[发明专利]监控服务器系统中PCIe不可纠正错误的方法和装置

说明书

本发明公开了一种监控服务器系统中PCIe不可纠正错误的方法。在扫描循环周期的起始时刻，把对服务器系统的全部PCIe设备的状态进行遍历获得的每个PCIe设备的状态信息分别保存在对应的文档之中；查找每个PCIe设备对应的文档中保存的PCIe设备的状态是否存在PCIe不可纠正错误；如果查找到PCIe不可纠正错误，则发送邮件以提示查找到的PCIe不可纠正错误；其中，所述邮件中包括出现PCIe不可纠正错误的设备的属性信息及查找到的PCIe不可纠正错误的类型信息。上述方法能够监控到出现PCIe不可纠正错误的PCIe设备以及错误类型。还公开了对应的监控服务器系统中PCIe不可纠正错误的装置。

技术领域

本发明涉及服务器监控技术，尤指一种监控服务器系统中PCIe不可纠正错误的方法和装置。

背景技术

PCIe(Peripheral Component Interconnect express)是一种高速串行计算机扩展总线标准,旨在替代老版的PCI总线,现在大多数主板都配有多个PCIe插槽，外部设备可以插入PCIe插槽，通过PCIe总线与主机进行通信。在当前主流的服务器设计中，大部分外部设备都是通过PCIe插槽连接到服务器系统的设备(在本文中简称为“PCIe设备”)，诸如网卡、RAID(Redundant Array ofIndependent Disks，独立冗余磁盘阵列)卡及HBA(Host BusAdapter，主机总线适配器)卡等，另外还有一些NVM Express(Non-Volatile Memoryexpress，非易失性内存主机控制器接口规范)及系统下的桥接设备等。在Linux系统下，当这些设备有不可纠正错误(Uncorrectable errors)的时候，系统管理员及时地发现不可纠正错误，对于服务器系统的稳定性及安全性，都是非常重要的，一旦有PCIe Uncorrectableerrors发生，这种类型的错误可能会导致PCIe链路(PCIe link)及PCIe设备变得不可靠，服务器系统中安装的操作系统也需要重置(reset)异常的链路和/或异常的PCIe设备。

在现有的服务器上电后，服务器之中的操作系统处于运行阶段，如果系统有PCIe不可纠正错误，系统的驱动可能会重置对应的link或设备，但是不会对管理员进行提醒，也不会告知管理员系统具体有哪类错误。这种错误一旦多次发生，可能会导致系统重启/死机或数据丢失等严重的问题。系统管理员无法知道具体的PCIe错误类型及得到通知并提前对异常的机器进行处理，严重的可能会导致数据丢失，服务器宕机或重启，可能会带来严重的经济损失及数据丢失。

发明内容

为了解决上述技术问题，本发明提供了一种监控服务器系统中PCIe不可纠正错误的方法和装置，其能够监控到出现PCIe不可纠正错误的PCIe设备以及错误类型。

为了达到本发明目的，本发明实施例提供了一种监控服务器系统中PCIe不可纠正错误的方法，该方法包括：

在扫描循环周期的起始时刻，把对服务器系统的全部PCIe设备的状态进行遍历获得的每个PCIe设备的状态信息分别保存在对应的文档之中；

查找每个PCIe设备对应的文档中保存的PCIe设备的状态是否存在PCIe不可纠正错误；

如果查找到PCIe不可纠正错误，则发送邮件以提示查找到的PCIe不可纠正错误；其中，邮件中包括出现PCIe不可纠正错误的设备的属性信息及查找到的PCIe不可纠正错误的类型信息。

在一个可选的实施例中，查找每个PCIe设备对应的文档中保存的PCIe设备的状态是否存在PCIe不可纠正错误的步骤包括：

查找在每个PCIe设备对应的文档之中代表PCIe设备状态的返回值，以根据返回值来确定是否存在PCIe不可纠正错误。

在一个可选的实施例中，如果查找到PCIe不可纠正错误，则发送邮件以提示查找到的PCIe不可纠正错误的步骤包括：