专利名称：一种基于内存错误的服务器预警方法
技术领域：
本发明涉及大型服务器管理技术领域，具体地说是一种基于内存错误的服务器预警方法。
背景技术：
I、当前的服务器监控系统主要通过带外监控来监控系统的温度，电压和风扇转速等信息控制系统外部环境的稳定。这些带外的方法无法覆盖内存系统内存发生错误，尤其是当今服务器集群系统内存条动则成百上千，一旦出问题很难定位；
2、当前的监控系统主要是基于时间的轮询机制，这种机制虽然在一定程度上较为高效，但是如果系统不稳定发生的时间点正好在两次轮询中间，那么监控系统就无法获取这个错误，在一定程度上漏掉了这个错误，可能导致非常严重的后果。
发明内容
本发明的目的是提供一种基于内存错误的服务器预警方法。本发明的目的是按以下方式实现的，包括以下步骤
(1)检查BIOS的设置是否开启了内存预警；
(2)如果开启了内存预警则转步骤3)，否则返回；
(3)在服务器初始化阶段设置CPU中断，当其检测到内存错误的时候发出SMI中断；
(4)当CPU检测到ECC校验错误时发出SMI中断；
(5)BIOS的SMI Handler检测BIOS的设置是否开启了 RAS，如果开启RAS则转步骤
6)，否则转步骤8 ;
(6)检测内存错误数是否达到了启动RAS特性的临界值，若使是，转步骤7)，否则转步骤8)；
(7)根据RAS设置包括内存热备，内存镜像，内存双颗粒数据校正，来采取对应的措施，并且通过IPMI命令将对应的事件发送给BMC ；
(8)将发生错误的内存条的信息以及当前其总计发生的错误数目发送到BMC；
(9)BMC将BIOS发送的信息以易读的方式实时解析到界面，并且实时的以Mail的方式发送给系统管理员，方便下次停机维护的时候对对应发生错误的内存进行处置。实时SMI中断来处理内存错误，不需要操作系统有任何参与，在系统没有发生内存错误时候不会有任何额外开销，高效监控。基于系统运行时内存的稳定预警，区别于传统的只能监控温度，电压等因素的预警，是一种更深层次的预警机制。本发明的有益效果如下
I)通过系统中断的方式处理错误，在BIOS级别做全部处理，不需要操作系统的参与，更加实时高效；精确定位内存出错位置，而且不会漏掉任何一个发生的错误，更加安全；在系统发生内存错误时利用RAS特性做系统内存低层次的恢复，从而保证了系统的稳定运行，在大型企业级服务器集群上更为重要；
2)在系统内存初始化时根据BIOS的设置选项选择CPU在检查到内存ECC校验错误时候是否发出SMI中断；
3)在系统运行的过程中，若CPU检查到内存ECC校验错误，则通过中断发送出来；
4)BI0S在收到中断后通过判断错误的级别是否需要采取进一步的RAS恢复，以及将错误恢复结果和具体错误内存条信息发送到BMC ；
5)BMC来解析错误具体信息并且将其发送到管理员邮箱，由系统管理员决定。
图I是系统部署流程图。
具体实施例方式参照说明书附图对本发明的方法作以下详细地说明。BIOS将预警功能在Setup界面上做给用户做出选择。具体实现流程
(1)如果开启了内存预警则转3，否则返回；
(2)在服务器的内存初始化阶段设置CPU对应寄存器，当其检测到内存错误的时候发出SMI中断；
(3)在SMI的Handler里面注册对应此功能的调用函数，在入口处判断是否是自己需要处理的事件；
(4)当CPU检测到ECC校验错误时发出SMI中断时。SMIHandler需要做得事情包括
①检测BIOS的设置是否开启了RAS，如果开启RAS则转②否则转④；
②检测内存错误数是否达到了启动RAS特性的临界值，若使是，转③，否则转④；
③根据RAS设置(内存热备，内存镜像，内存双颗粒数据校正)来采取对应的措施，并且通过IPMI命令将对应的事件发送给BMC ；
④将发生错误的内存条的信息以及当前其总计发生的错误数目发送到BMC。BMC将BIOS发送的信息以易读的方式实时解析到界面，并且实时的以Mail的方式发送给系统管理员，方便下次停机维护的时候对对应发生错误的内存
除说明书所述的技术特征外，均为本专业技术人员的已知技术。
权利要求
1.一种基于内存错误的服务器预警方法，其特征在于包括以下步骤 (1)检查BIOS的设置是否开启了内存预警； (2)如果开启了内存预警则转步骤(3)，否则返回； (3)在服务器初始化阶段设置CPU中断，当其检测到内存错误的时候发出SMI中断； (4)当CPU检测到ECC校验错误时发出SMI中断； (5)BI0S的SMIHandler检测BIOS的设置是否开启了 RAS，如果开启RAS则转步骤(6)，否则转步骤8 ； (6)检测内存错误数是否达到了启动RAS特性的临界值，若使是，转步骤(7)，否则转步骤(8)； (7)根据RAS设置包括内存热备，内存镜像，内存双颗粒数据校正，来采取对应的措施，并且通过IPMI命令将对应的事件发送给BMC ； (8)将发生错误的内存条的信息以及当前其总计发生的错误数目发送到BMC; (9)BMC将BIOS发送的信息以易读的方式实时解析到界面，并且实时的以Mail的方式发送给系统管理员，方便下次停机维护的时候对对应发生错误的内存进行处置。
2.根据权利要求I所述的服务器预警方法，其特征在于实时SMI中断来处理内存错误，不需要操作系统有任何参与，在系统没有发生内存错误时候不会有任何额外开销，高效监控。
3.根据权利要求I所述的服务器预警方法，其特征在于基于系统运行时内存的稳定预警，区别于传统的只能监控温度，电压等因素的预警，是一种更深层次的预警机制。
全文摘要
本发明提供一种基于内存错误的服务器预警方法，1)通过系统中断的方式处理错误，在BIOS级别做全部处理，不需要操作系统的参与，精确定位内存出错位置，在系统发生内存错误时利用RAS特性做系统内存低层次的恢复，从而保证了系统的稳定运行，在大型企业级服务器集群上更为重要。2)在系统内存初始化时根据BIOS的设置选项选择CPU在检查到内存ECC校验错误时候是否发出SMI中断。3)在系统运行的过程中，若CPU检查到内存ECC校验错误，则通过中断发送出来。4)BIOS在收到中断后通过判断错误的级别是否需要采取进一步的RAS恢复，以及将错误恢复结果和具体错误内存条信息发送到BMC。5)BMC来解析错误具体信息并且将其发送到管理员邮箱，由系统管理员决定。
文档编号G06F11/10GK102681909SQ20121012896
公开日2012年9月19日 申请日期2012年4月28日 优先权日2012年4月28日
发明者曹光耀 申请人:浪潮电子信息产业股份有限公司