CN114090316A - 内存故障处理方法、装置、存储介质及电子设备 - Google Patents
内存故障处理方法、装置、存储介质及电子设备 Download PDFInfo
- Publication number
- CN114090316A CN114090316A CN202111348504.9A CN202111348504A CN114090316A CN 114090316 A CN114090316 A CN 114090316A CN 202111348504 A CN202111348504 A CN 202111348504A CN 114090316 A CN114090316 A CN 114090316A
- Authority
- CN
- China
- Prior art keywords
- memory
- preset
- attribute information
- correctable errors
- preset monitoring
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title abstract description 5
- 238000012544 monitoring process Methods 0.000 claims abstract description 103
- 238000012545 processing Methods 0.000 claims abstract description 62
- 238000000034 method Methods 0.000 claims abstract description 55
- 238000004590 computer program Methods 0.000 claims description 19
- 230000008569 process Effects 0.000 claims description 14
- 239000002245 particle Substances 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 6
- 238000005516 engineering process Methods 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000002955 isolation Methods 0.000 description 3
- 239000008187 granular material Substances 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 239000013307 optical fiber Substances 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Quality & Reliability (AREA)
- Retry When Errors Occur (AREA)
Abstract
本公开涉及一种内存故障处理方法、装置、存储介质及电子设备，方法包括，确定预设监测时长内发生内存可纠正错误的数量；在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误对应的内存页；对所述内存页进行动态离线处理。能够使已经连续发生大量内存可纠正错误的对应的内存页不再被应用层软件使用，从而避免内存导致更严重的内存不可纠正错误。
Description
技术领域
本公开涉及内存技术领域，具体地，涉及一种内存故障处理方法、装置、存储介质及电子设备。
背景技术
内存可纠正错误是中央处理单元(central processing unit，CPU)可以自动纠正的内存错误，而内存不可纠正错误是中央处理器不能纠正的内存错误，而大量的内存可纠正错误会导致系统性能下降，也可能衍生为内存不可纠正错误，导致服务器死机重启，进而影响业务。因此，如何避免内存不可纠正错误的发生是至关重要的。
发明内容
提供该部分内容以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该部分内容并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
第一方面，本公开提供一种内存故障处理方法，包括：
确定预设监测时长内发生内存可纠正错误的数量；
在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误对应的内存页；
对所述内存页进行动态离线处理。
第二方面，本公开提供一种内存故障处理装置，包括：
第一确定模块，用于确定预设监测时长内发生内存可纠正错误的数量；
第二确定模块，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误的内存页；
处理模块，用于对所述内存页进行动态离线处理。
第三方面，本公开提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现第一方面中所述方法的步骤。
第四方面，本公开提供一种电子设备，包括：
存储装置，其上存储有一个或多个计算机程序；
一个或多个处理装置，用于执行所述存储装置中的所述一个或多个计算机程序，以实现第一方面中所述方法的步骤。
