JP5440912B2 - 情報処理装置及びそのプロセッサ管理方法 - Google Patents

Description

本発明は、情報処理装置及びそのプロセッサ管理方法に関し、特に、複数のプロセッサを管理する方法に関するものである。

従来、複数のプロセッサを有する情報処理装置においては、オペレーティングシステムはある一つのプロセッサ上で立ち上がり、以後はそのプロセッサがオペレーティングシステム（カーネル）用プロセッサとして固定され、稼働中には他のプロセッサへの割り当て変更は出来ない。よって、プロセッサ非活性化やHot Replace等が可能な情報処理装置においても、稼働中のプロセッサに対して他のプロセッサへの割り当て変更は出来ない。そのため、もし、このプロセッサの障害発生確率が高い場合には、オペレーティングシステムのダウンの可能性が高くなってしまう。

ここで、複数のプロセッサを有する情報処理装置としては、例えば、特許文献１に記載されている。また、部品の故障予防方法や故障診断方法としては、特許文献２、３に記載された方法がある。

特開２００６−２６８５１９号公報 特開２００１−１３４７９７号公報 特開２００２−３０４２１５号公報

上述のようにオペレーティングシステムはある一つのプロセッサ上で立ち上がり、以後はそのプロセッサがオペレーティングシステム（カーネル）用プロセッサとして固定され、稼働中には他のプロセッサへの割り当て変更は出来ない。そのため、このプロセッサの障害発生確率が高い場合には、オペレーティングシステムのダウンの可能性が高くなってしまう問題があった。

一方、特許文献２には、部品の稼働時間を積算し、稼働時間が一定時間を超えた時にその部品が耐用時間を超えたとして通報等を行う方法が記載されているが、複数のプロセッサ等の信頼性を検出するものではない。

また、特許文献３には、使用頻度履歴とその故障発生要因から故障型（初期型故障、偶発型故障、摩耗型故障）の発生確率を抽出し、発生確率が最も高い故障発生要因とその故障型を表示することが記載されている。特許文献３の方法は、初期型故障や偶発型故障等の故障型に対する発生確率を求めるものであり、プロセッサ等の障害発生確率を検出するものではない。

本発明の目的は、障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定することで、システムダウンの可能性をより低減することが可能な情報処理装置及びそのプロセッサ管理方法を提供することにある。

本発明は、固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサとを有し、前記サービスプロセッサは、前記固有の識別子をキーとして各プロセッサの稼働時間及び障害履歴を管理する管理手段と、前記稼働時間と障害履歴に基づいて各プロセッサの障害発生確率を計算する障害発生確率計算手段と、前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを選出する選出手段とを具備する。そして、前記複数のプロセッサのうち前記障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動する。

本発明によれば、複数のプロセッサの稼働実績から障害発生確率を算出し、最も障害発生率の小さいプロセッサをオペレーティングシステム用に割り当てることにより、以後のシステムダウンを低減させることができる。

本発明に係る情報処理装置の一実施形態を示すブロック図である。 本発明に係るサービスプロセッサの一例を示すブロック図である。 図１、図２の動作を説明する流れ図である。

次に、発明を実施するための形態について図面を参照して詳細に説明する。図１に示すように情報処理装置１００内には複数のプロセッサ０、１、２、３が搭載され、それぞれのプロセッサにはSerial Number等の固有識別子が付与されている。各プロセッサには内蔵ＲＯＭが設けられている。本実施形態では４個のプロセッサを搭載する例を示しているが、これに限ることはない。

情報処理装置１００内には装置内の各部を管理するサービスプロセッサ１１０が設けられている。サービスプロセッサ１１０の主な機能としては、各プロセッサの電源状態（電源ＯＮ／ＯＦＦ状態）、ＯＳスタンバイ状態等の情報から各プロセッサの稼働時間を計算し、データベースに記録することである。また、プロセッサ毎に障害履歴をデータベースに記録すること、これらの情報に基づいて各プロセッサの故障発生確率を計算することである。更に、障害発生確率の最も小さいプロセッサをＢＩＯＳ１２０に認識させること等である。

その際、論理番号によって優先度付けされている情報処理装置では、障害発生確率が最も小さいプロセッサを認識させる場合、障害発生確率の最も小さいプロセッサに最若番の論理番号を付ける。こうして障害発生確率の最も小さいプロセッサをＢＩＯＳ１２０に認識させる。情報処理装置１００内にはオペレーティングシステムの起動制御等を行うＢＩＯＳ１２０がある（図２）。

