[发明专利]用以自动管理发生于数据中心系统的硬件错误事件的方法

说明书

一种用于自动管理发生在所提供的数据中心系统中的错误事件的方法和系统。该方法包括收集与硬件错误事件相对应的硬件错误事件分析。硬件错误事件分析被组织成用于遭受硬件错误事件的服务器装置的报告。该方法还包括处理从服务器装置的报告接收的统计数据。该方法还包括依据已评估的统计数据执行硬件恢复。

技术领域

本公开是有关于一种自动管理系统及其方法，特别是有关于用于管理发生于数据中心的错误事件的自动管理系统及其方法。

背景技术

为了满足基于信息经济的日益增长的需求，数据中心和信息技术网络持续扩展到全球。这种扩展已经采用各种形式，包括将地理上不同的计算资源连接在一起的广泛分布的计算机网络，以及为各种应用提供电源、冷却和计算基础设施的数据中心。

典型的数据中心包含许多需要电源、冷却和与外部通信设施连接的设备机架。在现代数据中心和网络机房中，在这些设施中所使用的计算设备密度的增加为其相关的电力系统带来压力。由于该计算设备在运行中产生热，因此这些设施的冷却系统也增加使用上的负荷。

因此，需要有效的数据中心运作和管理工具。管理数据中心的大多数传统方法取决于先前的操作记录。在典型的数据中心操作和管理工具中，数据中心的错误是手动管理。在这种情况下，很难预测错误事件的发生。此外，对于先前未发生的新型错误事件也难以进行主动评估和预测。

发明内容

以下是一个或多个实施例的简要概述，以便提供对本技术的基本理解。该概述不是本技术的所有预期实施例的广泛概要。其既不旨在标识所有示例的关键或重要元素，也不旨在描绘本技术的任何或所有方面的范围。其唯一目的是以简化形式呈现一个或多个示例的一些概念，作为稍后呈现的更详细描述的序言。

一种方法及系统，用以自动管理发生于数据中心系统的错误事件。该方法包括：收集与硬件错误事件对应的硬件错误事件分析。其中该硬件错误事件分析被组织成一报告，并且该报告用于受到该硬件错误事件影响的一服务器装置。该方法还包括：处理用于该服务器装置的该报告中的统计数据。该方法还包括：根据该已处理的统计数据执行硬件恢复。

于本公开文件的一些实施例中，收集硬件错误事件分析包括在服务器装置的一基板管理控制器固件内储存硬件错误事件侦测系统。该方法还包括：识别该硬件错误事件的一来源，并确定该硬件错误事件是否为一可校正错误或不可校正的错误的一结果。于本公开文件的一些实施例中，该硬件错误事件的该来源由一基本输入输出系统(BIOS)服务程序所决定。该方法还包括：识别该硬件错误事件。于本公开文件的一些实施例中，识别该硬件错误事件包括至少识别以下其中之一：错误位置、错误类别、错误类型及/或错误严重性。该方法还包括：接收一硬件错误事件识别的一基板管理控制器产生的一通知。于本公开文件的一些实施例中，其中该报告包括一硬件错误事件报告及一装置报告。于本公开文件的一些实施例中，接收与语言无关的开放数据格式，该开放数据格式使用人类可读的文字来表达该报告中的数据对象。该方法还包括：在该报告的一分析部分中对该数据进行一集中趋势分析。

于一些实施例中，该集中趋势分析包括：分析一操作系统及与该硬件错误事件相关的软件服务的风险；分析该服务器装置的保护的方向；以及预测该硬件错误事件的趋势和该硬件错误事件的影响。在一些实施例中，该方法还包括：测量该硬件错误事件并通过一预测性分析的过程产生风险评估，以建立该硬件错误事件的诊断凭证。于本公开文件的一些实施例中，执行该硬件恢复包括检查该服务器装置的一恢复策略。该方法还包括：安排恢复机制。在一些实施例中，该恢复机制依据恢复策略用于立即性恢复或延迟恢复。此流程还包括监控该硬件错误事件，用以搜寻服务器装置的任何性能缺点。