通过上述技术方案，在预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生内存可纠正错误对应的内存页，并对内存页进行动态离线处理，如此，能够使已经连续发生大量内存可纠正错误所对应的内存页不再被程序使用，从而避免内存导致更严重的内存不可纠正错误，避免系统宕机现象的发生，进而保障程序使用内存空间的健康性；此外，通过设置预设监测时长，避免了因长时间累积内存可纠正错误进而达到预设数量造成内存页被动态离线处理的情况，以此减少因内存页被动态离线处理对系统性能和内存可用容量的影响，较好地维持了系统的性能和内存可用容量。
本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。在附图中：
图1是根据本公开一示例性实施例示出的一种内存故障处理方法的流程图。
图2是根据本公开一示例性实施例示出的一种内存故障处理装置的框图。
图3是根据本公开一示例性实施例示出的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
正如背景技术所言，中央处理器不能主动纠正内存不可纠正错误，因此，如何避免内存不可纠正错误的发生是至关重要的。
为了便于理解本公开内容，以下对本公开的实施例中涉及的关键技术和术语进行解释说明。
内存可纠正错误和内存不可纠正错误，可纠正内存错误即一个内存颗粒内发生了错误，若此时另外一个内存颗粒发生了错误，系统则会产生内存不可纠正错误。
动态离线处理，动态离线处理是指内存页隔离技术。内存页隔离是操作系统(operating system，OS)层隔离使用内存页的技术。内存页被隔离后，不能再供程序使用，其中，程序例如可以是应用软件所对应的程序。
下面结合具体示例对本公开的详细技术方案进行详细介绍说明。
图1是根据本公开一示例性实施例示出的一种内存故障处理方法的流程图，该内存故障处理方法可以应用于例如服务器的电子设备中，参照图1，该内存故障处理方法可以包括以下步骤：
步骤S101，确定预设监测时长内发生内存可纠正错误的数量。
在一些实施例中，可以在服务器启动时，实时确定预设监测时长内发生内存可纠正错误的数量。
在一些实施例中，预设监测时长可以是1/30秒。
在一些实施例中，可以根据历史监测情况对预设监测时长进行动态化配置。举例来讲，动态化配置的过程可以包括：获取属性信息；根据预训练好的时间预测模型对属性信息进行处理，得到预测监测时长；根据预测监测时长更新预设监测时长。
其中，属性信息包括环境属性信息和设备属性信息。示例地，环境属性信息可以包括环境温湿度信息，设备属性信息可以包括内存颗粒属性信息，内存颗粒属性信息例如可以是内存颗粒的批次信息。
需要说明的是，时间预测模型用于表征预测监测时长与属性信息的映射关系。一种属性信息唯一对应一种预测监测时长，因此，根据时间预测模型对属性信息进行处理，可以得到与属性信息对应的预测监测时长。
需要说明的是，预设监测时长内若是发生预设数量的内存可纠正错误，易发生内存不可纠正错误，因此，在该时长内对发生的内存可纠正错误的数量进行统计，可以避免内存不可纠正错误的发生。
在一些实施例中，时间预测模型可以是根据历史实验数据训练得到的。举例来讲，时间预测模型的训练样本包括样本属性信息和样本时间标签，通过样本属性信息和样本时间标签对神经网络模型进行训练，得到时间预测模型，得到的时间预测模型用于反映样本属性信息与样本时间标签的拟合函数。
在一些实施例中，可以用时间预测模型预测得到的预测监测时长替换预设监测时长，以此实现对预设监测时长的更新。
在一些实施例中，可以是在预设监测时长内发生的内存可纠正错误的数量达到预设数量的时刻，获取属性信息，根据时间预测模型对属性信息进行处理，进而根据得到预测监测时长对预设监测时长进行更新。
在一些实施例中，由于设备属性信息和环境温湿度属性信息在一定周期内是比较稳定的，造成预设监测时长与预测监测时长不一致的可能性较低，因此，也可以在间隔一定时间周期执行获取属性信息的步骤，根据时间预测模型对属性信息进行处理，进而根据得到预测监测时长对预设监测时长进行更新，以此来避免对系统资源的无效占用。可以理解的是，在执行获取属性信息的步骤时表明当前属性信息较于在执行获取属性信息的步骤前的属性信息发生了较大的变化。
在一些实施例中，可以是目标时长内发生的内存可纠正错误的数量达到预设数量的情况下，获取属性信息，根据时间预测模型对属性信息进行处理，进而根据得到预测监测时长对预设监测时长进行更新。其中，与预设监测时长的差值小于预设差值所对应的时长为目标时长。以下以在目标时长内发生的内存可纠正错误的数量达到预设数量的情况下对预设监测时长进行更新进行示例性说明。
举例来讲，在起始时刻，初始化计时器和计数器，计时器用于在起始时刻后进行计时，计数器用于在预设监测时长内发生的内存可纠正错误的数量进行统计；在预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，根据计时器的计数和起始时刻确定目标时长；在预设监测时长与目标时长的差值大于预设差值的情况下，执行获取属性信息的步骤。
其中，预设监测时长的时间长度为起始时刻至终止时刻的时长长度。
需要说明的是，预设差值可以根据实际情况进行设定，本实施例在此不作限定。
