[发明专利]一种基于BMC的GPU掉卡监控方法

说明书

本发明提供一种基于BMC的GPU掉卡监控方法，包括：BMC建立对GPU的轮询检测；BMC通过直接查询和BIOS上报两种方式分别获取GPU的在位状态信息；BMC对比两种方式分别获取的在位状态信息；BMC根据对比结果判断GPU是否掉卡：若是，则触发掉卡管理事件。本发明直接通过BMC完成监控，无需额外添加检测设备和串口工具，从而监控实时GPU的掉电情况，大大提高了服务器对GPU的管理能力，为服务器的稳定运行提供保障。

技术领域

本发明属于GPU管理技术领域，具体涉及名称替一种基于BMC的GPU掉卡监控方法。

背景技术

随着云计算、大数据、人工智能的广泛应用，对服务器的计算能力提出了更高的挑战，尤其是在针对图像进行计算处理方面，GPU作为服务器的外围核心处理单元，掌握图像计算和处理的重要功能，在工作过程中必须与CPU进行实时交互，故关于GPU掉电的监控和上报极其重要，但是服务器空间有限，若格外添加检测设备则会造成空间拥挤和成本上升。

发明内容

针对现有技术的上述不足，本发明提供一种基于BMC的GPU掉卡监控方法，以解决上述技术问题。

第一方面，本发明提供一种基于BMC的GPU掉卡监控方法，包括：

BMC建立对GPU的轮询检测；

BMC通过直接查询和BIOS上报两种方式分别获取GPU的在位状态信息；

BMC对比两种方式分别获取的在位状态信息；

BMC根据对比结果判断GPU是否掉卡：若是，则触发掉卡管理事件。

进一步的，所述在位状态信息包括在位数量。

进一步的，所述BMC通过直接查询和BIOS上报两种方式分别获取GPU的在位状态信息，包括：

BMC向GPU的可编程器件发送命令，得到直接获取的GPU的在位数量；

BMC从PCIE的资产信息中获取到BIOS上报的GPU的在位数量。

进一步的，所述BMC根据对比结果判断GPU是否掉卡：若是，则触发掉卡管理事件，包括：

判断所述直接获取的GPU的在位数量是否大于BIOS上报的GPU的在位数量：若是，则判断GPU掉卡。

进一步的，所述掉卡管理事件包括：在BMC日志上记录GPU掉卡，并同时点亮GPU的状态指示灯。

进一步的，所述方法还包括：

当服务器系统重启或关机时，BMC停止掉卡管理事件，并启动新一轮的掉卡检测。

进一步的，所述方法还包括：

设置轮询检测的时间间隔，BMC按照设定的时间间隔执行两种方式获取GPU的在位状态信息。

进一步的，所述可编程器件为FPGA。

本发明的有益效果在于，

本发明提供的一种基于BMC的GPU掉卡监控方法，直接通过BMC完成监控，无需额外添加检测设备和串口工具，BMC将直接命令获取的GPU的在位状态信息和BIOS上报的在位状态信息进行对比，从而监控实时GPU的掉电情况，大大提高了服务器对GPU的管理能力，为服务器的稳定运行提供保障。

此外，本发明设计原理可靠，结构简单，具有非常广泛的应用前景。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。