CN111124722A - 一种隔离故障内存的方法、设备及介质 - Google Patents

一种隔离故障内存的方法、设备及介质 Download PDF

Info

Publication number
CN111124722A
CN111124722A CN201911042209.3A CN201911042209A CN111124722A CN 111124722 A CN111124722 A CN 111124722A CN 201911042209 A CN201911042209 A CN 201911042209A CN 111124722 A CN111124722 A CN 111124722A
Authority
CN
China
Prior art keywords
memory
ecc
slot position
threshold
response
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911042209.3A
Other languages
English (en)
Other versions
CN111124722B (zh
Inventor
杨学总
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Suzhou Inspur Intelligent Technology Co Ltd
Original Assignee
Suzhou Inspur Intelligent Technology Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Suzhou Inspur Intelligent Technology Co Ltd filed Critical Suzhou Inspur Intelligent Technology Co Ltd
Priority to CN201911042209.3A priority Critical patent/CN111124722B/zh
Publication of CN111124722A publication Critical patent/CN111124722A/zh
Application granted granted Critical
Publication of CN111124722B publication Critical patent/CN111124722B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/0793—Remedial or corrective actions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/07—Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/0703—Error or fault processing not based on redundancy, i.e. by taking additional measures to deal with the error or fault not making use of redundancy in operation, in hardware, or in data representation
    • G06F11/079—Root cause analysis, i.e. error or fault diagnosis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00—Error detection; Error correction; Monitoring
    • G06F11/30—Monitoring
    • G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
    • G06F11/3034—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system component is a storage system, e.g. DASD based or network based

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Mathematical Physics (AREA)
  • Techniques For Improving Reliability Of Storages (AREA)

Abstract

本发明公开了一种隔离故障内存的方法，包括由BMC执行以下步骤：监控内存的运行状态，并记录ECC数量；判断ECC数量是否达到第一阈值；响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及响应于存在内存槽位发生ECC的数量达到第二阈值，关断对槽位的供电。本发明还公开了一种计算机设备和可读存储介质。本发明提出的隔离故障内存的方法、设备及介质通过对具体内存槽位的检测，对出现异常的内存槽位进行断电，避免对整个内存断电，同时也避免因故障内存导致系统中断或宕机，提供服务器运行的稳定性并且减少运维人员的投入及业务的中断。