可以理解的是，由于环境属性信息和设备属性信息可以影响预设监测时长，因此，若在小于预设监测时长内的时长监测到了发生的内存可纠正错误的数量已达到预设数量，表明当前设定的预设监测时长与实际情况不符，由于预设监测时长是考虑整体收益(包括内存容量收益和系统性能收益)的优选设置，若在当前的预设监测时长与当前属性信息对应的预测监测时长不一致，则表明当前设定的预设监测时长不会使整体收益达到最高，因此，在当前设定的预设监测时长与实际情况不符的情况下，可以对预设监测时长进行更新，以确保系统整体收益最高。此外，考虑到目标时长与预设监测时长差值可以忽略不计的情况下不会引起整体收益较大的变化，因此，在预设监测时长与目标时长的差值较大的情况，执行获取属性信息的步骤以依据获取的属性信息对预设监测时长进行更新，进而避免对系统资源的无效占用。
步骤S102，在预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生内存可纠正错误对应的内存页。
其中，预设数量可以综合考虑内存页隔离对系统性能的影响来确定。示例地，预设数量可以是15，在1/30秒内发生15个发生内存可纠正错误，则可以将15个内存可纠正错误对应的内存页进行动态离线处理。需要说明的是，在1/30秒内发生15个发生内存可纠正错误，影响了系统的性能，也容易造成内存不可纠正错误。另外，该示例并不构成对预设数量的限定。且不同的预设监测时长可以对应不同的预设数量，也可以对应相同的预设数量，本实施例在此不作限定。
需要说明的是，在发生内存可纠正错误时，会上报描述内存可纠正错误的信息，该信息可以包括用于描述内存可纠正错误的内存地址信息，根据该内存地址信息可以确定发生的内存可纠正错误所对应的内存页。具体实施方式可以参照相关技术，本实施例在此不做赘述。
步骤S103，对内存页进行动态离线处理。
在一些实施例中，可以在不杀死利用内存页的进程的情况下，对内存页进行动态离线处理。可以理解的是，利用内存页的进程是程序在使用的进程，杀死利用内存页的进程是指关闭利用内存页的程序。示例地，可以对利用内存页的进程先进行内存迁移，将进程从当前内存页迁移到其他内存页，进而在不杀死利用内存页的进程的情况下对内存页进行动态离线处理，如此，可以降低对正在使用内存页的程序的影响。
通过上述方式，在预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生内存可纠正错误对应的内存页，并对内存页进行动态离线处理，如此，能够使已经连续发生大量内存可纠正错误所对应的内存页不再被程序使用，从而避免内存导致更严重的内存不可纠正错误，避免系统宕机现象的发生，进而保障程序使用内存空间的健康性；此外，通过设置预设监测时长，避免了因长时间累积内存可纠正错误进而达到预设数量造成内存页被动态离线处理的情况，以此减少因内存页被动态离线处理对系统性能和内存可用容量的影响，较好地维持了系统的性能和内存可用容量。
在一些实施例中，内存故障处理方法还可以包括：在预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将内存可纠正错误的上报处理模式从中断模式转换为轮询模式。
需要说明的是，在中断模式下，当每发生一次内存可纠正错误时，便会上报此次发生的内存可纠正错误，服务器会中断正在处理的程序，对发生的内存可纠正错误进行纠正；在轮询模式下，会间隔一定的时间周期上报该周期内发生的内存可纠正错误，以此来减少服务器中断正在处理的程序的次数，提高系统的性能。
在上述基础上，可以理解的是，当短时间内发生的内存可纠正错误增多后，频繁的上报发生的内存可纠正错误和对发生的内存可纠正错误纠正处理，会影响系统的系统，进而影响业务。因此，通过上述方式，在预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将内存可纠正错误的上报处理模式从中断模式转换为轮询模式，以此来降低对系统性能的影响程度。
在上述基础上，可以根据业务场景来确定预设监测时长。对于一些对系统性能要求不高的业务场景来说，可以设置偏长的预设监测时长，对于一些对系统性能要求高的业务场景来说，可以设置偏短的预设监测时长，以此来避免因系统性能对业务造成不必要的影响。
在上述基础上，可以将业务场景作为一种属性信息，再结合环境属性信息和设备属性信息来综合确定预测监测时长。在此情况下，时间预测模型的训练样本包括样本属性信息同时包括了业务场景属性信息、环境属性信息和设备属性信息，以此来训练得到时间预测模型。
基于同一构思，本公开提供一种内存故障处理装置，图2是根据本公开一示例性实施例示出的一种内存故障处理装置，参照图2，该装置200包括：
第一确定模块201，用于确定预设监测时长内发生内存可纠正错误的数量；
第二确定模块202，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误的内存页；
处理模块203，用于对所述内存页进行动态离线处理。
可选地，所述处理模块203具体用于在不杀死利用所述内存页的进程的情况下，对所述内存页进行动态离线处理。
可选地，所述装置200还包括：
获取模块，用于获取属性信息，所述属性信息包括环境属性信息和设备属性信息；
预测模块，用于根据预训练好的时间预测模型对所述属性信息进行处理，得到预测监测时长；
更新模块，用于根据所述预测监测时长更新所述预设监测时长。
可选地，所述预设监测时长的时间长度为起始时刻至终止时刻的时长长度，所述装置200还包括：
初始化模块，用于在所述起始时刻，初始化计时器和计数器，所述计时器用于在所述起始时刻后进行计时，所述计数器用于在所述预设监测时长内发生的内存可纠正错误的数量进行统计；
第三确定模块，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，根据所述计时器的计数和所述起始时刻确定目标时长；
