[发明专利]在多核心环境中管理硬件错误的方法和装置

说明书

在多核心环境中管理硬件错误的方法和装置包括将处理器核心分配为主处理器核心组和备用处理器核心组。主处理器核心组由操作系统使用，以及备用处理器核心组专用于软件应用。当一个处理器核心错误发生时，可执行处理器核心交换，将故障的主处理器核心交换为备用处理器核心而不中断操作系统的执行。

背景技术

现有的高性能计算依赖于使用许多处理器核心来实现各种密集的和复杂的计算和处理。一些计算设备特定地为这些任务设计并且可能包括多个处理器插槽，同时每个处理器具有多个处理器核心。同样地，高性能计算系统可以利用五十个或更多个处理器核心或者线程来执行各种工作负荷。这样的系统可以包括“小核心”，“小”和“大”核心的组合，或者全是“大”核心。小核心可以被定义为较低性能的处理器核心，被设计用于高并行计算，而大核心被定义为通用的计算核心，例如通常那些在标准服务器计算设备中发现的那样。

在多核心或许多核心系统中，单一处理器核心的故障可以导致包括任何其余的正常核心的整个系统的不可恢复的错误。整个系统的关键故障的可能性被大量的处理器核心所放大。例如，在具有五十个处理器核心的系统中，五十个处理器核心之一出现故障能引起整个系统的故障。另外，在处理器裸晶的一个位置中的一个处理器核心的故障可能会在相邻的核心和片上施加不适当的压力。进一步地，处理器核心的损失可能增加其余核心的工作负荷，这可能恶化处理器核心或片中的任何电流问题。一些系统包括软件措施来管理处理器核心错误。然而，这些软件措施典型地增加系统工作负荷并且没有考虑核心或片的布局以及其对系统上持续计算的健康度和吞吐量的影响。

附图说明

本文中描述的本发明以示例而非限制的方式以附图来阐述。为了阐述的简洁和清楚，附图中所述的元素不一定按比例绘制。例如，为了清楚起见，一些元素的尺寸可以相对于其它元素夸大比例。进一步的，在认为适当时，参考标记已在附图之间重复以便指示相应的或者类似的元素。

图1是用于多核心环境中管理硬件错误的计算设备的至少一个实施例的简化框图；

图2是图1的计算设备的软件环境的至少一个实施例的简化框图；

图3是用于分配图1计算设备的处理器核心的方法的至少一个实施例的简化流程图；

图4是用于执行图1的计算设备上的应用的方法的至少一个实施例的简化流程图；以及

图5是用于管理图1的计算设备的硬件错误的方法的至少一个实施例的简化流程图。

具体实施方式

虽然本公开的概念容许各种修改和备选形式，但是其中特定示范实施例已在附图中以示例的方式示出并且将在本文中详细描述。然而，应该理解的是，不意在将本公开的概念限制到所公开的特定形式，而是相反，意在覆盖和本公开的内容以及附加的权利要求一致的所有的修改、等价和备选。

在以下的描述中，大量特定的细节比如逻辑实现、操作码、规定操作数的方式、资源分割/共享/复制实现、系统组件的类型和内部关联关系以及逻辑分割/集成选择被提出，以便提供本公开的更加全面的理解。然而，将被理解的是，本领域技术人员可以实践本发明的实施例而不需要这样的特定细节。在其它实施例中，控制结构、门级电路和完全软件执行序列没有被详细的描述以便不使本发明变得难懂。本领域的普通技术人员在所包含的描述下将能够实现合适的功能性而不需要过度试验。

在说明书中“一个实施例”，“实施例”，“示例性实施例”等的引用指示所描述的实施例可以包括特定的特征、结构或者特性，但是可能不一定每一个实施例都包括该特定的特征、结构或者特性。而且，这样的语句不一定指相同的实施例。进一步地，当特定的特征、结构或特性结合实施例被描述时，应该认为与其它实施例相关联实现这样的特征、结构或者特性属于本领域技术人员的知识范围内，而无论是否明确描述。