[發明專利]故障處理方法、裝置及服務器

有效

• 申請號: 202010121212.0
• 申請日: 2020-02-26
• 公開（公告）號: CN111414268B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 李鐘;宋剛
• 申請（專利權）人: 華為技術有限公司
• 主分類號: G06F11/07
• 分類號: G06F11/07;G06F11/22
• 代理公司: 廣州三環專利商標代理有限公司 44202
• 代理人: 熊永強;李稷芳

1.一種故障處理方法，其特征在于，所述方法包括：

基板管理控制器BMC接收第一故障信息，所述第一故障信息指示目標快捷外圍部件互連標準PCIe設備發生故障；

所述BMC根據所述第一故障信息確定所述目標PCIe設備的故障類型；

在所述故障類型為預設故障類型的情況下，所述BMC獲取所述目標PCIe設備對應的故障寄存器中的第二故障信息，所述第二故障信息包括所述目標PCIe設備的故障信息和/或與所述目標PCIe設備連接的模塊的故障信息；

所述BMC根據所述第一故障信息和所述第二故障信息定位包含所述目標PCIe設備的服務器的故障。

2.根據權利要求1所述的方法，其特征在于，所述目標PCIe設備為所述服務器內的人工智能AI芯片，所述服務器包括一個或者多個所述AI芯片。

3.根據權利要求2所述的方法，其特征在于，所述獲取所述目標PCIe設備對應的故障寄存器中的第二故障信息，包括：

生成第一指令，所述第一指令指示接收到所述第一指令的目標管理模塊獲取所述目標PCIe設備對應的故障寄存器中的所述第二故障信息；

將所述第一指令發送給所述目標管理模塊；

接收所述目標管理模塊發送的所述第二故障信息。

4.根據權利要求3所述的方法，其特征在于，所述預設故障類型包括可校正錯誤風暴、非致命性不可校正錯誤風暴以及致命性不可校正錯誤中的任意一種或者多種。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述方法還包括：

接收通知消息，所述通知消息指示所述服務器出現宕機；

生成第二指令，所述第二指令指示接收到的所述第二指令的管理模塊獲取各自對應的故障寄存器中的故障信息，其中，所述服務器包括至少一個PCIe設備和至少一個處理器，每個PCIe設備和每個處理器均對應有管理模塊和故障寄存器；

將所述第二指令發送給所述服務器內每個PCIe設備對應的管理模塊和每個處理器對應的管理模塊；

接收所述每個PCIe設備對應的管理模塊發送的故障信息和所述每個處理器對應的管理模塊發送的故障信息；

根據所述每個PCIe設備對應的管理模塊發送的故障信息和所述每個處理器對應的管理模塊發送的故障信息，定位所述服務器的故障。

6.一種服務器，其特征在于，所述服務器包括：處理器、基本輸入輸出系統BIOS、基板管理控制器BMC以及至少一個快捷外圍部件互連標準PCIe設備，所述處理器與所述BIOS、所述BMC以及每個PCIe設備均建立有通信連接，所述BMC與所述BIOS以及所述每個PCIe設備均建立有通信連接；

所述BMC，用于：接收所述BIOS發送的第一故障信息，所述第一故障信息指示目標PCIe設備發生故障，所述目標PCIe設備為所述至少一個PCIe設備中的任意一個；

根據所述第一故障信息確定所述目標PCIe設備的故障類型；

在所述故障類型為預設故障類型的情況下，獲取所述目標PCIe設備對應的故障寄存器中的第二故障信息，所述第二故障信息包括所述目標PCIe設備的故障信息和/或與所述目標PCIe設備連接的模塊的故障信息；

根據所述第一故障信息和所述第二故障信息定位包含所述目標PCIe設備的服務器的故障。

7.根據權利要求6所述的服務器，其特征在于，所述目標PCIe設備為所述服務器內的人工智能AI芯片，所述服務器包括一個或者多個所述AI芯片。

8.根據權利要求7所述的服務器，其特征在于，所述服務器還包括多個管理模塊，所述服務器內的每個PCIe設備和每個處理器均各自對應有所述管理模塊，所述BMC具體用于：

生成第一指令，所述第一指令指示接收到所述第一指令的目標管理模塊獲取所述目標PCIe設備對應的故障寄存器中的所述第二故障信息；

將所述第一指令發送給所述目標管理模塊；

接收所述目標管理模塊發送的所述第二故障信息。