JP2010146072A - コンピュータの異常監視装置、異常監視方法、異常監視プログラム - Google Patents

Abstract

【課題】コンピュータ装置の障害が発生した場合に故障モジュールの調査・修理を迅速に行うことができるようにする。
【解決手段】コンピュータ１を構成する各モジュール１２〜１４に、外部環境情報を検出するための電圧センサ２１ａ、２１ｃ、温度センサ２２ａ〜２２ｃ、回転センサ２４と、エラー情報を格納するための不揮発性メモリ（ＥＥＰＲＯＭ）２３ａ〜２３ｃを搭載する。異常発生時に、異常の発生したモジュール１２〜１４に対応する不揮発性メモリ２３ａ〜２３ｃに、異常の情報を保存する。これにより、システム異常の原因となったモジュールを調査・修理することで、異常に迅速に対応できる。
【選択図】図１

Description

本発明は、高可用性が求められるコンピュータの異常監視装置、異常監視方法、及び異常監視プログラムに関する。

サーバなどの高可用性が求められる大型コンピュータ装置においては、故障が発生した場合にダウン時間を短くするために、各ユニットをモジュール化し、故障箇所の交換を容易にできるよう設計されている。装置構成モジュールとしては、メインボード、プロセッサ、ＩＯモジュール、メモリモジュール、電源モジュール、ファンモジュール、ストレージモジュール（ハードディスクドライブ（ＨＤＤ））等で構成されている。

高信頼性を実現するために、各モジュールの温度・電圧等の異常によるデータエラーの発生を防ぐ必要がある。このため温度・電圧等の環境情報を常時監視し、障害があった場合にはログを記録し、管理者に異常を通知できるようになっている。

また、メモリ障害の場合は、エラーの発生したメモリの実装されているスロット番号や、エラービットのログを表示し、交換・修理の際に利用できるようになっている。

また、特許文献１には、障害発生時に、ボード上の不揮発性メモリに、ボードに対応する障害のロギングデータを格納し、修理の際に障害の解析に有効な情報を提供するようにしたものが提案されている。
特開２００８−８４０８０号公報

従来の装置では、電圧・温度異常等のイベントログはメインボード上に搭載された記憶メモリに記録されており、メモリモジュールや電源モジュール等のオプション品の故障の場合には、同じ装置に搭載されていたメインボードからイベントログ等の情報を引き出して、エラー情報を記載した修理伝票を故障モジュールに添付して調査を行う必要があった。また、故障品の再現調査を行う際にも、エラー時の温度・電圧等の環境情報がなく、障害不再現となってしまい、改善へのフィードバックができない場合もあった。

また、特許文献１に示されるものでは、ボード上の不揮発性メモリに、ボードに対応する障害のロギングデータを格納している。ところが、故障が発生するのは、メインモジュールにより直接制御されるボードに限られるものではない。電源モジュールやファンモジュール等、メインモジュールでは直接制御されないモジュールに故障が発生し、これにより電源や温度環境に異常が生じて、故障を招く場合がある。

上述の課題を鑑み、本発明は、コンピュータ装置の障害が発生した場合に故障モジュールの調査・修理を迅速に行うことができるコンピュータの異常監視装置、異常監視方法、異常監視プログラムを提供することを目的とする。

上述の課題を解決するために、本発明に係るコンピュータの異常監視装置は、複数のモジュールから構成されるコンピュータの異常監視装置であって、複数のモジュールの各々に配設された不揮発性メモリと、複数のモジュールの各々の異常を管理する管理手段とを備え、異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させるようにしたことを特徴とする。

本発明に係るコンピュータの異常監視方法は、複数のモジュールから構成されるコンピュータの異常監視方法であって、複数のモジュールの各々に不揮発性メモリを配設しておき、モジュールの各々の異常を監視し、異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させることを特徴とする。

本発明に係るコンピュータの異常監視プログラムは、複数のモジュールから構成されるコンピュータの異常監視プログラムであって、複数のモジュールの各々には不揮発性メモリが配設されており、モジュールの各々の異常を監視するステップと、異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させるステップとを含むことを特徴とする。