所述获取模块具体用于在所述预设监测时长与所述目标时长的差值大于预设差值的情况下获取属性信息。
可选地，所述环境属性信息包括环境温湿度信息，所述设备属性信息包括内存颗粒属性信息。
可选地，所述预设监测时长为1/30秒。
可选地，所述装置200还包括模式转换模块，所述模式转换模块用于在所述预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将所述内存可纠正错误的上报处理模式从中断模式转换为轮询模式。
基于同一构思，本公开还提供一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现上述方法实施例中所述方法的步骤。
基于同一构思，本公开还提供一种电子设备，包括：
存储装置，其上存储有计算机程序；
处理装置，用于执行所述存储装置中的所述计算机程序，以上述方法实施例中所述方法的步骤。
下面参考图3，其示出了适于用来实现本公开实施例的电子设备300的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图3示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。
如图3所示，电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301，其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中，还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常，以下装置可以连接至I/O接口305：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307；包括例如磁带、硬盘等的存储装置308；以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置309从网络上被下载和安装，或者从存储装置308被安装，或者从ROM 302被安装。在该计算机程序被处理装置301执行时，执行本公开实施例的方法中限定的上述功能。
需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，电子设备可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。
上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：确定预设监测时长内发生内存可纠正错误的数量；在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误对应的内存页；对所述内存页进行动态离线处理。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言——诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，模块的名称在某种情况下并不构成对该模块本身的限定，例如，第一确定模块还可以被描述为“确定预设监测时长内发生内存可纠正错误的数量的模块”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
根据本公开的一个或多个实施例，示例1提供了一种内存故障处理方法，包括：
确定预设监测时长内发生内存可纠正错误的数量；
在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误对应的内存页；
对所述内存页进行动态离线处理。
根据本公开的一个或多个实施例，示例2提供了示例1的方法，所述对所述内存页进行动态离线处理，包括：
在不杀死利用所述内存页的进程的情况下，对所述内存页进行动态离线处理。
根据本公开的一个或多个实施例，示例3提供了示例1的方法，所述方法还包括：
获取属性信息，所述属性信息包括环境属性信息和设备属性信息；
根据预训练好的时间预测模型对所述属性信息进行处理，得到预测监测时长；
根据所述预测监测时长更新所述预设监测时长。
根据本公开的一个或多个实施例，示例4提供了示例3的方法，所述预设监测时长的时间长度为起始时刻至终止时刻的时长长度，所述方法还包括：
在所述起始时刻，初始化计时器和计数器，所述计时器用于在所述起始时刻后进行计时，所述计数器用于在所述预设监测时长内发生的内存可纠正错误的数量进行统计；
在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，根据所述计时器的计数和所述起始时刻确定目标时长；
在所述预设监测时长与所述目标时长的差值大于预设差值的情况下，执行所述获取属性信息的步骤。
根据本公开的一个或多个实施例，示例5提供了示例3的方法，所述环境属性信息包括环境温湿度信息，所述设备属性信息包括内存颗粒属性信息。
根据本公开的一个或多个实施例，示例6提供了示例1的方法，所述预设监测时长为1/30秒。
根据本公开的一个或多个实施例，示例7提供了示例1的方法，所述方法还包括：
在所述预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将所述内存可纠正错误的上报处理模式从中断模式转换为轮询模式。
根据本公开的一个或多个实施例，示例8提供了一种内存故障处理装置，包括：
