[发明专利]一种故障定位方法及服务器

说明书

本发明提供一种故障定位方法及服务器，涉及计算机技术领域，用于在发生CATERR或IERR类故障时，快速准确地定位到故障所在。包括：检测到故障通知消息；故障通知消息指示已出现挂死类故障；获取错误数据，并在错误数据中确定与挂死类故障对应的超时类错误；在超时类错误的地址寄存器中读取错误地址；将错误地址与预存储的PCIe设备地址空间表中进行匹配；若PCIe设备地址空间表中存在与所述错误地址匹配的地址空间，则确定地址空间对应的PCIe设备为导致挂死类故障的故障源。

技术领域

本发明涉及计算机技术领域，尤其涉及一种故障定位方法及服务器。

背景技术

x86服务器运行过程中会出现CATERR(Catastrophic Error，灾难性错误)或IERR(Internal Error，灾难性错误)，导致系统挂死，进而系统业务突然中断。由于CATERR死机故障发生后，很难得到完整的MCA(Machine Check Architecture，硬件故障检查架构)故障记录，另外即使收集到了MCA故障记录，根据大量的MCA寄存器数据无法快速准确地进行故障定位。

目前，对于CATERR或IERR故障定位的方法主要是依靠人工经验判断，或是运行诊断程序定位故障，或替换器件以确定发生故障的器件，都无法快速定位出故障。总之，现有技术对于CATERR或IERR引起的死机现象，故障定位的效率较低，严重影响用户体验。

发明内容

本发明提供一种故障定位方法及服务器，能够在出现CATERR或IERR时，快速准确地定位到故障所在，提高了故障定位的效率。

为达到上述目的，本发明的实施例采用如下技术方案：

第一方面，公开了一种故障定位方法，包括：

当服务器出现挂死类故障(即上述CATERR或IERR)时，服务器的MCA(MachineCheck Architecture，硬件故障检查架构)会向服务器的BMC(Baseboard ManagementController，基板管理控制器)发送指示已出现挂死类故障接的故障通知消息。需要说明的是，在计算机技术领域，通常将CATERR或IERR类故障称为3-Strike，出现CATERR或IERR类故障后，一般会在MCA的MCA Bank报告中生成针对3-Strike的MCA错误码，且MCA错误码的类型为timeout(超时)。

BMC接收到该故障通知消息后获取错误数据。实际上，就是BMC在上述MCA Bank中获取错误数据。所述错误数据用于记录服务器发生故障时产生的错误，所述超时类错误为所述服务器发生所述挂死类故障时产生的错误。

进而，BMC在所述错误数据中确定与挂死类故障对应的超时类错误。随后在所述超时类错误的地址寄存器中读取错误地址。

所述超时类错误，即CATERR或IERR类故障对应的错误数据为MCA Bank中的timeout类错误。具体实现中，可以遍历MCA Bank中的所有MCA错误，确定出类型标识为超时类(即标注为timeout)的错误为所述挂死类故障对应的超时类错误。当然，确定出的超时类错误不只一个。

接着，BMC将所述错误地址与预存储的PCIe设备地址空间表中的PCIe设备的地址空间进行匹配；所述PCIe设备地址空间表中记录有每一个PCIe设备与所述每一个PCIe设备的地址空间的对应关系。通常，服务器的BIOS进行初始化时会为每一个PCIe设备分配地址空间，在本发明实施例中，BIOS还会读取每一个PCIe设备的地址空间，并将每一个PCIe设备的地址空间发送给BMC，以便BMC生成PCIe设备地址空间表。这里所述的PCIe设备是所述服务器的PCIe设备。

若所述PCIe设备地址空间表中存在与所述错误地址匹配的地址空间，BMC则确定所述地址空间对应的PCIe设备为导致所述挂死类故障的故障源。