[发明专利]紧耦合高性能计算机系统BMC系统自动修复方法及修复系统

说明书

本发明属于高性能计算机系统维护领域，尤其涉及紧耦合高性能计算机系统BMC系统自动修复方法及修复系统。其特征在于，包括：管理系统监测到BMC启动失败时，控制其重新启动，从网络文件服务系统获取启动所需的BMC启动文件并将所述BMC启动文件加载到其内存中运行。上述技术方案中，只需将BMC启动所需的BMC启动文件存储在远程文件系统中，如果BMC由于Flash坏块引起系统崩溃导致启动失败时，能够通过远程的网络文件系统获取启动所需的文件实现自动修复。仅需在远程文件系统中占用存储一份BMC启动文件的空间即可供计算机系统中的众多节点的BMC系统共享，节省资源方便维护并且众多节点的BMC可同时从网络文件系统获取BMC文件提高了维护效率。

技术领域

本发明属于高性能计算机系统维护领域，尤其涉及一种面向高性能计算机系统的BMC系统自动修复方法。

背景技术

随着高性能计算机运算性能的不断提升，主机系统包含的节点数量剧增，因此以维护节点为主要任务的分布式维护系统的规模也在随之增加。目前在紧耦合高性能计算系统中部署有数量极大的基板管理控制器（BMC），作为维护系统的重要部件，其自身的可靠性尤为重要。

BMC的核心部件为嵌入式系统，通常BMC都将自身操作系统文件存储于大容量Flash中，由于Flash的自身特性，存在一定概率的坏块和失效，会导致BMC系统引导时出现失败。目前一种改进的做法是使用两级存储，将bootloader存储于可靠性更优但是单位价格更高的容量较小的Nor Flash中，将内核和文件系统存储于可靠性稍差但是容量更大的eMMC nand Flash中，当eMMC nand Flash出现坏块导致内核或者文件系统故障时，常规做法是进行离线重烧。但此种方法在大规模系统中实施起来效率很低，导致平均故障修复时间较长，维护系统的可靠性和可用性也随之降低。

申请公布号CN103246583A，申请公布日2013年8月14日的发明专利申请公开的是一种具有CPU BIOS修复功能的电子装置及修复方法。该电子装置包括一用于CPU系统与外接装置电连接的连接端口，CPU的引导模块在检测到自身BIOS版本错误，通过向与CPU有电连接的外接装置发送指令，从外接装置复制存储的CPU BIOS至闪存。使得CPU在不能正常加载闪存中的BIOS时，能够加载与该电子装置连接的外接装置中的BIOS。此种方法主要针对BIOS更新，BIOS文件特点是占用空间很小，因此可以多份存在外界装置本地。本申请主要要解决的问题是内核、根文件系统的修复，特点是占用空间较大，不适合存在本地嵌入式系统有限的存储空间上。另外，在公布的方法中，BIOS版本检测、版本查找、更新等整个过程都是由待修复CPU系统发起，这对待修复CPU系统要求较高，CPU启动固件也较为复杂，不适用于功能与普通CPU系统相比较更简单的嵌入式系统的修复。

在紧耦合高性能计算系统中，全系统的BMC通过以太网进行连接，为了提高维护效率，一般会设计出树型管理架构，也就是在第一层BMC之上设置有管理系统，用于对BMC的管理。

发明内容

本发明旨在让BMC能自动从由于Flash坏块引起的系统崩溃中恢复，提高高性能计算机系统的维护系统自身的可靠性，提供一种面向紧耦合高性能计算机系统的BMC系统自动修复方法，其特征在于，包括：

BMC在启动失败时从网络文件服务系统获取启动所需的BMC启动文件并将所述BMC启动文件加载到其内存中运行。

上述技术方案中，只需将BMC启动所需的BMC启动文件存储在远程文件系统中，如果BMC由于Flash坏块引起系统崩溃导致启动失败时，能够通过远程的网络文件系统获取启动所需的文件实现自动恢复。仅需在远程文件系统中占用存储一份BMC启动文件的空间即可供计算机系统中的众多节点的BMC系统共享，节省资源方便维护并且众多节点的BMC可同时从网络文件系统获取BMC文件提高了维护效率。