Description

一种隔离故障内存的方法、设备及介质
技术领域
本发明涉及内存领域，更具体地，特别是指一种隔离故障内存的方法、设备及可读介质。
背景技术
服务器内存主要用来存储临时数据，做缓存使用。服务器的运行是否稳定与流畅与内存的稳定性及数量息息相关。服务器上使用的内存具有ECC功能，即Error Checkingand Correcting，中文名称是“错误检查和纠正”。内存中的ECC能够容许运行过程中有错误产生，并将错误更正，使得系统得以正常运行，不因内存错误而中断或者宕机。因内存本身工艺的制约，内存包括多个内存颗粒，而主板上的内存通道及连接器等多种因素，在数据中心等大量应用服务器的场景不免会有内存产生错误，当内存产生大量ECC时，该内存即存在故障风险，系统存在宕机或者中断风险。目前服务器通用设计采用BIOS初始化将内存隔离，这种方法无法处理系统运行中出现报错的情况，需专业运维人员参与解决。
发明内容
有鉴于此，本发明实施例的目的在于提出一种隔离故障内存的方法、设备及介质，通过对具体内存槽位的检测，对出现异常的内存槽位进行断电，避免对整个内存断电，同时也避免因故障内存导致系统中断或宕机，提供服务器运行的稳定性并且减少运维人员的投入及业务的中断。
基于上述目的，本发明实施例的一方面提供了一种隔离故障内存的方法，包括由BMC执行如下步骤：监控内存的运行状态，并记录ECC数量；判断ECC数量是否达到第一阈值；响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电。
在一些实施方式中，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：将所述槽位的缓存数据迁移到其他内存；以及响应于完成数据的迁移，使所述槽位下电。
在一些实施方式中，所述监控内存的运行状态包括：监控CPU与内存槽位交互信息的状态；以及响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。
在一些实施方式中，所述记录ECC数量包括：响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。
在一些实施方式中，还包括：判断接收到的信息的级别是否达到预定级别；以及响应于接收到的信息的级别达到预定级别，直接关断对所述槽位的供电。
本发明实施例的另一方面，还提供了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：监控内存的运行状态，并记录ECC数量；判断ECC数量是否达到第一阈值；响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电。
在一些实施方式中，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：将所述槽位的缓存数据迁移到其他内存；以及响应于完成数据的迁移，使所述槽位下电。
在一些实施方式中，所述监控内存的运行状态包括：监控CPU与内存槽位交互信息的状态；以及响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。
在一些实施方式中，所述记录ECC数量包括：响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。
本发明实施例的再一方面，还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时实现如上方法步骤的计算机程序。
本发明具有以下有益技术效果：通过对具体内存槽位的检测，对出现异常的内存槽位进行断电，避免对整个内存断电，同时也避免因故障内存导致系统中断或宕机，提供服务器运行的稳定性并且减少运维人员的投入及业务的中断。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的实施例。
图1为本发明提供的隔离故障内存的方法的实施例的示意图；
图2为本发明提供的隔离故障内存的方法的实施例的流程图；
图3为本发明提供的隔离故障内存的方法的实施例的硬件结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，以下结合具体实施例，并参照附图，对本发明实施例进一步详细说明。
需要说明的是，本发明实施例中所有使用“第一”和“第二”的表述均是为了区分两个相同名称非相同的实体或者非相同的参量，可见“第一”“第二”仅为了表述的方便，不应理解为对本发明实施例的限定，后续实施例对此不再一一说明。
基于上述目的，本发明实施例的第一个方面，提出了一种隔离故障内存的方法的实施例。图1示出的是本发明提供的隔离故障内存的方法的实施例的示意图。如图1所示，本发明实施例包括由BMC执行如下步骤：
S1、监控内存的运行状态，并记录ECC数量；
S2、判断ECC数量是否达到第一阈值；
S3、响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及
S4、响应于存在内存槽位发生ECC的数量达到第二阈值，关断对槽位的供电。
基本输出输出系统(Basic Input Output System，BIOS)设置程序主要对计算机的基本输入输出系统进行管理和设置，使系统运行在最好状态下，使用BIOS设置程序还可以排除系统故障或者诊断系统问题。基板管理控制器(Baseboard ManagementController，BMC)是服务器特有的管理控制器，BMC的主要功能之一是自动监控服务器运行状态，并把发生的事件记录在系统事件日志(system event log，SEL)中。
监控内存的运行状态，并记录ECC数量。BIOS与BMC实时监控内存ECC状态。当系统中发生ECC，记录发生ECC的信息。
在一些实施方式中，所述监控内存的运行状态包括：监控CPU与内存槽位交互信息的状态；以及响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。CPU中包括内存控制器，内存控制器包括三个通道，每个通道有两个槽位，CPU与一个通道中的两个槽位分别进行信息交流，这样就可以确定出现异常的槽位。CPU与内存的信号中有8bit的ECC信号，当内存与CPU之间交互信息出现错误时，对应的ECC信号会记录信息，同时通过DMI(CPU与PCH(南桥芯片)之间的高速传输总线)信号传递给PCH，PCH下的BIOS获取的对应槽位的内存发生ECC后，将槽位的信息及报错类型反馈至BMC，BMC解码SMlink(低速管理总线)传输的信息，记录对应的槽位的内存产生ECC，并记录日志。
