[發明專利]內存錯誤處理方法和裝置

在審

• 申請號: 201910157218.0
• 申請日: 2019-03-01
• 公開（公告）號: CN110046061A
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 李鐘;樓佳;周棟樹
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F11/14
• 分類號: G06F11/14
• 代理公司: 北京中博世達專利商標代理有限公司 11274
• 代理人: 胡艷娟

本申請公開了內存錯誤處理方法和裝置，涉及計算機技術領域，有助于提高內存的RAS。該方法應用于計算機裝置，該方法可以包括：獲取第一錯誤描述信息，第一錯誤描述信息用于描述第一內存頁發生的錯誤的類型；根據第一錯誤描述信息確定第一內存頁發生的錯誤是可糾正錯誤中的非鏡像回寫成功錯誤；響應上述確定，當第一內存頁發生非鏡像回寫成功錯誤的次數達到M時，對第一內存頁進行隔離，M為大于1的整數。

技術領域

本申請涉及計算機技術領域，尤其涉及內存錯誤處理方法和裝置。

背景技術

針對服務器中的應用層軟件，suse、redhat等廠商提供了內存頁隔離(pageoffline)等技術，以保障應用層軟件使用內存空間的健康性。內存頁隔離是操作系統(operating system，OS)層隔離使用內存頁的技術。內存頁被隔離后，不能再供應用層軟件使用。

目前，OS層對可糾正錯誤(corrected errors，CE)不進行處理，僅在內存頁發生不可糾正錯誤(uncorrected errors，UCE)，且具體是選擇處理(SW recoverable actionoptional，SRAO)錯誤、不需要處理(uncorrected no action，UCNA)錯誤和必須處理(SWrecoverable action required，SRAR)錯誤時，殺死正在使用該內存頁的進程(即關閉正在使用該內存頁的應用)，從而實現對該內存頁進行隔離。其中，SW是軟件(software)的英文縮寫。但是，可糾正錯誤會影響內存空間的健康度，從而影響內存的可靠性可用性可服務性(reliability，availability，and serviceability，RAS)。

發明內容

本申請實施例提供了內存錯誤處理方法和裝置，有助于提高內存的RAS。

為達到上述目的，本申請實施例提供了如下技術方案：

第一方面，本申請實施例提供了一種內存錯誤處理方法，應用于計算機裝置(如服務器等)，該方法包括：獲取第一錯誤描述信息，根據第一錯誤描述信息確定第一內存頁發生的錯誤是可糾正錯誤中的非鏡像回寫成功錯誤；響應上述確定，當第一內存頁發生該非鏡像回寫成功錯誤的次數(即累計次數)達到M(即預設次數)時，對第一內存頁進行隔離，M為大于1的整數。這是在考慮到可糾正錯誤中的非鏡像回寫成功錯誤雖然不會導致服務器宕機，但是會對內存的健康度造成一定的影響而提出的技術方案。然而，如果對這類內存錯誤進行立即隔離，則會導致系統產生不可用碎片化內存，從而影響系統性能，因此，相比立即隔離，本技術方案中采用閾值隔離可以減少因內存頁隔離而導致的對系統性能的影響。另外，由于相比立即隔離，閾值隔離可以降低內存頁隔離對底層硬件RAS特性(ADDDC/SDDC/ranksparing/SMI風暴抑制)觸發的影響，因此，可以提高硬件RAS技術和軟件RAS技術的兼容性。

在一種可能的設計中，對第一內存頁進行隔離之后，將第一內存頁發生的可糾正錯誤中的非鏡像回寫成功錯誤類型的錯誤的累計次數清零。

在一種可能的設計中，當第一內存頁發生的錯誤是可糾正錯誤中的非鏡像回寫成功錯誤時，且發生本次錯誤時，第一內存頁發生非鏡像回寫成功錯誤的累計次數沒有達到預設次數，則將第一內存頁發生非鏡像回寫成功錯誤的累計次數加1，且不對第一內存頁進行隔離。

在一種可能的設計中，非鏡像回寫成功錯誤包括：巡檢可糾正錯誤、讀寫可糾正錯誤、搬移可糾正錯誤或鏡像回寫失敗錯誤中的任意一種。