[发明专利]一种收集硬件错误信息的方法

说明书

本发明提供了一种收集硬件错误信息的方法，用于快速、准确的采集服务器内硬件错误信息，盖方法包括以下步骤：步骤1：划分节点并设置节点控制器扩展模块；步骤2：用户自定义寄存器列表及数据结构；步骤3：设置服务器中断功能；步骤4：重启服务器，使服务器进入待命状态；步骤5：服务器发生硬件错误，节点采集硬件信息。该方法利用高端服务器中节点控制器扩容特性，实现系统出错时能及时收集硬件状态信息并保存的功能，该功能不用考虑带内系统状态，直接通过带外系统读取信息，通过对已读取信息的详细解析，从而实现具体问题的定位。

技术领域

本发明涉及高端服务器监控领域，尤其涉及一种高端服务器收集硬件错误信息的方法。

背景技术

随着互联网的广泛应用，网络对服务器提出了更高的要求，作为服务器产业的原始动力，先进技术的应用于对于用户采购会起到决定性的作用，在网络技术、虚拟化技术、分布式应用快速发展的今天，服务器所要求的可用性，可靠性，可服务性的指标越来越高。

特别是金融、电信业务的正常运转高度依赖于信息系统的持续稳定运行，对高端服务器的可用性也提出了很高的要求，不仅要求高端服务器系统的可用度达到99.999％，而且对于出现硬件错误后对于错误的定位和处理速度，也提出了更高的要求。

高端服务器由于其复杂的硬件架构对系统容错技术有更高的要求，目前，服务器硬件错误信息的采集原理如图1所示，系统固件根据UEFI标准和ACPI标准提供相应的数据给操作系统，操作系统进行解析，同时系统固件收集信息并解析最后将出错硬件信息传给BMC。

然而，对于上述的方法来说，由于高端服务器系统复杂，系统某个硬件出错可能导致多个硬件同时报错，系统日志同时出现多个硬件错误，对系统出错场景的分析受限，从而难以实现问题的精准定位。

发明内容

为了解决上述问题，本发明提供了一种收集硬件错误信息的方法，利用高端服务器中节点控制器扩容特性，实现系统出错时能及时收集硬件状态信息并保存的功能，该功能不用考虑带内系统状态，直接通过带外系统读取信息，通过对已读取信息的详细解析，从而实现具体问题的定位。

本发明采用以下技术方案：

一种收集硬件错误信息的方法，用于快速、准确的采集服务器内硬件错误信息，其特征在于，所述的方法包括以下步骤：

步骤1：划分节点并设置节点控制器扩展模块；

步骤2：用户自定义寄存器列表及数据结构；

步骤3：设置服务器中断功能；

步骤4：重启服务器，使服务器进入待命状态；

步骤5：服务器发生硬件错误，节点采集硬件信息。

进一步的，步骤1中，每一个节点至少包括一个CPU和一个节点控制器。

进一步的，在步骤1中，扩展模块的设置标准为：扩展模块是设置在节点控制器内部的存储模块，具有与存储控制器数据交互功能，以及与带外系统数据交互功能。

优选的，节点控制器和扩展模块之间通过地址映射实现数据存储。

优选的，带外系统和扩展模块之间通过SMBUS协议实现数据读取。

进一步的，步骤2中，用户自定义寄存器列表及数据结构的具体过程为：

研发人员首先结合芯片手册，选择需要收集的错误状态寄存器并自定义数据结构；然后形成文档并开发出解析工具对获取的错误信息进行解析，嵌入在系统固件用于收集错误信息模块。

进一步的，步骤3的具体实现原理为：系统出错时，系统管理中断功能使服务器系统进入中断服务程序。

进一步的，步骤4的具体实现过程为：