[发明专利]一种交互型服务器智能故障处理系统、方法

说明书

本发明提供一种交互型服务器智能故障处理系统、方法，所述系统包括智能故障处理板卡和主板；智能故障处理板卡通过金手指与主板进行通信连接；主板上设置有BMC，BMC包括ADC监控模块，用于监控主板的上电状态并将监控状态传递给智能故障处理板卡；主板上电后进行功能测试，并将测试过程出现的告警信息传递给智能故障处理板卡；智能故障处理板卡，用于将接收到的上电状态信息进行分析处理，进行故障定位并发送指令到主板进行BMC日志的收集。该系统能够帮助测试人员将各个bug所属领域进行分类，解决bug定位不准确造成的人力浪费，效率低下的问题。

技术领域

本发明涉及服务器智能管理技术领域，具体涉及一种交互型服务器智能故障处理系统、方法。

背景技术

随着服务器行业及相关技术的不断发展，其功能不断丰富，设计越来越复杂，集成度越来越高，这在增加设计难度的同时也增加了服务器出现故障的可能性，因此在研发测试阶段，研发人员debug的任务越来越重，需要大量的人力来处理故障问题并对设计进行优化，与此相对应的，服务器研发人员的分工越来越细，包括硬件、软件、部件、散热、电源等，针对某一个bug可能需要多个岗位的工程师进行分析才能确定故障来源是哪一部分，在这个过程中浪费了很多不必要的人力。

目前在研发测试阶段我们进行服务器故障诊断主要有以下三种途径：(1)当BMCweb上出现告警时，如果明确是硬件方面的故障，比如上电异常，链路异常等可以针对这些报错采取相应的接触式测量，获取信号质量及状态信息，以具体排查硬件方面的错误。(2)当BMC web上出现告警且指向CPU、内存等部件时，首先保留故障现象抓取相关故障日志进行分析，然后可以再进行交叉验证排除固件单体问题。(3)开机过程中出现宕机等故障，首先抓取故障日志，然后排查是否是软件故障，需要简单的通过刷新BIOS、BMC等的固件版本来验证问题是否复现。上述操作均需测试人员保留故障现场，研发人员针对异常现象进行初步分析后再利用该系统进行故障处理。

存在的缺点如下：1.故障诊断的操作首先需要保留故障现象，而现在由于测试人员测试日程安排等原因可能无法原样保留，且有些现象为低概率事件，一旦破坏现象会给后续debug造成极大困难，很可能出现没有故障相关数据且无法复现的情况。2.有些故障分析的操作较为简单，但需要花费很长时间，比如抓取故障日志，刷新固件版本等等，这些操作都属于在复现故障现象后首先需要做的前期分析工作，得到这些前期数据后才可以进行进一步的分析。3.在抓取故障日志时还涉及抓取方式，如果使用XDP进行抓取则需要打开机箱插入XDP连接器，这在很多机箱结构中因为连接器上方往往有网卡等部件，空间较小，不容易插入连接器，如果拆下这些部件又会破坏本来的现象；如果使用DCI功能，则需要提前在BIOS中打开DCI功能，而发生宕机时不能保证该功能是打开的。4.在硬件信号测试时，当信号质量不理想时，如果信号是有CPLD发出的，首先会考虑CPLD的相关GPIO接口的驱动能力是否过高或过低，如果信号质量仍然不好，就需要更改串阻大小。但更新驱动能力需要CPLD工程师更改CPLD代码，一个信号的debug可能需要尝试多种驱动能力，每次尝试都需要发布新的CPLD版本，这就造成了debug效率较低。

发明内容

针对上述存在的故障处理过程造成了debug效率较低的问题，本发明提供一种交互型服务器智能故障处理系统、方法。

本发明的技术方案是：

第一方面，本发明技术方案提供一种交互型服务器智能故障处理系统，包括智能故障处理板卡和主板；智能故障处理板卡通过金手指与主板进行通信连接；

主板上设置有BMC，BMC包括ADC监控模块，用于监控主板的上电状态并将监控状态传递给智能故障处理板卡；主板上电后进行功能测试，并将测试过程出现的告警信息传递给智能故障处理板卡；

智能故障处理板卡，用于将接收到的上电状态信息进行分析处理，进行故障定位并发送指令到主板进行BMC日志的收集。