[发明专利]基于序列模式的DRAM故障关联分析方法

说明书

本发明公开一种基于序列模式的DRAM故障关联分析方法，包括以下步骤：对故障数据库中的非DRAM故障进行过滤，获得所需的DRAM故障数据；获得DRAM故障序列数据库；建立序列DRAM故障序列数据库；采用GSP算法，设定支持度，扫描序列DRAM故障序列数据库，获取所有满足支持度要求的DRAM故障序列的支持度；筛选出DRAM严重故障与DRAM严重故障、DRAM非严重故障与DRAM严重故障的序列规则，并计算其置信度；筛选出置信度大于60%的序列规则；如果出现反映DRAM严重故障与DRAM严重故障的序列规则，则表明DRAM严重故障与DRAM严重故障存在关联性；如果未出现反映DRAM非严重故障与DRAM严重故障关联的序列规则，则表明DRAM非严重故障不会导致DRAM严重故障。本发明解决了故障分析与预测关心的预测预警问题，具备高可信性和通用性，优化了分析执行效率。

技术领域

本发明涉及一种基于序列模式的DRAM故障关联分析方法，属于计算机技术领域。

背景技术

在超级计算机中，DRAM（内存）单错与DRAM多错之间，常常被认为具有因果关系，即某CPU节点的DRAM单错的多次发生，会导致该CPU节点的DRAM多错的发生。在神威系列超级计算机中，设计了DRAM单错对DRAM多错的预警机制。该机制增加了CPU设计复杂性，带来了芯片面积、功耗及容错等方面的开销。此外，DRAM多错对后续DRAM多错的影响也需要进行分析。因此，如何获取DRAM单错与DRAM多错、DRAM多错与DRAM多错之间的联系，解决故障分析与预测关心的预测预警问题，成为本领域技术人员努力的方向。

发明内容

本发明的目的是提供一种基于序列模式的DRAM故障关联分析方法，该基于序列模式的DRAM故障关联分析方法解决了故障分析与预测关心的预测预警问题，具备高可信性，优化了分析执行效率，还具备通用性。

为达到上述目的，本发明采用的技术方案是：一种基于序列模式的DRAM故障关联分析方法，包括以下步骤：

S11、对故障数据库中的非DRAM故障进行过滤，同时对同一时刻同一位置的相同故障进行排重，获得所需的DRAM故障数据；

S12、对S11中获得的DRAM故障数据，依次以CPU序号和故障发生时间进行排序，获得DRAM故障序列数据库；

S13、将所有的DRAM单错相关的故障类型映射并替换为DRAM_SBE（DRAM单错），将所有的DRAM多错或DRAM严重故障相关的故障类型映射并替换为DRAM_MBE（DRAM多错），并据此将S12中获得的DRAM故障序列数据库规约为只有2种故障类型（DRAM_SBE和DRAM_MBE）的故障序列数据集，建立新的DRAM故障序列数据库；

S2、采用GSP（General Sequential Patterns）算法设定支持度，扫描新的DRAM故障序列数据库，获取所有满足支持度要求的DRAM故障序列的支持度；

S3、从S2中生成的DRAM故障序列中，筛选出DRAM单错导致DRAM多错、DRAM多错导致DRAM多错的序列规则，并计算其置信度；

S4、从S3中生成的序列规则中，筛选出置信度大于置信度阈值的序列规则；

S41、如果置信度大于置信度阈值的序列规则中出现反映DRAM多错导致DRAM多错的序列规则，则表明DRAM多错与DRAM多错存在关联性，反之则表明DRAM多错与DRAM多错不存在关联性；

S42、如果置信度大于置信度阈值的序列规则中未出现反映DRAM单错与DRAM多错关联的序列规则，则表明DRAM单错不会导致DRAM多错，反之则表明DRAM单错会导致DRAM多错。

上述技术方案中进一步改进的方案如下：

1. 上述方案中，在S12中，获得DRAM故障序列数据库包含以下信息：CPU序号、故障发生时间、故障事件。

2. 上述方案中，所述置信度阈值为60%或大于60%。

由于上述技术方案的运用，本发明与现有技术相比具有下列优点：