第一确定模块，用于确定预设监测时长内发生内存可纠正错误的数量；
第二确定模块，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误的内存页；
处理模块，用于对所述内存页进行动态离线处理。
根据本公开的一个或多个实施例，示例9提供了示例8的装置，所述处理模块具体用于在不杀死利用所述内存页的进程的情况下，对所述内存页进行动态离线处理。
根据本公开的一个或多个实施例，示例10提供了示例8的装置，所述装置还包括：
获取模块，用于获取属性信息，所述属性信息包括环境属性信息和设备属性信息；
预测模块，用于根据预训练好的时间预测模型对所述属性信息进行处理，得到预测监测时长；
更新模块，用于根据所述预测监测时长更新所述预设监测时长。
根据本公开的一个或多个实施例，示例11提供了示例10的装置，所述预设监测时长的时间长度为起始时刻至终止时刻的时长长度，所述装置还包括：
初始化模块，用于在所述起始时刻，初始化计时器和计数器，所述计时器用于在所述起始时刻后进行计时，所述计数器用于在所述预设监测时长内发生的内存可纠正错误的数量进行统计；
第三确定模块，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，根据所述计时器的计数和所述起始时刻确定目标时长；
所述获取模块具体用于在所述预设监测时长与所述目标时长的差值大于预设差值的情况下获取属性信息。
根据本公开的一个或多个实施例，示例12提供了示例10的装置，所述环境属性信息包括环境温湿度信息，所述设备属性信息包括内存颗粒属性信息。
根据本公开的一个或多个实施例，示例13提供了示例8的装置，所述预设监测时长为1/30秒。
根据本公开的一个或多个实施例，示例14提供了示例8的装置，所述装置还包括模式转换模块，所述模式转换模块用于在所述预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将所述内存可纠正错误的上报处理模式从中断模式转换为轮询模式。
根据本公开的一个或多个实施例，示例15提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理装置执行时实现示例1至示例7中任一项所述方法的步骤。
根据本公开的一个或多个实施例，示例16提供了一种电子设备，包括：
存储装置，其上存储有一个或多个计算机程序；
一个或多个处理装置，用于执行所述存储装置中的所述一个或多个计算机程序，以实现示例1至示例7中任一项所述方法的步骤。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。
尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
Claims (10)
1.一种内存故障处理方法，其特征在于，包括：
确定预设监测时长内发生内存可纠正错误的数量；
在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误对应的内存页；
对所述内存页进行动态离线处理。
2.根据权利要求1所述的方法，其特征在于，所述对所述内存页进行动态离线处理，包括：
在不杀死利用所述内存页的进程的情况下，对所述内存页进行动态离线处理。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取属性信息，所述属性信息包括环境属性信息和设备属性信息；
根据预训练好的时间预测模型对所述属性信息进行处理，得到预测监测时长；
根据所述预测监测时长更新所述预设监测时长。
4.根据权利要求3所述的方法，其特征在于，所述预设监测时长的时间长度为起始时刻至终止时刻的时长长度，所述方法还包括：
在所述起始时刻，初始化计时器和计数器，所述计时器用于在所述起始时刻后进行计时，所述计数器用于在所述预设监测时长内发生的内存可纠正错误的数量进行统计；
在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，根据所述计时器的计数和所述起始时刻确定目标时长；
在所述预设监测时长与所述目标时长的差值大于预设差值的情况下，执行所述获取属性信息的步骤。
5.根据权利要求3所述的方法，其特征在于，所述环境属性信息包括环境温湿度信息，所述设备属性信息包括内存颗粒属性信息。
6.根据权利要求1所述的方法，其特征在于，所述预设监测时长为1/30秒。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
在所述预设配置时长内发生内存可纠正错误的数量达到预设数量的情况下，将所述内存可纠正错误的上报处理模式从中断模式转换为轮询模式。
8.一种内存故障处理装置，其特征在于，包括：
第一确定模块，用于确定预设监测时长内发生内存可纠正错误的数量；
第二确定模块，用于在所述预设监测时长内发生的内存可纠正错误的数量达到预设数量的情况下，确定发生所述内存可纠正错误的内存页；
处理模块，用于对所述内存页进行动态离线处理。
9.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理装置执行时实现权利要求1-7中任一项所述方法的步骤。
10.一种电子设备，其特征在于，包括：
存储装置，其上存储有一个或多个计算机程序；