図２はサービスプロセッサ１１０の一例を示すブロック図である。サービスプロセッサ１１０は、各プロセッサの稼動時間及び障害を監視し、それらの情報をプロセッサ管理手段１１２に登録するプロセッサ監視手段１１１、各プロセッサの固有識別子をキーとしたデータベース機能を有するプロセッサ管理手段１１２、プロセッサ管理手段１１２に記録された稼働時間及び障害履歴から障害発生確率を計算する障害確率計算手段１１３、ＢＩＯＳ１２０に対して障害発生確率の最も小さいプロセッサを確認できる情報を伝達する情報伝達手段１１４を含んでいる。

サービスプロセッサ１１０の各手段はそれぞれ次のように動作する。まず、プロセッサ監視手段１１１は、各プロセッサの稼動時間及び障害を常時監視し、それらの情報を適宜プロセッサ管理手段１１２に登録する。プロセッサ管理手段１１２は各プロセッサの固有識別子をキーとしたデータベース機能を有し、プロセッサ毎に稼働時間、障害履歴を管理する。

障害確率計算手段１１３は、オペレーティングシステムの再立ち上げ時等の適当なタイミングにおいて各プロセッサの障害発生確率を計算する。情報伝達手段１１４は障害確率計算手段１１３で計算された各プロセッサの障害発生確率から障害発生確率が最も小さいプロセッサを認識させる情報をオペレーティングシステムの再立ち上げ時等にＢＩＯＳ１２０に渡す。

ＢＩＯＳ１２０は、複数のプロセッサ０〜３のうち障害発生確率が最も小さいプロセッサをオペレーティングシステム起動及び稼動用に指定する。以後、その指定されたプロセッサがオペレーティングシステム用プロセッサとなる。なお、このプロセッサはMonarch ＣＰＵとも呼ばれる。

ここで、プロセッサの障害発生確率とは、
（１）故障率曲線（バスタブ曲線）から算出する故障発生確率（部品の稼働時間観点からの障害発生確率）、
（２）（重障害に至る予兆である）軽障害の発生頻度から算出する故障発生確率（部品の障害履歴観点からの障害発生確率）、
を加算した最終的な一定期間内にオペレーティングシステムのダウンを招く可能性のある重度の障害の発生確率をいう。具体的なプロセッサの障害発生確率の計算方法は詳しく後述する。

次に、図１、図２及び図３のフローチャートを参照して本実施形態の動作について詳細に説明する。まず、サービスプロセッサ１１０のプロセッサ監視手段１１１は運用中のプロセッサの稼働時間及び障害を監視し、プロセッサ管理手段１１２にこれらのデータを適宜登録する。

ここで、定期保守等のタイミング、例えば、システム立ち下げ（オペレーティングシステム立ち下げ及びプロセッサ電源ＯＦＦ：図３のステップＡ１）を実施した際には、各プロセッサ（運用中のプロセッサ）の稼働時間及び障害履歴に基づいて障害確率計算手段１１３は各プロセッサの障害発生確率を計算する（図３のステップＡ２）。

次いで、システム再立ち上げ時に情報伝達手段１１４はＢＩＯＳ１２０に対して各プロセッサの障害発生確率もしくは障害発生確率の最も小さいプロセッサを確認できる情報を伝達する（図３のステップＡ３）。ＢＩＯＳ１２０は障害発生確率の最も小さいプロセッサをオペレーティングシステム起動用及びオペレーティングシステム稼動用として設定し、オペレーティングシステムを起動する（図３のステップＡ４）。障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定することで、以降のシステムダウンを低減させることが可能となる。

本実施形態では、サービスプロセッサ１１０にプロセッサ監視手段１１１、プロセッサ管理手段１１２、障害確率計算手段１１３及び情報伝達手段１１４を追加する形であり、ＢＩＯＳ１２０の機能については障害発生確率の最も小さいプロセッサでオペレーティングシステムを起動及び稼動を実施させればよいため、オペレーティングシステムの改造の必要はない。

次に、プロセッサ監視手段１１１及びプロセッサ管理手段１１２がプロセッサの稼働時間を積算する方法を説明する。まず、プロセッサ電源のＯＮ／ＯＦＦ、オペレーティングシステムからのスタンバイ移行／復帰通知をプロセッサ監視手段１１１が監視する。このタイミングでタイムスタンプを切ってプロセッサ管理手段１１２に登録することで各プロセッサの稼働時間を計算する。

