有伺服器刀片的)伺服器刀片地址列表上的位置和當前具有與管理模塊的通信能力的伺服器刀片的地址，來確定哪個伺服器刀片「丟失」(因在失敗快閃記憶體操作期間其位置未定義)。該通信能力可以通過監控到和從伺服器刀片的通信量並且使用如上參考圖2a描述的存在檢測設備232來由管理模塊實現。在列表上但是沒有與管理模塊通信的伺服器刀片被推論為丟失伺服器(塊312)。
然後管理模塊，優選地使用圖2中描述的I2C邏輯224，向伺服器刀片提供(塊314)其當前管理通路位置(物理位置或IP位址)。該當前位置標識優選地通過轉換來自圖2a中所示刀片地址列表228的當前位置標識來提供。既然管理模塊和伺服器刀片知道伺服器刀片的恢復位置標識，管理模塊可以重新快閃記憶體伺服器刀片中的閃速ROM(塊316)，並且過程結束(結束程序塊318)。
可能存在兩個或多個伺服器刀片失敗的情況。圖4中所示的步驟滿足處理該情況的優選方法。雖然步驟描述為僅兩個伺服器刀片未能正確地快閃記憶體新的固件，該方法適合於任何數目的伺服器刀片，如這裡描述的。
以啟動程序塊402開始，管理模塊快閃記憶體第一和第二伺服器刀片的閃速ROM(塊404)。如果它們都失敗(詢問塊406)，那麼兩個伺服器刀片都將丟失。一個(或者優選地兩個都)伺服器刀片將失敗信號放置在連接到管理模塊的中平面總線上，其接收失敗信號(塊408)。如果第一和第二伺服器刀片都發送失敗信號，那麼管理模塊可能接收重複的失敗信號，指示兩個失敗的快閃記憶體。作為選擇，管理模塊可能僅接收到單個失敗信號，對於全部兩個伺服器刀片，兩個伺服器刀片都或者僅一個伺服器刀片發送失敗信號。
管理模塊不能通信到全部兩個伺服器刀片，因為如果兩個伺服器刀片同時在特定地址將發生的衝突問題。因此，管理模塊必須首先使用圖2a中描述的刀片阻塞器將伺服器刀片之一阻塞出去(塊410)。以圖3中描述的相同方式，管理模塊然後重新建立未被阻塞的伺服器刀片的位置標識，並且重新快閃記憶體那個伺服器刀片閃速ROM(塊412)。接下來，管理模塊指示刀片阻塞器以解除阻塞該被阻塞的伺服器刀片，另一個丟失伺服器刀片的標識位置被建立，並且它的閃速ROM以上述相同方式重新快閃記憶體(塊414)，從而結束過程(結束程序塊416)。
如果存在多於一個因固件到閃速ROM的失敗快閃記憶體而已經丟失的伺服器刀片，那麼刀片阻塞器繼續一次阻塞所有除了一個伺服器刀片，當每個伺服器刀片的標識位置被重新建立時。
本發明因此提供一種恢復因失敗快閃記憶體而已經丟失的丟失伺服器刀片的可靠方法和系統。通過識別丟失的伺服器刀片，伺服器刀片的更新固件可以重新快閃記憶體，允許伺服器刀片以最大效率操作。
應當理解，本發明至少一些方面可能作為選擇地以程序產品實現。定義本發明上功能的程序可以經由多種信號承載介質傳遞到數據存儲系統或計算機系統，其包括但不局限於，不可寫存儲介質(例如CD-ROM)，可寫存儲介質(例如軟盤，硬碟驅動器，讀/寫CD ROM，光介質)，以及通信介質，例如計算機和電話網絡，包括乙太網。應當理解，因此，在這種信號承載介質中，當承載或編碼指示本發明中的方法功能的計算機可讀指令時，代表本發明的備選實施方案。此外，應當理解，本發明可能由具有硬體，軟體，或者軟體和硬體組合形式的裝置的系統來實現，如在這裡或其等價物中描述的。
雖然本發明已經參考優選實施方案詳細地顯示和描述，本領域技術人員應當理解，形式和細節的各種改變可能在其中進行，而不背離本發明的本質和範圍。
權利要求
1.一種方法，包括試圖從管理模塊下載計算機代碼到第一數據處理單元，該第一數據處理單元是由管理模塊管理的多個數據處理單元中的一個，該多個數據處理單元由管理通路連接到管理模塊；響應計算機代碼未能正確地下載從而導致第一數據處理單元不能定義它在管理通路上的管理通路位置，使用管理通路上的特殊地址將失敗信號從第一數據處理單元發送到管理模塊；比較當前有效數據處理單元的管理通路位置和為所有多個數據處理單元而保留的所有管理通路位置的列表，該當前有效數據處理單元來自多個數據處理單元；以及推斷第一數據處理單元的管理通路位置為在所有管理通路位置列表上的管理通路位置而不是當前有效數據處理單元之一的管理通路位置。
2.根據權利要求1的方法，還包括在推斷第一數據處理單元的管理通路位置之後提供管理通路位置到第一數據處理單元。
3.根據權利要求2的方法，其中第一數據處理單元的管理通路位置使用符合I2C總線規範並且連接到管理通路的控制邏輯提供到第一數據處理單元。
4.根據權利要求3的方法，其中控制邏輯在管理模塊的控制下。