在一些实施方式中，所述记录ECC数量包括：响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。在一些实施方式中，还包括：判断接收到的信息的级别是否达到预定级别；以及响应于接收到的信息的级别达到预定级别，直接关断对所述槽位的供电。可以预先对错误类型进行分级，越严重的错误类型等级越高。可以设置一个区分一般错误和严重错误的等级，例如等级三，当大于等级三表明是严重错误，需要立即进行处理，当小于等于等级三表示是一般错误，可以暂时不进行处理。当出现大于等级三的错误时，可以立即关断对出现错误的槽位的供电。
判断ECC数量是否达到第一阈值。可以根据经验或者大数据预先设定第一阈值，例如5000，一般当发生ECC的次数超过这个值时，系统中可能出现故障。
响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值。可以根据经验或者大数据预先设定第二阈值，例如10，一般当内存槽位发生ECC的次数超过10时，该内存槽位可能出现异常。当然，在比较严格的情形下，第二阈值可以是1，也即是当内存槽位出现ECC时即表明该内存槽位可能出现异常。
响应于存在内存槽位发生ECC的数量达到第二阈值，关断对槽位的供电。当存在内存槽位发生ECC的数量达到第二阈值，可以对该内存槽位进行下电处理。
在一些实施方式中，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：将所述槽位的缓存数据迁移到其他内存；以及响应于完成数据的迁移，使所述槽位下电。为了不影响系统的正常运行，可以将出现错误的槽位上的缓存数据迁移到其他正常的内存中，等到数据迁移完成后，通过IPMI(智能平台管理接口)传递command(命令)至BMC，BMC获取信息后，通过I2C告知CPLD，CPLD通过GPIO控制对应内存供电Efuse(可恢复电熔丝芯片)的使能，从而将该隐患内存从系统中移除，保障系统的正常运行。
图2示出的是本发明提供的隔离故障内存的方法的实施例的流程图。如图2所示，从框101开始，接着前进到框102，监控内存的运行状态，并记录ECC数量；接着前进到框103，判断ECC数量是否达到第一阈值，如果是，前进到框104，如果否直接结束；框104，判断是否存在内存槽位发生ECC的数量达到第二阈值，如果是，前进到框105，否则直接结束；框105，关断对槽位的供电，然后前进到框106，结束。
需要特别指出的是，上述隔离故障内存的方法的各个实施例中的各个步骤均可以相互交叉、替换、增加、删减，因此，这些合理的排列组合变换之于隔离故障内存的方法也应当属于本发明的保护范围，并且不应将本发明的保护范围局限在实施例之上。
基于上述目的，本发明实施例的第二个方面，提出了一种计算机设备，包括：至少一个处理器；以及存储器，存储器存储有可在处理器上运行的计算机指令，指令由处理器执行以实现如下步骤：S1、监控内存的运行状态，并记录ECC数量；S2、判断ECC数量是否达到第一阈值；S3、响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及S4、响应于存在内存槽位发生ECC的数量达到第二阈值，关断对槽位的供电。
在一些实施方式中，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：将所述槽位的缓存数据迁移到其他内存；以及响应于完成数据的迁移，使所述槽位下电。
在一些实施方式中，所述监控内存的运行状态包括：监控CPU与内存槽位交互信息的状态；以及响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。
在一些实施方式中，所述记录ECC数量包括：响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。
在一些实施方式中，还包括：判断接收到的信息的级别是否达到预定级别；以及响应于接收到的信息的级别达到预定级别，直接关断对所述槽位的供电。
如图3所示，为本发明提供的上述隔离故障内存的方法的一个实施例的硬件结构示意图。
以如图3所示的装置为例，在该装置中包括一个处理器301以及一个存储器302，并还可以包括：输入装置303和输出装置304。
处理器301、存储器302、输入装置303和输出装置304可以通过总线或者其他方式连接，图3中以通过总线连接为例。
存储器302作为一种非易失性计算机可读存储介质，可用于存储非易失性软件程序、非易失性计算机可执行程序以及模块，如本申请实施例中的隔离故障内存的方法对应的程序指令/模块。处理器301通过运行存储在存储器302中的非易失性软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述方法实施例的隔离故障内存的方法。
存储器302可以包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需要的应用程序；存储数据区可存储根据隔离故障内存的方法的使用所创建的数据等。此外，存储器302可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实施例中，存储器302可选包括相对于处理器301远程设置的存储器，这些远程存储器可以通过网络连接至本地模块。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
输入装置303可接收输入的用户名和密码等信息。输出装置304可包括显示屏等显示设备。
一个或者多个隔离故障内存的方法对应的程序指令/模块存储在存储器302中，当被处理器301执行时，执行上述任意方法实施例中的隔离故障内存的方法。
执行上述隔离故障内存的方法的计算机设备的任何一个实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