一个或多个处理装置，用于执行所述存储装置中的所述一个或多个计算机程序，以实现权利要求1-7中任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111348504.9A CN114090316A (zh) | 2021-11-15 | 2021-11-15 | 内存故障处理方法、装置、存储介质及电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111348504.9A CN114090316A (zh) | 2021-11-15 | 2021-11-15 | 内存故障处理方法、装置、存储介质及电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114090316A true CN114090316A (zh) | 2022-02-25 |
Family
ID=80300830
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111348504.9A Pending CN114090316A (zh) | 2021-11-15 | 2021-11-15 | 内存故障处理方法、装置、存储介质及电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114090316A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114726713A (zh) * | 2022-03-02 | 2022-07-08 | 阿里巴巴（中国）有限公司 | 节点故障模型训练方法、检测方法、设备、介质及产品 |
| CN115629905A (zh) * | 2022-12-21 | 2023-01-20 | 苏州浪潮智能科技有限公司 | 一种内存故障预警方法、装置、电子设备及可读介质 |
| CN116820828A (zh) * | 2023-08-29 | 2023-09-29 | 苏州浪潮智能科技有限公司 | 可纠正错误阈值设定方法、装置、电子设备及存储介质 |
| WO2023198189A1 (zh) * | 2022-04-16 | 2023-10-19 | 华为技术有限公司 | 内存错误预测方法、装置及设备 |
| CN117076186A (zh) * | 2023-10-17 | 2023-11-17 | 苏州元脑智能科技有限公司 | 一种内存故障检测方法、系统、装置、介质及服务器 |
| WO2024082844A1 (zh) * | 2022-10-18 | 2024-04-25 | 超聚变数字技术有限公司 | 一种内存条故障检测装置及检测方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106445720A (zh) * | 2016-10-11 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种内存错误恢复方法和装置 |
| CN109328340A (zh) * | 2017-09-30 | 2019-02-12 | 华为技术有限公司 | 内存故障的检测方法、装置和服务器 |
| CN110046061A (zh) * | 2019-03-01 | 2019-07-23 | 华为技术有限公司 | 内存错误处理方法和装置 |
| CN111104238A (zh) * | 2019-10-30 | 2020-05-05 | 苏州浪潮智能科技有限公司 | 一种基于ce的内存诊断的方法、设备及介质 |
| CN111221775A (zh) * | 2018-11-23 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 处理器、缓存处理方法及电子设备 |
| CN112306732A (zh) * | 2020-11-19 | 2021-02-02 | 山东云海国创云计算装备产业创新中心有限公司 | 一种服务器中的自动纠错控制方法、装置、设备及介质 |
| CN112463492A (zh) * | 2020-12-04 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种内存可纠正错误处理方法、系统、设备以及介质 |
-
2021
- 2021-11-15 CN CN202111348504.9A patent/CN114090316A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106445720A (zh) * | 2016-10-11 | 2017-02-22 | 郑州云海信息技术有限公司 | 一种内存错误恢复方法和装置 |
| CN109328340A (zh) * | 2017-09-30 | 2019-02-12 | 华为技术有限公司 | 内存故障的检测方法、装置和服务器 |
| CN111221775A (zh) * | 2018-11-23 | 2020-06-02 | 阿里巴巴集团控股有限公司 | 处理器、缓存处理方法及电子设备 |
| CN110046061A (zh) * | 2019-03-01 | 2019-07-23 | 华为技术有限公司 | 内存错误处理方法和装置 |
| CN111104238A (zh) * | 2019-10-30 | 2020-05-05 | 苏州浪潮智能科技有限公司 | 一种基于ce的内存诊断的方法、设备及介质 |
