[发明专利]一种内存ECC报错报警机制

说明书

技术领域

本发明涉及计算机技术领域，具体的说是一种对内存报错的风险等级评估、方便系统维护的内存ECC报错报警机制。

背景技术

现行对内存ECC报错的报警机制是不区分ECC报错的风险等级，只要出现ECC报错，BMC即刻触发报警，这种状况下会给客户造成不良印象，并增加服务器的维护压力。偶尔发生的报错，内存自身能够完成纠错，对整个系统的影响可以忽略不计，针对这一类的报错，对整个系统来说，风险等级极低，可以不必触发报警；对在一段时间内大量出现ECC报错的情况，可能是系统某个部件已经运行在高风险状态，继续运行可能会对系统的稳定性影响较大，这种状态下及时触发报警是很有必要的，有助于及时排除故障，确保系统健康状态。

发明内容

本发明的技术任务是解决现有技术的不足，提供一种对内存报错的风险等级评估的内存ECC报错报警机制。

本发明的技术方案是按以下方式实现的，该一种内存ECC报错报警机制，包括Intel Boxboro-EX平台服务器，其具体实现步骤为：服务器在高负载运行时，内存出现错误触发ECC纠错机制，通过BIOS设置一个计数器记录一定时间内的报错次数，来评估报错时系统故障的风险等级：低风险等级时，记录报错信息，不触发报警；高风险等级时，记录报错信息的同时，触发报警，提醒用户及时维护系统。

所述通过BIOS评估报错时系统故障风险等级的详细步骤为：BIOS设置一个报错计数器，同时设置一个报错数量的阀值N，记录在一个固定时间周期T内ECC报错次数，如果在时间T内报错数量n未达到阀值N，即n＜N，BIOS通知BMC只如实记录报错信息，并不触发报警；如果在时间如果在时间T内报错数量n超过阀值N，即n≥N, BIOS会将报错信息传送到BMC，并通知BMC在记录报错信息的同时，触发报警提醒用户系统已经出现故障，以便用户及时维护。

所述时间周期T内报错数量n未达到阀值N时，BIOS通知BMC如实记录报错信息后将计数器清零并重新开始计数。

本发明与现有技术相比所产生的有益效果是：

本发明的一种内存ECC报错报警机制通过对内存报错的风险等级评估，对低风险报错只做监控不做报警，对高风险报错在监控同时触发报警，减少系统的维护次数，延长系统运行周期的，有助于及时排除故障，确保系统健康状态。

附图说明

附图1是本发明的ECC报警机制实现框图。

具体实施方式

下面结合附图对本发明的一种内存ECC报错报警机制作以下详细说明。

如附图1所示，现提供一种内存ECC报错报警机制，包括Intel Boxboro-EX平台服务器，其具体实现步骤为：服务器在高负载运行时，内存出现错误触发ECC纠错机制，通过BIOS设置一个计数器记录一定时间内的报错次数，来评估报错时系统故障的风险等级：低风险等级时，记录报错信息，不触发报警；高风险等级时，记录报错信息的同时，触发报警，提醒用户及时维护系统。

所述通过BIOS评估报错时系统故障风险等级的详细步骤为：BIOS设置一个报错计数器，同时设置一个报错数量的阀值N，记录在一个固定时间周期T内ECC报错次数，如果在时间T内报错数量n未达到阀值N，即n＜N，这说明ECC报错只是偶尔发生，内存完全有能力纠错，这种状况下对系统性能及系统稳定性基本没有影响，风险等级极低，BIOS只会将ECC报错信息发给BMC，BIOS通知BMC只如实记录报错信息，并不触发报警，BIOS会将计数器清零并重新开始计数；如果在时间如果在时间T内报错数量n超过阀值N，即n≥N, 这说明在一段时间内内存频繁报错，内存能够完成纠错，但是已经对系统性能造成影响，甚至已经出发SDDC或DDDC，或者内存模组已经出现故障，这种状况下，系统已经工作在异常状态，或者系统性能已经降低，继续运行可能会出现死机或者其他不可预见的后果，BIOS会将报错信息传送到BMC，并通知BMC在记录报错信息的同时，触发报警提醒用户系统已经出现故障，以便用户及时维护。