本发明还提供了一种计算机可读存储介质，计算机可读存储介质存储有被处理器执行时执行如上方法的计算机程序。
最后需要说明的是，本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关硬件来完成，隔离故障内存的方法的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，程序的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。上述计算机程序的实施例，可以达到与之对应的前述任意方法实施例相同或者相类似的效果。
此外，根据本发明实施例公开的方法还可以被实现为由处理器执行的计算机程序，该计算机程序可以存储在计算机可读存储介质中。在该计算机程序被处理器执行时，执行本发明实施例公开的方法中限定的上述功能。
此外，上述方法步骤以及系统单元也可以利用控制器以及用于存储使得控制器实现上述步骤或单元功能的计算机程序的计算机可读存储介质实现。
此外，应该明白的是，本文的计算机可读存储介质(例如，存储器)可以是易失性存储器或非易失性存储器，或者可以包括易失性存储器和非易失性存储器两者。作为例子而非限制性的，非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)或快闪存储器。易失性存储器可以包括随机存取存储器(RAM)，该RAM可以充当外部高速缓存存储器。作为例子而非限制性的，RAM可以以多种形式获得，比如同步RAM(DRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据速率SDRAM(DDRSDRAM)、增强SDRAM(ESDRAM)、同步链路DRAM(SLDRAM)、以及直接Rambus RAM(DRRAM)。所公开的方面的存储设备意在包括但不限于这些和其它合适类型的存储器。
本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。为了清楚地说明硬件和软件的这种可互换性，已经就各种示意性组件、方块、模块、电路和步骤的功能对其进行了一般性的描述。这种功能是被实现为软件还是被实现为硬件取决于具体应用以及施加给整个系统的设计约束。本领域技术人员可以针对每种具体应用以各种方式来实现的功能，但是这种实现决定不应被解释为导致脱离本发明实施例公开的范围。
结合这里的公开所描述的各种示例性逻辑块、模块和电路可以利用被设计成用于执行这里功能的下列部件来实现或执行：通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或其它可编程逻辑器件、分立门或晶体管逻辑、分立的硬件组件或者这些部件的任何组合。通用处理器可以是微处理器，但是可替换地，处理器可以是任何传统处理器、控制器、微控制器或状态机。处理器也可以被实现为计算设备的组合，例如，DSP和微处理器的组合、多个微处理器、一个或多个微处理器结合DSP和/或任何其它这种配置。
结合这里的公开所描述的方法或算法的步骤可以直接包含在硬件中、由处理器执行的软件模块中或这两者的组合中。软件模块可以驻留在RAM存储器、快闪存储器、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动盘、CD-ROM、或本领域已知的任何其它形式的存储介质中。示例性的存储介质被耦合到处理器，使得处理器能够从该存储介质中读取信息或向该存储介质写入信息。在一个替换方案中，存储介质可以与处理器集成在一起。处理器和存储介质可以驻留在ASIC中。ASIC可以驻留在用户终端中。在一个替换方案中，处理器和存储介质可以作为分立组件驻留在用户终端中。
在一个或多个示例性设计中，功能可以在硬件、软件、固件或其任意组合中实现。如果在软件中实现，则可以将功能作为一个或多个指令或代码存储在计算机可读介质上或通过计算机可读介质来传送。计算机可读介质包括计算机存储介质和通信介质，该通信介质包括有助于将计算机程序从一个位置传送到另一个位置的任何介质。存储介质可以是能够被通用或专用计算机访问的任何可用介质。作为例子而非限制性的，该计算机可读介质可以包括RAM、ROM、EEPROM、CD-ROM或其它光盘存储设备、磁盘存储设备或其它磁性存储设备，或者是可以用于携带或存储形式为指令或数据结构的所需程序代码并且能够被通用或专用计算机或者通用或专用处理器访问的任何其它介质。此外，任何连接都可以适当地称为计算机可读介质。例如，如果使用同轴线缆、光纤线缆、双绞线、数字用户线路(DSL)或诸如红外线、无线电和微波的无线技术来从网站、服务器或其它远程源发送软件，则上述同轴线缆、光纤线缆、双绞线、DSL或诸如红外线、无线电和微波的无线技术均包括在介质的定义。如这里所使用的，磁盘和光盘包括压缩盘(CD)、激光盘、光盘、数字多功能盘(DVD)、软盘、蓝光盘，其中磁盘通常磁性地再现数据，而光盘利用激光光学地再现数据。上述内容的组合也应当包括在计算机可读介质的范围内。
以上是本发明公开的示例性实施例，但是应当注意，在不背离权利要求限定的本发明实施例公开的范围的前提下，可以进行多种改变和修改。根据这里描述的公开实施例的方法权利要求的功能、步骤和/或动作不需以任何特定顺序执行。此外，尽管本发明实施例公开的元素可以以个体形式描述或要求，但除非明确限制为单数，也可以理解为多个。
应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”旨在也包括复数形式。还应当理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
上述本发明实施例公开实施例序号仅仅为了描述，不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
所属领域的普通技术人员应当理解：以上任何实施例的讨论仅为示例性的，并非旨在暗示本发明实施例公开的范围(包括权利要求)被限于这些例子；在本发明实施例的思路下，以上实施例或者不同实施例中的技术特征之间也可以进行组合，并存在如上的本发明实施例的不同方面的许多其它变化，为了简明它们没有在细节中提供。因此，凡在本发明实施例的精神和原则之内，所做的任何省略、修改、等同替换、改进等，均应包含在本发明实施例的保护范围之内。