5.根據權利要求1的方法，還包括識別作為失敗計算機代碼下載的結果不知道其管理通路位置的第二數據處理單元；阻塞從管理模塊到第二數據處理單元的通信；以及提供第一管理通路位置到第一數據處理單元。
6.根據權利要求5的方法，還包括隨後解除阻塞第二數據處理單元和管理模塊之間的通信；以及提供第二管理通路位置到第二數據處理單元。
7.根據權利要求1的方法，其中多個數據處理單元是伺服器刀片。
8.根據權利要求7的方法，其中管理模塊和伺服器刀片是伺服器刀片機架的組件。
9.根據權利要求1的方法，其中數據處理單元的每個具有網絡接口卡(NIC)，並且其中第一數據處理單元的管理通路位置是網際網路協議(IP)地址。
10.根據權利要求1的方法，其中計算機代碼下載到第一數據處理單元的服務處理器中。
11.根據權利要求1的方法，其中計算機代碼試圖快閃記憶體到第一數據處理單元中的服務處理器中的閃速存儲器中。
12.一種系統，包括管理模塊；多個數據處理系統；將管理模塊連接到多個數據處理系統的管理通路；為管理通路上的多個數據處理系統保留的保留管理通路位置列表；以及連接到管理通路的存在檢測設備，其中如果計算機代碼到多個數據處理系統中的第一數據處理系統的下載失敗並且使得第一數據處理系統的管理通路位置變成由第一數據處理系統未定義，那麼存在檢測設備在管理通路上的特殊地址上檢測來自第一數據處理系統的失敗信號，從而導致管理模塊比較保留管理通路位置的列表和在管理通路上當前有效的數據處理單元的位置，以恢復管理通路位置到第一數據處理單元。
13.根據權利要求12的系統，還包括控制邏輯，其符合I2C總線規範，用於將管理通路位置恢復到第一數據處理系統。
14.根據權利要求13的系統，還包括阻塞器，用於阻塞從管理模塊到未能下載軟體的第二數據處理系統的通信，其中第一數據處理單元可以使其管理通路位置被恢復，當第二數據處理系統被阻塞時，並且在解除阻塞該阻塞器之後第二數據處理系統可以隨後使其管理通路位置被恢復。
15.根據權利要求12的系統，還包括第一數據處理單元中的服務處理器；以及第一數據處理單元中的服務處理器中的閃速存儲器，其中計算機代碼是從管理模塊快閃記憶體到閃速存儲器的代碼更新。
16.根據權利要求12的系統，其中多個數據處理單元是伺服器機架中的伺服器刀片。
17.一種電腦程式產品，存儲在計算機可使用介質上，包括試圖從管理模塊下載計算機代碼到第一數據處理單元的程序代碼，該第一數據處理單元是由管理模塊管理的多個數據處理單元中的一個，該多個數據處理單元由管理通路連接到管理模塊；響應計算機代碼未能正確地下載從而導致第一數據處理單元不能定義它在管理通路上的管理通路位置，使用管理通路上的特殊地址將失敗信號從第一數據處理單元發送到管理模塊的程序代碼；比較當前有效數據處理單元的管理通路位置和為所有多個數據處理單元而保留的所有管理通路位置的列表的程序代碼，該當前有效數據處理單元來自多個數據處理單元；以及因為是在所有管理通路位置列表上的管理通路位置但不是當前有效數據處理單元之一的管理通路位置，推斷第一數據處理單元的管理通路位置的程序代碼。
18.根據權利要求17的電腦程式產品，還包括用於在推斷第一數據處理單元的管理通路位置之後提供管理通路位置到第一數據處理單元的程序代碼。
19.根據權利要求17的電腦程式產品，還包括用於識別作為失敗計算機代碼下載的結果不知道其管理通路位置的第二數據處理單元的程序代碼；用於阻塞從管理模塊到第二數據處理單元的通信的程序代碼；以及用於提供第一管理通路位置到第一數據處理單元的程序代碼。
20.根據權利要求19的電腦程式產品，還包括用於隨後解除阻塞第二數據處理單元和管理模塊之間的通信的程序代碼；以及用於提供第二管理通路位置到第二數據處理單元的程序代碼。
全文摘要
一種在多個伺服器刀片計算機中，用於恢復在伺服器刀片中的服務處理器上的快閃記憶體更新操作期間丟失的伺服器刀片的方法和系統。因為快閃記憶體更新失敗，丟失的伺服器刀片不知道它在管理通路上的位置，該管理通路典型的形式可能是連接伺服器刀片機架中的伺服器刀片和管理模塊的中平面或總線。丟失的伺服器刀片將指示快閃記憶體失敗的信號放置在管理通路上。信號放置在為這種消息而保留的特殊信道上。管理模塊接收信號，然後確定多個伺服器刀片中哪個因快閃記憶體更新失敗而丟失。
文檔編號G06F11/00GK1655519SQ20051000642
公開日2005年8月17日 申請日期2005年1月31日 優先權日2004年2月12日
發明者傑拉德·尼古拉斯·巴克勒, 傑弗裡·麥可·弗蘭克, 多納德·歐格尼·詹森, 卡爾·A·莫雷爾, 戴維·羅伯特·伍德哈姆 申請人:國際商業機器公司