プロセッサの障害履歴の管理方法としては、プロセッサ監視手段１１１がプロセッサ障害発生時にＢＩＯＳ１２０から受け取ったデータを判別し、プロセッサ管理手段１１２に登録することで障害履歴を管理する。プロセッサ管理手段１１２は各プロセッサが個別に有するシリアルナンバー等の固有識別子によってデータを管理する。よって物理的な位置変更等に影響されることなく管理できる。

次に、障害確率計算手段１１３による障害発生確率の計算方法の一例を説明する。通常、部品の寿命を表すものとして故障率曲線、通称バスタブ曲線と呼ばれるものが知られている。バスタブ曲線に関しては、例えば、特許文献３（特開２００２−３０４２１５号公報）等に記載されている。バスタブ曲線は、部品使用時間に対して故障発生率が初期故障期、偶発故障期、摩耗故障期を合わせた曲線がバスタブのような曲線になることからそう呼ばれている。

周知のようにバスタブ曲線の初期故障期は、製造過程に起因する欠陥等によって使用開始と同時に劣化・故障してしまうことが多い期間であり、初期不良の発生期間である。偶発故障期は、初期不良がなくなり、一定の割合でしか故障が発生しない安定した期間である。摩耗故障期は部品が摩耗・劣化してきており、故障発生が増加してくる期間である。

まず、上述の（１）の故障発生確率の計算方法に関して説明する。本実施形態では、バスタブ曲線上の初期故障期、磨耗故障期といった故障率の高い期間に相当する場合には、故障発生確率が高くなる計算式を設定する。例えば、プロセッサの累積稼働時間が初期故障期や摩耗故障期に該当している場合には、そのバスタブ曲線の初期故障期や摩耗故障期の曲線（直線）に基づき計算式（近似式）を設定し、その計算式から障害発生確率を計算する。

具体的には、例えば、プロセッサの累積稼働時間が０時間から１００時間までは初期故障期に該当するものとし、実際のプロセッサの累積稼働時間が初期故障期にあるものとする。その際、プロセッサの稼働時間が０時間、１０時間、２０時間、…、１００時間になるに従って障害発生確率が低くなるようにバスタブ曲線の初期故障期の曲線（直線）から計算式（近似式）を設定し、実際のプロセッサの稼働時間とその近似式から稼働時間に基づく障害発生確率を算出する。

また、例えば、プロセッサの稼働時間が１００時間から４００時間まで偶発故障期に該当する場合には、その期間は一定の障害発生確率を設定する。更に、例えば、プロセッサの稼働時間が４００時間から５００時間まで摩耗故障期に該当する場合には、稼働時間が４００時間、４１０時間、…、５００時間になるに従って障害発生確率が高くなるように摩耗故障期の曲線（直線）から近似式を設定し、実際のプロセッサの稼働時間とその近似式から障害発生確率を算出する。

次に、上述の（２）の計算方法に関して説明する。例えば、プロセッサの前回の起動時から立ち下げ時までの障害発生数と稼働時間から障害発生率を計算する。これを累積して、例えば、一定期間（例えば１週間）の障害発生数から障害発生確率を算出する。つまり、一定期間内にシステムダウンに繋がる重障害の予兆となる軽障害（システムダウンまでには至らない、運用中に訂正可能な障害）が何回発生するかを計数し、それに基づいて障害発生確率を計算する。

次に、（１）で得られた障害発生確率に（２）で得られた障害発生確率を加算することで総合的なプロセッサの障害発生確率が得られる。なお、単純な計算方法として、例えば、１週間のうちに１０回以上、ある特定の軽障害が発生したら障害発生確率を５０％上乗せする等の方法がある。

例えば、図１に示すようにサーバシステムには４個のプロセッサ０、１、２、３が搭載され、再起動前までのそれぞれの稼動実績としてプロセッサ０は稼働時間がバスタブ曲線の初期故障期に該当し（故障発生確率：高）、障害履歴はなしとする。プロセッサ１は稼働時間がバスタブ曲線の磨耗故障期に該当し（故障発生確率：高）、障害履歴はなしとする。