Claims (10)

1.一种隔离故障内存的方法，其特征在于，包括由BMC执行以下步骤：
监控内存的运行状态，并记录ECC数量；
判断ECC数量是否达到第一阈值；
响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及
响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电。
2.根据权利要求1所述的方法，其特征在于，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：
将所述槽位的缓存数据迁移到其他内存；以及
响应于完成数据的迁移，使所述槽位下电。
3.根据权利要求1所述的方法，其特征在于，所述监控内存的运行状态包括：
监控CPU与内存槽位交互信息的状态；以及
响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。
4.根据权利要求3所述的方法，其特征在于，所述记录ECC数量包括：
响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。
5.根据权利要求4所述的方法，其特征在于，还包括：
判断接收到的信息的级别是否达到预定级别；以及
响应于接收到的信息的级别达到预定级别，直接关断对所述槽位的供电。
6.一种计算机设备，其特征在于，包括：
至少一个处理器；以及
存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现以下步骤：
监控内存的运行状态，并记录ECC数量；
判断ECC数量是否达到第一阈值；
响应于ECC数量达到第一阈值，判断是否存在内存槽位发生ECC的数量达到第二阈值；以及
响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电。
7.根据权利要求6所述的计算机设备，其特征在于，所述响应于存在内存槽位发生ECC的数量达到第二阈值，关断对所述槽位的供电包括：
将所述槽位的缓存数据迁移到其他内存；以及
响应于完成数据的迁移，使所述槽位下电。
8.根据权利要求6所述的计算机设备，其特征在于，所述监控内存的运行状态包括：
监控CPU与内存槽位交互信息的状态；以及
响应于CPU与内存槽位交互信息出现错误，由BIOS获取对应的内存槽位信息和报错类型信息。
9.根据权利要求8所述的计算机设备，其特征在于，所述记录ECC数量包括：
响应于BMC接收到BIOS传输的内存槽位信息和报错类型信息，对记录ECC数量的变量加一，并基于报错类型信息对接收到的信息进行分级。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-5任意一项所述方法的步骤。
CN201911042209.3A 2019-10-30 2019-10-30 一种隔离故障内存的方法、设备及介质 Active CN111124722B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911042209.3A CN111124722B (zh) 2019-10-30 2019-10-30 一种隔离故障内存的方法、设备及介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911042209.3A CN111124722B (zh) 2019-10-30 2019-10-30 一种隔离故障内存的方法、设备及介质

Publications (2)

Publication Number Publication Date
CN111124722A true CN111124722A (zh) 2020-05-08
CN111124722B CN111124722B (zh) 2022-11-29

Family

ID=70495484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911042209.3A Active CN111124722B (zh) 2019-10-30 2019-10-30 一种隔离故障内存的方法、设备及介质

Country Status (1)

