[發明專利]一種隔離故障PCIE設備的方法及系統

有效

• 申請號: 202010125180.1
• 申請日: 2020-02-27
• 公開（公告）號: CN111404725B
• 公開（公告）日: 2022-06-07
• 發明（設計）人: 王琳慧;范鵬飛;孫建鑫
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: H04L41/0663
• 分類號: H04L41/0663;H04L67/10
• 代理公司: 濟南誠智商標專利事務所有限公司 37105
• 代理人: 李修杰

本申請公開了一種隔離故障PCIE設備的方法及系統，該方法包括：首先搭建服務器集群，其次獲取PCIE設備所在子服務器的日志信息，然后比對該日志信息和設定的PCIE故障信息，判斷兩者是否有相同內容，如果是，判定當前子服務器發生PCIE設備故障，將故障信息反饋至主控服務器；主控服務器根據故障信息，將冗余PCIE設備接入發生PCIE設備故障的子服務器中，并斷開故障PCIE設備。該系統包括：集群搭建模塊、日志信息獲取模塊、比對模塊、故障信息反饋模塊和替換模塊。通過本申請，能夠準確定位故障，并有效提高PCIE設備故障處理效率。

技術領域

本申請涉及服務器故障處理技術領域，特別是涉及一種隔離故障PCIE(peripheral component interconnect express，一種高速串行計算機擴展總線標準)設備的方法及系統。

背景技術

隨著服務器性能的提高，用戶對服務器功能的要求也越來越多樣化，相應地，實現這些服務器功能的PCIE設備也越來越多樣化。每種服務器機型中所配置的PCIE設備并并完全相同，不同的PCIE設備具備不同的功能，如果某一種PCIE設備發生故障，就會導致服務器的相應功能中斷或系統宕機，進而造成服務器中重要數據的丟失等嚴重問題。因此，當服務器中PCIE設備發生故障時，如何發現故障并對故障PCIE設備進行處理，是個重要問題。

目前對故障PCIE設備的處理方法通常是，當服務器中的PCIE設備發生故障時，停止服務器運行，定位故障，確認故障后對服務器關機，手動更換故障PCIE設備。

然而，目前對故障PCIE設備的處理方法中，由于定位故障需要停止服務器運行，而且，從PCIE設備發生故障到更換完畢PCIE設備期間，服務器處于暫停運行或關機狀態，故障處理時間較長，嚴重影響服務器的運行，因此，目前的PCIE設備故障處理效率較低。

發明內容

本申請提供了一種隔離故障PCIE設備的方法及系統，以解決現有技術中PCIE設備故障處理效率較低的問題。

為了解決上述技術問題，本申請實施例公開了如下技術方案：

一種隔離故障PCIE設備的方法，所述方法包括：

搭建服務器集群，所述服務器集群中包括一個主控服務器和多個子服務器，所述主控服務器分別與多個子服務器協議連接，任一所述子服務器上設置有多個PCIE設備，所述主控服務器用于收集并處理多個子服務器的PCIE設備故障信息；

獲取PCIE設備所在子服務器的日志信息，所述日志信息包括：BMC(BaseboardManagement Controller，基板管理控制器)日志信息和系統日志信息；

比對所述日志信息和設定的PCIE故障信息；

判斷所述日志信息和設定的PCIE故障信息是否有相同內容；

如果是，判定當前子服務器發生PCIE設備故障；

將當前子服務器發生PCIE設備故障的故障信息反饋至主控服務器；

主控服務器根據所述故障信息，將冗余PCIE設備接入發生PCIE設備故障的子服務器中，并斷開故障PCIE設備，所述冗余PCIE設備安裝于所述主控服務器上。

可選地，比對所述日志信息和設定的故障信息的方法，具體為：

每隔設定的時間，比對一次所述日志信息和設定的故障信息。

可選地，所述將當前子服務器發生PCIE設備故障的故障信息反饋至主控服務器，包括：

將所述相同內容寫入當前子服務器的指定文件中；

讀取當前子服務器的所有PCIE設備信息，并將當前子服務器中所有PCIE設備的bus_id號追加至所述指定文件中；