プロセッサ２は稼働時間がバスタブ曲線の偶発故障期に該当し（故障発生確率：低）、障害履歴はなしとする。プロセッサ３は稼働時間がバスタブ曲線の偶発故障期に該当し（故障発生確率：低）、障害履歴はこの1週間に１０回発生したとする（故障発生確率：高）。この例の場合には、４個のプロセッサのうちプロセッサ２が最も障害発生確率が低いということになる。

ここで、ＢＩＯＳ１２０はサービスプロセッサ１１０から指定されたプロセッサをオペレーティングシステム立ち上げ・運用に割り当てる場合には、サービスプロセッサ１１０の情報伝達手段１１４は最も障害発生確率が小さいプロセッサ２をＢＩＯＳ１２０に対して指定する。よって、プロセッサ２はオペレーティングシステム用に設定され、以後のシステムダウンの確率を低減することができる。

このように本実施形態では、各プロセッサの稼働時間と障害履歴に基づいて障害発生確率を算出し、システム再立ち上げ時等に最も障害発生率の小さいプロセッサをオペレーティングシステム用に割り当てることにより、以後のシステムダウンを低減することができる。

また、プロセッサのHot Replace機能を有するオペレーティングシステムにおいては、障害発生確率が他のプロセッサに対して比較的高いプロセッサを、Hot Replaceにて予防保守でき、システム性能を損なうことなく運用することが可能となる。つまり、重要度が低いプロセッサは必然的に重要度の低い役割に回されることになるが、重要度が低い場合には、プロセッサが故障となってもシステム全体がダウンする可能性は（重要度が高いプロセッサの故障によるシステムダウンの可能性より）低くなる。Hot Replace機能がついているシステムにおいては、この障害発生確率の高いプロセッサをシステム運用中に別のプロセッサと交換することにより、プロセッサの故障によるシステムダウン確率の更なる低下や、システム性能の低下を未然に防止することができる。

更に、本発明はオペレーティングシステム側の改造なしに実現することが可能である。即ち、プロセッサはサービスプロセッサにて電源ＯＮ／ＯＦＦが制御され、また一般的にオペレーティングシステムがスタンバイ状態に移行した場合には、オペレーティングシステムからＢＩＯＳ及びサービスプロセッサにその旨が通知され、これら情報に基づき稼動時間の監視が出来る。また、障害に関しても一般的にＢＩＯＳ及びサービスプロセッサにて管理される。そのため、特に、オペレーティングシステム側の改造は必要としない。

上述の実施形態で説明の通り、本発明の趣旨は、複数の部品（プロセッサ）の稼働実績から故障発生確率を計算し、故障発生確率の最も小さい部品に重要な役割（オペレーティングシステム稼動等）を担わせることにより、以後のシステムダウンの発生率を低減するというものである。よって、本発明は、情報処理装置等の複数の同じ部品を有する全てのシステムにおいて、そのような目的を達成する場合の手段として適用することが可能である。

なお、以上の実施形態の情報処理装置はハードウェアによっても実現できるが、コンピュータをその情報処理装置として機能させるためのプログラムをコンピュータがコンピュータ読み取り可能な記録媒体から読み込んで実行することによっても実現することができる。また、以上の実施形態のプロセッサ管理方法はハードウェアによっても実現できるが、コンピュータにその方法を実行させるためのプログラムをコンピュータがコンピュータ読み取り可能な記録媒体から読み込んで実行することによっても実現することができる。

本発明は、複数個のプロセッサ等の同一部品を有するシステムに使用することができる。その際、複数の部品の稼働実績から最も障害発生確率の小さい部品を選定し、その部品に最も重要な役割を担わせればよい。

１００ 情報処理装置
１１０ サービスプロセッサ
１１１ プロセッサ監視手段
１１２ プロセッサ管理手段
１１３ 障害確率計算手段
１１４ 情報伝達手段
１２０ ＢＩＯＳ

Claims (12)

1. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサとを有する情報処理装置であって、
   前記サービスプロセッサは、
   前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する管理手段と、
   前記稼働時間と障害履歴に基づいて各プロセッサの障害発生確率を計算する障害発生確率計算手段と、
   前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを選出する選出手段とを有し、
   前記複数のプロセッサのうち前記障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定し、当該プロセッサでオペレーティングシステムを起動することを特徴とする情報処理装置。
2. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサとを有する情報処理装置であって、
   前記サービスプロセッサは、
   前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する管理手段と、
   オペレーティングシステムの立ち下げ時に前記稼働時間と障害履歴に基づいて各プロセッサの障害発生確率を計算する障害発生確率計算手段と、
   前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを選出する選出手段とを有し、
   前記オペレーティングシステムの再立ち上げ時に前記複数のプロセッサのうち前記障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動することを特徴とする情報処理装置。
3. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサと、オペレーティングシステムの起動制御を行うＢＩＯＳとを有する情報処理装置であって、
   前記サービスプロセッサは、
   前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する管理手段と、
   前記オペレーティングシステムの立ち下げ時に前記稼働時間と障害履歴から各プロセッサの障害発生確率を計算する障害発生確率計算手段と、
   前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを前記ＢＩＯＳに伝達する伝達手段とを有し、
   前記ＢＩＯＳは、前記オペレーティングシステムの再立ち上げ時に前記複数のプロセッサのうち前記伝達された障害発生確率の最も小さいプロセッサを前記オペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動することを特徴とする情報処理装置。
4. 前記障害発生確率計算手段は、前記プロセッサのバスタブ曲線における初期故障期、偶発故障期、摩耗故障期の故障期に基づく障害発生確率と、前記プロセッサの一定期間内における障害発生履歴に基づく障害発生確率とを加算することによって、最終的な障害発生確率を計算することを特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。
5. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサとを有する情報処理装置のプロセッサ管理方法であって、
   管理手段により、前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する工程と、
   計算手段により、前記稼働時間と障害履歴に基づいて各プロセッサの障害発生確率を計算する工程と、
   選出手段により、前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを選出する工程と、
   設定手段により、前記複数のプロセッサのうち前記障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動する工程と、
   を含むことを特徴とするプロセッサ管理方法。
6. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサとを有する情報処理装置のプロセッサ管理方法であって、
   管理手段により、前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する工程と、
   計算手段により、オペレーティングシステムの立ち下げ時に前記稼働時間と障害履歴に基づいて各プロセッサの障害発生確率を計算する工程と、
   選出手段により、前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを選出する工程と、
   設定手段により、前記オペレーティングシステムの再立ち上げ時に前記複数のプロセッサのうち前記障害発生確率の最も小さいプロセッサをオペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動する工程と、
   を含むことを特徴とするプロセッサ管理方法。
7. 固有の識別子を有する複数のプロセッサと、前記複数のプロセッサを管理するサービスプロセッサと、オペレーティングシステムの起動制御を行うＢＩＯＳとを有する情報処理装置のプロセッサ管理方法であって、
   管理手段により、前記固有の識別子をキーとして運用中のプロセッサの稼働時間及び障害履歴を管理する工程と、
   計算手段により、前記オペレーティングシステムの立ち下げ時に前記稼働時間と障害履歴から各プロセッサの障害発生確率を計算する工程と、
   伝達手段により、前記各プロセッサの障害発生確率から最も障害発生確率の小さいプロセッサを前記ＢＩＯＳに伝達する工程と、
   前記ＢＩＯＳにより、前記オペレーティングシステムの再立ち上げ時に前記複数のプロセッサのうち前記伝達された障害発生確率の最も小さいプロセッサを前記オペレーティングシステム用に設定し、当該プロセッサで前記オペレーティングシステムを起動する工程と、
   を含むことを特徴とするプロセッサ管理方法。
8. 前記障害発生確率の計算手段は、前記プロセッサのバスタブ曲線における初期故障期、偶発故障期、摩耗故障期の故障期に基づく障害発生確率と、前記プロセッサの一定期間内における障害発生履歴に基づく障害発生確率とを加算することによって、最終的な障害発生確率を計算することを特徴とする請求項５乃至７のいずれか１項に記載のプロセッサ管理方法。
9. 前記初期故障期には稼働時間が長くなるに従って障害発生確率を低くし、前記摩耗故障期には稼働時間が長くなるに従って障害発生確率を高くすることを特徴とする請求項４に記載の情報処理装置。
10. 前記初期故障期には稼働時間が長くなるに従って障害発生確率を低くし、前記摩耗故障期には稼働時間が長くなるに従って障害発生確率を高くすることを特徴とする請求項８に記載のプロセッサ管理方法。
11. 一定期間内に障害が一定回数以上発生した場合に障害発生確率を上乗せする請求項１−４及び９のいずれか１項に記載の情報処理装置。
12. 一定期間内に障害が一定回数以上発生した場合に障害発生確率を上乗せする請求項５−８及び１０のいずれか１項に記載のプロセッサ管理方法。