本発明によれば、異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報が保存される。このため、システム異常の原因となったモジュールを調査・修理することで、異常に迅速に対応できる。不揮発性メモリに記録された情報は電源を落としても消去されず、故障発生までのモジュールの温度や電圧等の履歴が記録されている。これにより、故障発生までの環境情報やエラー情報を各モジュール単位に記録することができ、メインモジュールからの情報を引き出すことなくエラー情報を収集することができる。また、障害発生時のモジュールの環境情報の情報を収集することで、再現調査を加速することが可能となり、品質改善へのフィードバックが可能となる。

以下、本発明の実施の形態について図面を参照しながら説明する。図１に示すように、本発明の第１の実施の形態のコンピュータ１は、各部がモジュール化されている。ここでは、メインモジュール１１と、Ｉ／Ｏモジュール１２と、ファンモジュール１３と、電源モジュール１４とにモジュール化されている。なお、モジュール構成はこれに限定されるものではない。

メインモジュール１１は、プロセッサやメインボードからなり、各モジュールの異常を管理するマネージメントコントローラ２０を含んでいる。

Ｉ／Ｏモジュール１２は、外部機器の接続を行うモジュールである。このＩ／Ｏモジュール１２には、電圧センサ２１ａと、温度センサ２２ａと、不揮発性メモリ２３ａとが取り付けられている。

ファンモジュール１３は、コンピュータ１の冷却を行うモジュールである。このファンモジュール１３には、温度センサ２２ｂと、回転センサ２４と、不揮発性メモリ２３ｂとが取り付けられている。

電源モジュール１４は、コンピュータ１に電源を供給するモジュールである。この電源モジュール１４には、電圧センサ２１ｃと、温度センサ２２ｃと、不揮発性メモリ２３ｃとが取り付けられている。

このように、本発明の第１の実施形態では、各モジュール１２〜１４には、外部環境情報を検出するための電圧センサ２１ａ、２１ｃ、温度センサ２２ａ〜２２ｃ、回転センサ２４と、エラー情報を格納するための不揮発性メモリ２３ａ〜２３ｃが搭載されている。不揮発性メモリ２３ａ〜２３ｃとしては、ＥＥＰＲＯＭ（Ｅｌｅｃｔｒｉｃａｌｌｙ Ｅｒａｓａｂｌｅ ａｎｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）が用いられる。

メインモジュール１１上のマネージメントコントローラ２０は、図２に示すように、一定期間が経過したかどうかを判断し（ステップＳ１）、一定期間が経過したら、各センサ（電圧センサ２１ａ、２１ｃ、温度センサ２２ａ〜２２ｃ、回転センサ２４）からの値を定期的に読み出して（ステップＳ２）、各モジュール（Ｉ／Ｏモジュール１２、ファンモジュール１３、電源モジュール１４）の電圧変動、温度異常を監視している。そして、マネージメントコントローラ２０は、読み取ったセンサの値を、対応する各モジュールに搭載された不揮発性メモリ２３ａ〜２３ｃに対して書き込みを行う（ステップＳ３）。

マネージメントコントローラ２０は、異常が発生したかどうかを判断し（ステップＳ４）、異常が発生してなければ、ステップＳ１に処理を戻す。あるモジュールにおいて電圧異常、温度異常を検出した場合、マネージメントコントローラ２０は、異常の通知をユーザーに行い（ステップＳ５）、該当するモジュールの不揮発性メモリ２３ａ〜２３ｃに異常検出を記録し（ステップＳ６）、必要に応じてシステムの停止処理等を行う（ステップＳ７）。

システム異常の原因となったモジュールは工場へ返却されて、調査・修理が行われる。ここで、不揮発性メモリ２３ａ〜２３ｃに記録された情報は電源を落としても消去されず、故障発生までのモジュールの温度や電圧等の履歴が記録されている。これにより、故障発生までの環境情報やエラー情報を各モジュール単位に記録することができ、メインモジュールからの情報を引き出すことなくエラー情報を収集することができ、故障モジュールの戻入後の調査・修理を迅速に行うことができる。

また、障害発生時のモジュールの環境情報の情報を収集することで、再現調査を加速することが可能となり、品質改善へのフィードバックが可能となる。

図３は、本発明の他の実施形態を示すものである。上述の第１の実施形態では、コンピュータを構成するモジュールの故障の発生に対処するものである。これに対して、この実施形態では、メモリエラーに対処するものである。

コンピュータのメモリはモジュール化されており、複数のメモリモジュールが装着されている。図３において、メモリモジュール１０１ａ〜１０１ｄは、例えば、ＤＩＭＭ（Ｄｕａｌ Ｉｎｌｉｎｅ Ｍｅｍｏｒｙ Ｍｏｄｕｌｅ）である。各メモリモジュール１０１ａ〜１０１ｄには、不揮発性メモリ（ＥＥＰＲＯＭ）１０２ａ〜１０２ｄが搭載される。メモリエラーが発生した場合には、不良が発生したメモリモジュール１０１ａ〜１０１ｄの不揮発性メモリ１０２ａ〜１０２ｄに、エラー情報が記録される。

例えば、メモリモジュール１０１ａにメモリエラーが検出されたとする。この場合、メインモジュール１１１のマネージメントコントローラ１２０は、異常の通知をユーザーに行い、メインモジュールへの記録と同時に、該当するメモリモジュール１０１の不揮発性メモリ１０２ａに、使用開始時期、メモリ実装情報（該当メモリが搭載されているスロット情報）、エラーカウント（訂正可能なエラーの発生回数）、エラー発生日時、エラーレコード（エラーステータス、エラーアドレス）、環境情報（メモリ電圧、メモリ温度）等を記録する。

このように、メモリモジュール１０１ａ〜１０１ｃ自体に、不良情報を記録する不揮発性メモリ１０２ａ〜１０２ｄを搭載することで、不良が発生したメモリモジュールと、発生していないメモリモジュールとを明確にすることが可能となる。これにより、エラー調査での再現性を向上させ、品質改善へのフィードバックが可能となる。

本発明は、上述した実施形態に限定されるものではなく、本発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

本発明の第１の実施形態の構成を示すブロック図である。 本発明の第１の実施形態の説明に用いるフローチャートである。 本発明の他の実施形態の構成を示すブロック図である。

符号の説明

１ コンピュータ
１１ メインモジュール
１２ Ｉ／Ｏモジュール
１３ ファンモジュール
１４ 電源モジュール
２０ マネージメントコントローラ
２１ａ、２１ｃ 電圧センサ
２２ａ、２２ｂ、２２ｃ 温度センサ
２３ａ〜２３ｃ 不揮発性メモリ
２４ 回転センサ
１０１ａ〜１０１ｃ メモリモジュール
１０２ａ〜１０２ｄ 不揮発性メモリ
１１１ メインモジュール
１２０ マネージメントコントローラ

Claims (5)

1. 複数のモジュールから構成されるコンピュータの異常監視装置であって、
   前記複数のモジュールの各々に配設された不揮発性メモリと、
   前記複数のモジュールの各々の異常を管理するマネージメント手段とを備え、
   異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させるようにしたことを特徴とするコンピュータの異常監視装置。
2. 前記複数のモジュールは、ＩＯモジュール、電源モジュール、ファンモジュール、ストレージモジュールの何れかを含み、
   前記複数のモジュールの各々は、外部環境の検出手段を有し、
   前記マネージメント手段は、前記複数のモジュールの各々の外部環境の検出手段により得られる情報を対応するモジュールの不揮発性メモリに保存することを特徴とする請求項１に記載のコンピュータの異常監視装置。
3. 前記モジュールは複数のメモリモジュールを含み、
   前記複数のメモリモジュールの各々に不揮発性メモリを配設し、
   前記マネージメント手段は、メモリ異常発生時には、異常が発生したメモリモジュールに対応する不揮発性メモリに情報を保存することを特徴とする請求項１に記載のコンピュータの異常監視装置。
4. 複数のモジュールから構成されるコンピュータの異常監視方法であって、
   前記複数のモジュールの各々に不揮発性メモリを配設しておき、
   前記モジュールの各々の異常を監視し、
   異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させることを特徴とするコンピュータの異常監視方法。
5. 複数のモジュールから構成されるコンピュータの異常監視プログラムであって、
   前記複数のモジュールの各々には不揮発性メモリが配設されており、
   前記モジュールの各々の異常を監視するステップと、
   異常発生時に、異常の発生したモジュールに対応する不揮発性メモリに、異常の情報を保存させるステップとを含むことを特徴とするコンピュータの異常監視プログラム。

Images