| CN112306732A (zh) * | 2020-11-19 | 2021-02-02 | 山东云海国创云计算装备产业创新中心有限公司 | 一种服务器中的自动纠错控制方法、装置、设备及介质 |
| CN112463492A (zh) * | 2020-12-04 | 2021-03-09 | 苏州浪潮智能科技有限公司 | 一种内存可纠正错误处理方法、系统、设备以及介质 |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114726713A (zh) * | 2022-03-02 | 2022-07-08 | 阿里巴巴（中国）有限公司 | 节点故障模型训练方法、检测方法、设备、介质及产品 |
| CN114726713B (zh) * | 2022-03-02 | 2024-01-12 | 阿里巴巴（中国）有限公司 | 节点故障模型训练方法、检测方法、设备、介质及产品 |
| WO2023198189A1 (zh) * | 2022-04-16 | 2023-10-19 | 华为技术有限公司 | 内存错误预测方法、装置及设备 |
| WO2024082844A1 (zh) * | 2022-10-18 | 2024-04-25 | 超聚变数字技术有限公司 | 一种内存条故障检测装置及检测方法 |
| CN115629905A (zh) * | 2022-12-21 | 2023-01-20 | 苏州浪潮智能科技有限公司 | 一种内存故障预警方法、装置、电子设备及可读介质 |
| CN116820828A (zh) * | 2023-08-29 | 2023-09-29 | 苏州浪潮智能科技有限公司 | 可纠正错误阈值设定方法、装置、电子设备及存储介质 |
| CN116820828B (zh) * | 2023-08-29 | 2024-01-09 | 苏州浪潮智能科技有限公司 | 可纠正错误阈值设定方法、装置、电子设备及存储介质 |
| CN117076186A (zh) * | 2023-10-17 | 2023-11-17 | 苏州元脑智能科技有限公司 | 一种内存故障检测方法、系统、装置、介质及服务器 |
| CN117076186B (zh) * | 2023-10-17 | 2024-02-09 | 苏州元脑智能科技有限公司 | 一种内存故障检测方法、系统、装置、介质及服务器 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114090316A (zh) | 内存故障处理方法、装置、存储介质及电子设备 | |
| CN111274503B (zh) | 数据处理的方法、装置、电子设备及计算机可读介质 | |
| CN110990038B (zh) | 用于应用局部更新的方法、装置、电子设备和介质 | |
| CN110865846B (zh) | 应用管理的方法、装置、终端、系统及存储介质 | |
| CN110928715A (zh) | 一种提示错误描述信息的方法、装置、介质和电子设备 | |
| CN111163336A (zh) | 视频资源推送方法、装置、电子设备及计算机可读介质 | |
| CN111858381B (zh) | 应用程序容错能力测试方法、电子设备及介质 | |
| CN113419841A (zh) | 消息调度方法、装置、电子设备和计算机可读介质 | |
| CN111198853B (zh) | 数据处理方法、装置、电子设备及计算机可读存储介质 | |
| CN112181733A (zh) | 一种服务请求的处理方法、装置、设备及存储介质 | |
| CN112817701B (zh) | 定时器处理方法、装置、电子设备和计算机可读介质 | |
| CN113360348B (zh) | 异常请求处理方法、装置、电子设备和存储介质 | |
| CN113176937B (zh) | 任务处理方法、装置和电子设备 | |
| CN111680754B (zh) | 图像分类方法、装置、电子设备及计算机可读存储介质 | |
| CN111459893B (zh) | 文件处理方法、装置和电子设备 | |
| CN114035861A (zh) | 集群配置方法、装置、电子设备和计算机可读介质 | |
| CN111949528A (zh) | 内存泄漏的检测方法、装置、电子设备和存储介质 | |
| CN111628913A (zh) | 在线时长的确定方法、装置、可读介质和电子设备 | |
| CN115827415B (zh) | 系统进程性能测试方法、装置、设备和计算机介质 | |
| CN111404824B (zh) | 用于转发请求的方法、装置、电子设备和计算机可读介质 | |
| CN112817666B (zh) | 定时方法、装置、电子设备和存储介质 | |
| CN116881097B (zh) | 用户终端告警方法、装置、电子设备和计算机可读介质 | |
| CN111367555B (zh) | 断言的方法、装置、电子设备及计算机可读介质 | |
| CN116719619A (zh) | 电力终端请求处理方法、装置、电子设备和计算机介质 | |
| CN118152683A (zh) | 内容渲染方法、装置、可读介质及电子设备 |
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 |