Country Link
CN (1) CN111124722B (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112732477A (zh) * 2021-04-01 2021-04-30 四川华鲲振宇智能科技有限责任公司 一种带外自检故障隔离的方法
CN112948160A (zh) * 2021-02-26 2021-06-11 山东英信计算机技术有限公司 一种内存ecc问题的定位修复方法及装置
CN113901530A (zh) * 2021-09-10 2022-01-07 苏州浪潮智能科技有限公司 一种硬盘防御性预警保护的方法、装置、设备及可读介质
CN114115502A (zh) * 2021-10-25 2022-03-01 苏州浪潮智能科技有限公司 一种提高电源可用性的方法、系统、设备和存储介质
CN114546694A (zh) * 2022-01-28 2022-05-27 苏州浪潮智能科技有限公司 一种缓存故障管理方法、系统、存储介质及设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109086151A (zh) * 2017-06-13 2018-12-25 中兴通讯股份有限公司 一种服务器上隔离内存故障的方法及装置
CN109783262A (zh) * 2018-12-24 2019-05-21 新华三技术有限公司 故障数据处理方法、装置、服务器及计算机可读存储介质
CN110032449A (zh) * 2019-04-16 2019-07-19 苏州浪潮智能科技有限公司 一种优化gpu服务器的性能的方法及装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109086151A (zh) * 2017-06-13 2018-12-25 中兴通讯股份有限公司 一种服务器上隔离内存故障的方法及装置
CN109783262A (zh) * 2018-12-24 2019-05-21 新华三技术有限公司 故障数据处理方法、装置、服务器及计算机可读存储介质
CN110032449A (zh) * 2019-04-16 2019-07-19 苏州浪潮智能科技有限公司 一种优化gpu服务器的性能的方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112948160A (zh) * 2021-02-26 2021-06-11 山东英信计算机技术有限公司 一种内存ecc问题的定位修复方法及装置
CN112732477A (zh) * 2021-04-01 2021-04-30 四川华鲲振宇智能科技有限责任公司 一种带外自检故障隔离的方法
CN113901530A (zh) * 2021-09-10 2022-01-07 苏州浪潮智能科技有限公司 一种硬盘防御性预警保护的方法、装置、设备及可读介质
CN113901530B (zh) * 2021-09-10 2024-01-09 苏州浪潮智能科技有限公司 一种硬盘防御性预警保护的方法、装置、设备及可读介质
CN114115502A (zh) * 2021-10-25 2022-03-01 苏州浪潮智能科技有限公司 一种提高电源可用性的方法、系统、设备和存储介质
CN114115502B (zh) * 2021-10-25 2023-07-14 苏州浪潮智能科技有限公司 一种提高电源可用性的方法、系统、设备和存储介质
CN114546694A (zh) * 2022-01-28 2022-05-27 苏州浪潮智能科技有限公司 一种缓存故障管理方法、系统、存储介质及设备
CN114546694B (zh) * 2022-01-28 2024-06-28 苏州浪潮智能科技有限公司 一种缓存故障管理方法、系统、存储介质及设备

Also Published As

Publication number Publication date
CN111124722B (zh) 2022-11-29

Similar Documents

Publication Publication Date Title
CN111124722B (zh) 一种隔离故障内存的方法、设备及介质
CN111104238B (zh) 一种基于ce的内存诊断的方法、设备及介质
CN105808394B (zh) 一种服务器自愈的方法和装置
CN111090545B (zh) 一种恢复故障cpld的方法、设备及介质
EP3617886A1 (en) Hot backup system, hot backup method, and computer device
CN111796959B (zh) 宿主机容器自愈方法、装置及系统
CN111090324B (zh) 一种服务器硬盘错峰上电的方法、设备及介质
CN111090567A (zh) 一种链路告警方法、设备以及存储介质
CN111045710A (zh) 一种基于IPMI命令的SAS-Expander固件升级的方法、设备及介质
CN110688128A (zh) 一种提高超融合存储可靠性的部署方法和装置
WO2024124862A1 (zh) 基于服务器的内存处理方法和装置、处理器及电子设备
CN111309553B (zh) 一种监控存储Jbod的方法、系统、设备及介质
CN111176904B (zh) 一种私有云架构下的数据备份的方法、系统、设备及介质
CN110968456B (zh) 分布式存储系统中故障磁盘的处理方法及装置
CN111158963A (zh) 一种服务器固件冗余启动方法和服务器
CN114816267A (zh) 一种存储设备的监控方法及系统
CN115237656A (zh) 一种服务器的报错处理方法、装置、设备及存储介质
CN111611135B (zh) 一种cpld或fpga信号处理的方法、装置、设备及可读介质
CN110781042B (zh) 一种基于bmc检测ubm背板的方法、设备及介质
US9584131B2 (en) Programmable device, information processing device, and control method for processing circuit of programmable device
CN115495301A (zh) 一种故障处理方法、装置、设备及系统
CN113961399B (zh) 数据备份测试方法、装置、计算机设备及存储介质
CN111309525B (zh) 一种控制数据恢复精度的方法、系统、设备及介质
CN118656307B (zh) 基板管理控制器的故障检测方法、服务器、介质和产品
CN111427729A (zh) 一种提高hawq可用性的方法、系统、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant