JP3640187B2 - マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード - Google Patents

マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード Download PDF

Info

Publication number
JP3640187B2
JP3640187B2 JP2002220125A JP2002220125A JP3640187B2 JP 3640187 B2 JP3640187 B2 JP 3640187B2 JP 2002220125 A JP2002220125 A JP 2002220125A JP 2002220125 A JP2002220125 A JP 2002220125A JP 3640187 B2 JP3640187 B2 JP 3640187B2
Authority
JP
Japan
Prior art keywords
failure
node
service processor
nodes
multiprocessor
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.)
Expired - Fee Related
Application number
JP2002220125A
Other languages
English (en)
Other versions
JP2004062535A (ja
Inventor
忠茂 門井
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Priority to JP2002220125A priority Critical patent/JP3640187B2/ja
Publication of JP2004062535A publication Critical patent/JP2004062535A/ja
Application granted granted Critical
Publication of JP3640187B2 publication Critical patent/JP3640187B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/14Error detection or correction of the data by redundancy in operation
    • G06F11/1479Generic software techniques for error detection or fault masking
    • G06F11/1482Generic software techniques for error detection or fault masking by means of middleware or OS functionality
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/14Error detection or correction of the data by redundancy in operation
    • G06F11/1402Saving, restoring, recovering or retrying
    • G06F11/1415Saving, restoring, recovering or retrying at system level
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/16Error detection or correction of the data by redundancy in hardware
    • G06F11/1658Data re-synchronization of a redundant component, or initial sync of replacement, additional or spare unit
    • GPHYSICS
    • G06COMPUTING; CALCULATING; COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F11/00Error detection; Error correction; Monitoring
    • G06F11/07Responding to the occurrence of a fault, e.g. fault tolerance
    • G06F11/16Error detection or correction of the data by redundancy in hardware
    • G06F11/20Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements
    • G06F11/202Error detection or correction of the data by redundancy in hardware using active fault-masking, e.g. by switching out faulty elements or by switching in spare elements where processing functionality is redundant
    • G06F11/2023Failover techniques
    • G06F11/2028Failover techniques eliminating a faulty processor or activating a spare

Description

【0001】
【発明の属する技術分野】
本発明は、マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノードに関する。
【0002】
【従来の技術】
近年、マルチプロセッサシステム、特にWindows(登録商標)やUNIX(登録商標)等のオープンシステムにおいて、プラットフォームがOS(Operating System)、ドライバ、アプリケーションと協力して、システムの構成制御、電源制御、エラーロギング、障害処理等をおこなうRAS(Remote Access Service)機能を強化する傾向にある。
【0003】
また、システム基盤であるプラットフォームは、ユーザニーズの多様化に対応するため大規模化しており、特に、複数のプロセッサを有するマルチプロセッサシステムを独立して運用可能なシステム(パーティション)に分割して、複数のOSを運用可能とする機能が要求されている。
【0004】
このような状況から今後、大規模プラットフォームを複数のパーティションに分割し、それぞれのパーティションの負荷状態に応じて柔軟にリソースの追加又は削除をおこなう機能、予備リソースを用意しておき障害発生時に即座に自動リプレースする機能等への要求に応えることができ、また、システム統合によるコスト削減を実現できる、統合プラットフォームへのニーズが高まることが予想される。
【0005】
ところで、マルチプロセッサシステムを用いた場合は、システム障害に対する復旧処理を的確におこなうことが重要となる。例えば、複数のノードを1つのサービスプロセッサで制御しておこなうマルチプロセッサシステムに対しての障害処理方法が開示されている(特開2001−134546公報)。
【0006】
【発明が解決しようとする課題】
しかし、複数のノードをサービスプロセッサで制御してなるノード群が複数集まって構成されたシステムで、異なるノード群に属する複数のノードを選択して独立のシステムとして運用するマルチプロセッサシステムにおいては、障害が複数のノード群に渡って発生する可能性があり、上記の障害処理手段では的確に障害処理をおこなうことができない。
【0007】
本発明はこのような問題点に鑑みて提案されたものであり、複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって形成された大規模プラットフォームを用いたマルチプロセッサシステムにおいて、障害処理を迅速かつ的確におこなうことができる障害処理方法、マルチプロセッサシステム及びノードを提供することを目的とする。
【0008】
【課題を解決するための手段】
上記課題を解決するため、請求項1に記載の発明は、複数のノードと前記複数のノードを制御するサービスプロセッサとを有するノード群が複数集まって構成され、前記複数のノード群からなる複数の前記ノードは相互接続網により相互に接続され、複数の前記サービスプロセッサは該サービスプロセッサを制御するサービスプロセッサマネージャに接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムにおける障害処理方法であって、いずれかの前記ノードで障害が発生した場合に、その障害ノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する工程と、前記障害ノードは、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達する工程と、前記障害ノードと同一のパーティションに属する他のノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する工程と、前記サービスプロセッサマネージャは、前記障害情報に基づいて前記それぞれのサービスプロセッサに障害処理を指示し、この指示を受けた前記サービスプロセッサは、該指示に従って障害処理をおこなう工程と、を含むことを特徴とする。
【0009】
請求項1に記載の発明によれば、障害ノードと同一パーティション内のノードから各ノードの障害情報を入手して、それに基づいて障害処理をおこなうので、被疑部の特定を迅速かつ的確におこなえ、ひいては障害処理を迅速かつ的確におこなうことができる。なお、パーティションとはシステムの一部分であり、独立して運用可能ものをいう。また、障害情報とは障害がある旨の情報、または、エラーログなどの障害内容を示す情報をいう。
【0010】
請求項2に記載の発明は、請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、前記障害ノードは、前記相互接続網を用いて障害通知パケットを他のノードに送信して、前記障害ノードと同一のパーティションに属する他のノードに前記他のノードに障害情報を伝達することを特徴とする。
【0011】
請求項2に記載の発明によれば、障害情報を障害パケットの送信でおこなうので、通常のトランザクションにおけるパケット送信と同じ環境を用いて障害処理が可能となる。
【0012】
請求項3に記載の発明は、請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、前記障害ノードは、前記相互通信網を用いて障害通知パケットを前記障害ノードと同一のパーティションに属する他のノードを宛先として送信して、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とする。
【0013】
請求項3に記載の発明によれば、障害パケットを前記障害ノードと同一のパーティションに属する他のノードを宛先として送信するので、不要なパケットを相互接続網に送信せずに済み、効率的な障害処理が可能となる。
【0014】
請求項4に記載の発明は、請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、前記障害ノードは、前記相互通信網を用いて障害通知パケットをブロードキャストで送信し、障害通知パケットを受信したノードが前記障害ノードと同一パーティションに属する場合のみ前記障害情報を該ノードに取り込むことで前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とする。
【0015】
請求項4に記載の発明によれば、障害ノードで障害通知パケットの宛先を特定しないので障害ノードでの処理負荷を低減でき、障害ノードの処理負荷が大きいときに有利である。
【0016】
請求項5に記載の発明は、請求項2乃至4のいずれかに記載のマルチプロセッサシステムにおける障害処理方法において、
前記障害ノードは、前記相互接続網を用いて障害通知パケットを送信する際に、通常のトランザクションで用いるチャンネルとは異なるチャンネルを用いて障害通知パケットを送信して、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とする。
【0017】
請求項5に記載の発明によれば、障害の影響等で通常のトランザクションに用いられるチャンネルが渋滞していたり、性能が低下していたりしても迅速、かつ、確実に障害通知パケットを送信することが可能となる。
【0018】
請求項6に記載の発明は、複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって構成され、複数の前記ノードは相互接続網により相互に接続され、前記サービスプロセッサおよびサービスプロセッサを制御するサービスプロセッサマネージャが専用線で接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムであって、いずれかの前記ノードで障害が発生した場合に、その障害ノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する障害ノード通知手段と、前記障害ノードは、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達するパーティション内通知手段と、前記障害ノードと同一のパーティションに属する他のノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する他ノード通知手段と、前記サービスプロセッサマネージャは、前記障害情報に基づいて前記サービスプロセッサに障害処理を指示し、この指示を受けた前記サービスプロセッサは、該指示に従って障害処理をおこなう障害処理手段と、を備えたことを特徴とする。
【0019】
請求項7に記載の発明は、複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって構成され、複数の前記ノードは相互接続網により相互に接続され、前記サービスプロセッサおよびサービスプロセッサを制御するサービスプロセッサマネージャが専用線で接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムに含まれるノードであって、 該ノードに障害が発生した場合に、該ノードと同一のパーティションに属する他のノードに障害情報を通知するとともに、該ノードを制御する前記サービスプロセッサに障害発生を通知することを特徴とする。
【0020】
請求項6または7に記載の発明によれば、何れかのノードで障害が発生した場合、相互接続網を用いて同一パーティションに属する他のノードに障害情報を通知して、該障害情報に基づいて障害処理をおこなえるので、また、サービスプロセッサマネージャが各サービスプロセッサを制御して障害処理をおこなえるので迅速かつ的確な障害処理を可能となる。
【0021】
【発明の実施の形態】
以下、本発明の好適な実施の形態について、添付図面を参照して説明する。
≪システム構成≫
図1は、本発明の実施形態にかかるマルチプロセッサシステムの一例を示すシステム構成図である。
【0022】
図1において、1はマルチプロセッサシステムを、2はノード群を、3はノードを、4はサービスプロセッサを、5はプロセッサを、6メモリを、7はノースブリッジを、8はI/Oホストブリッジを、9はクロスバーを、10は相互接続網を、11はサービスプロセッサマネージャを、12は専用線を示している。
【0023】
マルチプロセッサシステム1はノード群A〜Dの4つのノード群2で構成されている。マルチプロセッサシステム1を構成するノード群2の数は本実施形態では4つであるが、これに限定されず、本発明は2つ以上のノード群2で構成される場合に適用が可能である。各ノード群2はそれぞれ遠隔していても良いし、隣接していても良いが、遠隔して設置されている場合には、遠隔して設置されたノード3を用いてマルチプロセッサシステム1を構成できるという特徴を有する。
【0024】
ノード群AはノードAa〜Ahの8つのノード3およびノードAa〜Ahを管轄するサービスプロセッサA(図において、SPA)で構成されている。同様にノード群B〜CはノードBa〜Bh,ノードCa〜Ch,ノードDa〜Dhとそれぞれを管轄するサービスプロセッサB〜D(図において、SPB,SPC,SPD)で構成されている。1つのノード群2が有するノード2の数は本実施形態では8つであるが、これに限定されず、本発明は2つ以上のノード3を有するノード群2で構成されるマルチプロセッサシステム1に対して適用が可能である。また、本実施形態において、ノード3は、P/Mノード3aとI/Oノード3bの2種類のノードを有するが、特にこれに限定されることなく、例えばP/Mノード3aのみでもよいし、その他の種類のノード3で構成しても良い。
【0025】
P/Mノード3aは主に演算処理をおこなうノードで、少なくともプロセッサ5とメモリ6とを備えている。また、プロセッサ5とノード3内の各パーツ間を結ぶバスを接続するノースブリッジ7を備えている。なお、本実施形態ではプロセッサ5の数は2で、メモリ6の数は1であるが、プロセッサ5、メモリ6などの数は特にこれに限定されるものではない。また、I/Oノード3bは主に入出力をおこなうノードで、I/Oホストブリッジ8と配下にI/Oデバイス(図示せず)を備えている。
【0026】
サービスプロセッサ4は、ノード群2内のノード3を接続しており、これらノード3のマネージメントをおこなっている。
【0027】
ノード群A〜Dに属する計32個のノード3は、それぞれクロスバー9を介して相互接続網10によって相互に連結されている。なお、クロスバー9は、複数のプロセッサやメモリの間でデータをやり取りする際に、経路を動的に選択する機能を備えた装置である。
【0028】
サービスプロセッサマネージャ11は、各サービスプロセッサ4を専用線12で接続しており、これらサービスプロセッサ4のマネージメントをおこなっている。
【0029】
このようなハードウェアプラットフォームにおいて、複数のノード群2から複数のノード3を選択して独立して運用可能なシステムであるパーティションを形成している。具体的には、ノード群Aに属するノードAe〜Ah,ノード群Bに属するノードBa〜Bd,ノード群Cに属するノードCa〜Chの全12個のノードを選択してパーティション13を形成している。なお、本実施形態では1つのパーティションのみを定義したが、当然に複数のパーティションを形成してもよい。
【0030】
≪障害処理方法≫
次に、以上のマルチプロセッサシステムにおける障害処理方法の一例について、図2〜9を参照して説明する。
【0031】
図2〜7は各障害処理工程の説明図、図8は障害処理のフロー図、図9は障害通知パケットの説明図である。以下、図8のフロー図中のステップ1〜ステップ6のそれぞれのステップに分けて説明する。なお、ステップ1〜ステップ6は、それぞれ図2〜図7に対応する。
【0032】
<ステップ1>
障害ノードが、障害ノードを管轄するサービスプロセッサに、障害を通知するステップである。
【0033】
図2に示すように、ノード群Aに属するノードAeのI/Oホストブリッジ8でデータ転送中に重障害、例えば内部ECCエラー等が発生したとして、以下説明する。ノードAeは、障害を検知したら、まず内部のトレース情報、レジスタ情報などのエラーログ情報(障害情報)をホールドする。次に、ノードAeは、続いておこなう予定であったデータ転送を中止するとともに、ノードAeを管轄するサービスプロセッサA(SPA)に障害発生を送信し、SPAはノードAeの障害情報を取得する。障害情報を受け取ったSPAは、害障害の処理がノードAeの切り離しで済むか、または、パーティションリセットが必要かを判断する。SPAは、パーティションリセットが必要と判断した場合は、即座にノードAeをリセットし、サービスプロセッサマネージャ11に障害情報を送信してパーティションリセットのリクエストをおこなう。
【0034】
<ステップ2>
障害ノードが、同一パーティションに属する他のノードに、障害を通知するステップである。ステップ2は、ステップ1と並行しておこなわれる。
【0035】
障害ノードであるノードAeは、他のノードに障害発生を通知するため、障害通知パケットを作成する。図9に示すように、障害パケットは、エラーコード、宛先ノードコード、送信元ノードコード、重障害フラグ、エラー情報で構成される。エラーコードは、障害通知パケットであること示す符号である。宛先ノードコードは、障害通知パケットの宛先を示す符号で、ブロードキャストアドレスが指定されている。送信元ノードコードは、障害通知パケットの送信元を示す符号で、障害ノードであるノードAeのアドレスが指定されている。重障害フラグは、障害が重度か否かを示す符号で、ノードAeでは重障害が発生しているので、フラグは立っている。エラー情報は、ノードAeでの障害情報を示している。
【0036】
図3に示すように、障害通知パケットは、相互接続網を介して他のすべてのノードにブロードキャストで送信される。このとき通常のトランザクションに用いられるチャンネルとは異なるチャンネルを用いて送信される。したがって、通常のトランザクションに用いられるチャンネルが障害により渋滞していたり、性能が低下していたりしても迅速、確実に障害通知パケットを送信するためである。
【0037】
障害通知パケットを受信したノードは、ノースブリッジ7またはI/Oホストブリッジ8に設定されているパーティション情報で、自己ノードが障害パケットの送信元ノードであるノードAeと同一パーティションに属しているかを判断し、属していると判断した場合のみ障害通知パケットを自己ノードのエラーログ情報の一部として保存する。したがって、障害ノードAeと同一パーティションに属するノードAf〜Ah、ノードBa〜Bd、ノードCa〜Chは、それぞれのノードのエラーログ情報の一部として、障害通知パケットを保存する。
【0038】
<ステップ3>
障害ノードと同一のパーティションに属するノードが、該ノードを管轄するサービスプロセッサに障害を通知する工程である。
【0039】
図4に示すように、障害ノードAeと同一パーティションに属し、障害通知パケットをエラーログ情報の一部として保存した、ノードAf〜Ah、ノードBa〜Bd、ノードCa〜Chは、障害通知パケットの内容を確認し、重障害フラグが立っていることを認識すると、自己のエラーログ情報をホールドするとともに、管轄のサービスプロセッサであるSPA、SPB、SPCにそれぞれ障害発生を通知する。
【0040】
通知を受けたSPA、SPB、SPCは、管轄下のノードのエラーログ情報を取得し、障害通知パケットの内容に基づいて、関連するノードをリセットする。
【0041】
<ステップ4>
障害ノードと同一パーティションに属するノードを管轄するサービスプロセッサが、サービスプロセッサマネージャに障害を通知する工程である。
【0042】
図5に示すように、障害の通知を受けたSPA、SPB、SPCは、管轄下のノード(それぞれ、ノードAf〜Ah、ノードBa〜Bd、ノードCa〜Ch)の障害情報をサービスプロセッサマネージャ11に送信する。
【0043】
<ステップ5>
サービスプロセッサマネージャが、障害被疑部の特定をおこなう工程である。
【0044】
図6に示すように、関連するそれぞれのノード(ノードAe〜Ah、ノードBa〜Bd、ノードCa〜Ch)の障害情報を取得したサービスプロセッサマネージャ11は、障害通知パケット情報が一致していることにより、それぞれが同一原因であることを認識する。そして、サービスプロセッサマネージャ11が保有する故障解析辞書に基づいて、障害被疑部の特定をおこなう。また、障害被疑部の特定と並行して、障害情報を論理パーミッション情報、物理ロケーション情報などのシステム構成情報と組合せてログ情報管理をおこなう。
【0045】
<ステップ6>
障害回復処理をおこなう工程である。
【0046】
図7に示すように、パーティションリセットが必要であると判断された場合、サービスプロセッサマネージャ11は、SPA、SPB、SPCにパーティションのリセットの指示をおこなう。SPA、SPB、SPCは、相互に同期を取りながらリセットを実現する。なお、パーティションリセットは、サービスプロセッサマネージャ11の完全従属制御により、サービスプロセッサマネージャ11からの一連のリセット手順に基づいておこなっても良い。
【0047】
この他にも、障害回復処理の方法は様々であり、障害の状況に応じて回復処理がなされる。例えば、ミッションクリティカルな運用下では、サービスプロセッサマネージャ11と保守センター(図示せず)を回線で接続して、保守センターが障害処理をサポートすることが通常なされる。保守センターの保守員は、サービスプロセッサマネージャ11からリモートで障害情報を採取し、これらの障害情報に基づいて、最小ロスで、迅速かつ正確な部品交換などをおこなうことが可能である。
【0048】
また、障害ノードの代替リソースがシステム内に用意されている場合は、パーティションリセット時に、障害ノードの変えて代替リソースを組み込んでリセットをおこなえば、リソースの減少によるシステムの高負荷運用を防止することができる。
【0049】
さらに、OSのRAS機能が強化されている場合は、障害ノードの切り離しで障害回復がおこなえるときに、パーティションリセットをおこなわずに、障害ノードを代替リソースと置き換えて処理することで、システムのロバストネスを実現することができる。
【0050】
以上説明したように、本実施形態によると、複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって形成された大規模プラットフォームを用いたマルチプロセッサシステムにおいて障害が発生した場合に、障害箇所を迅速かつ的確に特定することができ、他のパーティションに障害を波及させることなく、また、障害が発生したパーティションの障害処理を迅速かつ的確におこなうことができる。さらに、これによりミッションクリティカルな分野への、大規模なオープンシステムの適用を可能にする。
【0051】
≪他の実施形態≫
上記実施形態のステップ2において、障害ノードは、障害ノードと同一パーティションに属するノードにのみ、障害通知パケットを送信しても良い。この場合、障害通知パケットの宛先ノードコードには、障害ノードと同一パーティションに属するノードのアドレスが定義される。このようにして、障害ノードと同一パーティションに属するノードにのみに障害通知パケットを送信した場合は、受信ノードでパーティションの確認をする必要がなく、即座に続く処理をおこなうことができる。
【0052】
また、同ステップ2において、障害ノードは、障害ノードと同一のノード群に属するノードに対しておこなう障害通知を、障害通知パケットの送信によりおこなうのに変えて、管轄するサービスプロセッサでの折り返しや、クロスバーでの折り返しによっておこなっても良い。
【0053】
【発明の効果】
以上の説明した通り、本発明によれば、障害ノードと同一パーティション内のノードから各ノードの障害情報を入手して、それに基づいて障害処理をおこなうので、被疑部の特定を迅速かつ的確におこなえ、ひいては障害処理を迅速かつ的確におこなうことができる。
【図面の簡単な説明】
【図1】 本発明の実施形態にかかるマルチプロセッサシステムの一例を示すシステム構成図である。
【図2】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図3】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図4】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図5】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図6】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図7】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理の一工程を示す図である。
【図8】 本発明の実施形態にかかるマルチプロセッサシステムおける障害処理方法の一例の処理フローを示す図である。
【図9】 障害通知パケットの一例を示す図である。
【符号の説明】
1 マルチプロセッサシステム
2 ノード群
3 ノード
4 サービスプロセッサ
5 プロセッサ
6 メモリ
7 ノースブリッジ
8 I/Oホストブリッジ
9 クロスバー
10 相互接続網
11 サービスプロセッサマネージャ
12 専用線

Claims (7)

  1. 複数のノードと前記複数のノードを制御するサービスプロセッサとを有するノード群が複数集まって構成され、前記複数のノード群における複数の前記ノードは相互接続網により相互に接続され、複数の前記サービスプロセッサは該サービスプロセッサを制御するサービスプロセッサマネージャに接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムにおける障害処理方法であって、
    いずれかの前記ノードで障害が発生した場合に、その障害ノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する工程と、
    前記障害ノードは、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達する工程と、
    前記障害ノードと同一のパーティションに属する他のノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する工程と、
    前記サービスプロセッサマネージャは、前記障害情報に基づいて前記それぞれのサービスプロセッサに障害処理を指示し、この指示を受けた前記サービスプロセッサは、該指示に従って障害処理をおこなう工程と、を含むことを特徴とするマルチプロセッサシステムの障害処理方法。
  2. 請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、
    前記障害ノードは、前記相互接続網を用いて障害通知パケットを他のノードに送信して、前記障害ノードと同一のパーティションに属する他のノードに前記他のノードに障害情報を伝達することを特徴とするマルチプロセッサシステムの障害処理方法。
  3. 請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、
    前記障害ノードは、前記相互通信網を用いて障害通知パケットを前記障害ノードと同一のパーティションに属する他のノードを宛先として送信して、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とするマルチプロセッサシステムの障害処理方法。
  4. 請求項1に記載のマルチプロセッサシステムにおける障害処理方法において、
    前記障害ノードは、前記相互通信網を用いて障害通知パケットをブロードキャストで送信し、障害通知パケットを受信したノードが前記障害ノードと同一パーティションに属する場合のみ前記障害情報を該ノードに取り込むことで前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とするマルチプロセッサシステムの障害処理方法。
  5. 請求項2乃至4のいずれかに記載のマルチプロセッサシステムにおける障害処理方法において、
    前記障害ノードは、前記相互接続網を用いて障害通知パケットを送信する際に、通常のトランザクションで用いるチャンネルとは異なるチャンネルを用いて障害通知パケットを送信して、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達することを特徴とするマルチプロセッサシステムの障害処理方法。
  6. 複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって構成され、複数の前記ノードは相互接続網により相互に接続され、前記サービスプロセッサおよびサービスプロセッサを制御するサービスプロセッサマネージャが専用線で接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムであって、
    いずれかの前記ノードで障害が発生した場合に、その障害ノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する障害ノード通知手段と、
    前記障害ノードは、前記障害ノードと同一のパーティションに属する他のノードに障害情報を伝達するパーティション内通知手段と、
    前記障害ノードと同一のパーティションに属する他のノードは、該ノードを制御する前記サービスプロセッサに障害の発生を通知し、この通知により、該サービスプロセッサは、該ノードから障害情報を取得して、該障害情報を前記サービスプロセッサマネージャに送信する他ノード通知手段と、
    前記サービスプロセッサマネージャは、前記障害情報に基づいて前記サービスプロセッサに障害処理を指示し、この指示を受けた前記サービスプロセッサは、該指示に従って障害処理をおこなう障害処理手段と、を備えたことを特徴とするマルチプロセッサシステム。
  7. 複数のノードが該ノードを制御するサービスプロセッサに接続されてなるノード群が複数集まって構成され、複数の前記ノードは相互接続網により相互に接続され、前記サービスプロセッサおよびサービスプロセッサを制御するサービスプロセッサマネージャが専用線で接続され、複数の前記ノード群から選択された複数の前記ノードでパーティションを構成したマルチプロセッサシステムに含まれるノードであって、
    該ノードに障害が発生した場合に、該ノードと同一のパーティションに属する他のノードに障害情報を通知するとともに、該ノードを制御する前記サービスプロセッサに障害発生を通知することを特徴とするノード。
JP2002220125A 2002-07-29 2002-07-29 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード Expired - Fee Related JP3640187B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2002220125A JP3640187B2 (ja) 2002-07-29 2002-07-29 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2002220125A JP3640187B2 (ja) 2002-07-29 2002-07-29 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード
US10/627,740 US7171590B2 (en) 2002-07-29 2003-07-28 Multi-processor system that identifies a failed node based on status information received from service processors in a partition
EP20030016616 EP1391822A2 (en) 2002-07-29 2003-07-29 Multi-processor system recovery

Publications (2)

Publication Number Publication Date
JP2004062535A JP2004062535A (ja) 2004-02-26
JP3640187B2 true JP3640187B2 (ja) 2005-04-20

Family

ID=31184755

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2002220125A Expired - Fee Related JP3640187B2 (ja) 2002-07-29 2002-07-29 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード

Country Status (3)

Country Link
US (1) US7171590B2 (ja)
EP (1) EP1391822A2 (ja)
JP (1) JP3640187B2 (ja)

Families Citing this family (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3640187B2 (ja) * 2002-07-29 2005-04-20 日本電気株式会社 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード
US7734741B2 (en) * 2004-12-13 2010-06-08 Intel Corporation Method, system, and apparatus for dynamic reconfiguration of resources
US7738484B2 (en) * 2004-12-13 2010-06-15 Intel Corporation Method, system, and apparatus for system level initialization
JP2006260325A (ja) * 2005-03-18 2006-09-28 Fujitsu Ltd 障害の伝達方法
US8510449B1 (en) * 2005-04-29 2013-08-13 Netapp, Inc. Caching of data requests in session-based environment
JP4556144B2 (ja) * 2005-06-17 2010-10-06 日本電気株式会社 情報処理装置、復旧装置、プログラム及び復旧方法
US8473460B2 (en) * 2006-11-21 2013-06-25 Microsoft Corporation Driver model for replacing core system hardware
US7877358B2 (en) * 2006-11-21 2011-01-25 Microsoft Corporation Replacing system hardware
US7934121B2 (en) * 2006-11-21 2011-04-26 Microsoft Corporation Transparent replacement of a system processor
JP4882736B2 (ja) 2006-12-27 2012-02-22 富士通株式会社 情報処理装置,障害処理方法,障害処理プログラムおよび同プログラムを記録したコンピュータ読取可能な記録媒体
JP4723470B2 (ja) * 2006-12-28 2011-07-13 株式会社日立製作所 計算機システムおよびそのチップセット
US7631169B2 (en) 2007-02-02 2009-12-08 International Business Machines Corporation Fault recovery on a massively parallel computer system to handle node failures without ending an executing job
US8086906B2 (en) 2007-02-15 2011-12-27 Microsoft Corporation Correlating hardware devices between local operating system and global management entity
US20080244077A1 (en) * 2007-03-20 2008-10-02 Canosa John T Methods for auditing peer-to-peer communications in remote device monitoring system and systems thereof
EP2141596B1 (en) * 2007-03-29 2011-12-14 Fujitsu Limited Information processing apparatus and error processing method
WO2008120383A1 (ja) 2007-03-29 2008-10-09 Fujitsu Limited 情報処理装置、障害処理方法
US8095830B1 (en) * 2007-04-03 2012-01-10 Hewlett-Packard Development Company, L.P. Diagnosis of system health with event logs
US8266634B2 (en) * 2007-10-12 2012-09-11 Microsoft Corporation Resource assignment system with recovery notification
US8707318B2 (en) 2007-10-12 2014-04-22 Microsoft Corporation Partitioning system including a generic partitioning manager for partitioning resources
JP2009252006A (ja) * 2008-04-08 2009-10-29 Nec Computertechno Ltd コンピュータシステムにおけるログ管理システム、ログ管理方法
WO2009144824A1 (ja) 2008-05-30 2009-12-03 富士通株式会社 情報処理装置、転送回路及び情報処理装置のエラー制御方法
JP5212471B2 (ja) * 2008-06-02 2013-06-19 富士通株式会社 データ処理システム、データ処理方法およびデータ処理プログラム
KR101259557B1 (ko) * 2008-12-18 2013-04-30 한국전자통신연구원 클러스터 데이터 관리 시스템 및 클러스터 데이터 관리 시스템에서 병렬 처리를 이용한 데이터 복구 방법
JP5459405B2 (ja) * 2010-08-27 2014-04-02 富士通株式会社 障害処理方法,障害処理システム,障害処理装置及び障害処理プログラム
US8533193B2 (en) 2010-11-17 2013-09-10 Hewlett-Packard Development Company, L.P. Managing log entries
US9753797B1 (en) * 2011-08-26 2017-09-05 Amazon Technologies, Inc. Reliable intermediate multicast communications
US8996931B2 (en) * 2012-03-22 2015-03-31 Infineon Technologies Ag System and method to transmit data, in particular error data over a bus system
US8977895B2 (en) 2012-07-18 2015-03-10 International Business Machines Corporation Multi-core diagnostics and repair using firmware and spare cores
JP6087540B2 (ja) * 2012-08-30 2017-03-01 Necプラットフォームズ株式会社 障害トレース装置、障害トレースシステム、障害トレース方法、及び、障害トレースプログラム
JP6079065B2 (ja) * 2012-08-31 2017-02-15 富士通株式会社 情報処理装置,処理方法及びプログラム
JP6205898B2 (ja) 2013-06-27 2017-10-04 富士通株式会社 制御方法、制御プログラムおよび情報処理システム
JP6135403B2 (ja) * 2013-08-27 2017-05-31 富士通株式会社 情報処理システム、情報処理システムの障害処理方法

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0695906A (ja) * 1992-09-17 1994-04-08 Fujitsu Ltd Scmpシステムおけるsvpのssu制御権の自動切り替え方法
JP3374910B2 (ja) * 1999-07-16 2003-02-10 日本電気株式会社 マルチプロセッサシステム
JP2001134546A (ja) 1999-11-05 2001-05-18 Nec Corp マルチプロセッサシステムの障害処理方法
US6711700B2 (en) * 2001-04-23 2004-03-23 International Business Machines Corporation Method and apparatus to monitor the run state of a multi-partitioned computer system
JP3541819B2 (ja) * 2001-06-05 2004-07-14 日本電気株式会社 ループ型ネットワークおよびその運用方法
US6842870B2 (en) * 2001-09-20 2005-01-11 International Business Machines Corporation Method and apparatus for filtering error logs in a logically partitioned data processing system
JP3891004B2 (ja) * 2002-02-26 2007-03-07 日本電気株式会社 情報処理システム及び該システムの制御方法並びにプログラム
JP3640187B2 (ja) * 2002-07-29 2005-04-20 日本電気株式会社 マルチプロセッサシステムの障害処理方法、マルチプロセッサシステム及びノード

Also Published As

Publication number Publication date
JP2004062535A (ja) 2004-02-26
US20040153888A1 (en) 2004-08-05
EP1391822A2 (en) 2004-02-25
US7171590B2 (en) 2007-01-30

Similar Documents

Publication Publication Date Title
EP3072260B1 (en) Methods, systems, and computer readable media for a network function virtualization information concentrator
CN104734878B (zh) 软件定义联网灾难恢复的方法和系统
EP3029893B1 (en) Method, controller, device and system for protecting service path
US9204207B2 (en) Hierarchy of control in a data center network
US8898396B2 (en) Software pipelining on a network on chip
US4893307A (en) Method and apparatus for linking SNA terminals to an SNA host over a packet switched communications network
US9747183B2 (en) Method and system for intelligent distributed health monitoring in switching system equipment
CN101778003B (zh) 防止设备故障影响通信的系统和方法
JP3783017B2 (ja) ローカル識別子を使ったエンド・ノード区分
EP1110148B1 (en) Fault tolerant computer system
EP2260611B1 (en) Automated power topology discovery
EP0330834B1 (en) Method and apparatus for linking an SNA host to a remote SNA host over a packet switched communications network
US8027354B1 (en) Network consolidation for virtualized servers
US5428766A (en) Error detection scheme in a multiprocessor environment
DE69533230T2 (de) Verfahren und vorrichtung zur verbesserung der fehlertoleranz eines netzwerkes
US5386551A (en) Deferred resource recovery
EP0427250B1 (en) Method and apparatus for exploiting communications bandwidth as for providing shared memory
US20120265835A1 (en) Query performance data on parallel computer system having compute nodes
JP2512678B2 (ja) デ―タ処理システム
JP3709795B2 (ja) コンピュータシステムと、コンピュータシステム内のモジュール間の通信方法
US6408163B1 (en) Method and apparatus for replicating operations on data
DE112013006063B4 (de) Funktionsübernahme für einen Datenübertragungskanal in einem Netzwerk mit Hochleistungsdatenverarbeitung
US6665262B1 (en) Distributed fault management architecture
US6230193B1 (en) Method and apparatus supporting network communications
US4628508A (en) Computer of processor control systems

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20040427

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20041111

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20041228

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20050110

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20080128

Year of fee payment: 3

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20090128

Year of fee payment: 4

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20100128

Year of fee payment: 5

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110128

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20110128

Year of fee payment: 6

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20120128

Year of fee payment: 7

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130128

Year of fee payment: 8

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20130128

Year of fee payment: 8

LAPS Cancellation because of no payment of annual fees