[发明专利]一种定位智能网卡故障的方法及系统

说明书

本申请公开了一种定位智能网卡故障的方法及系统，该方法包括：确定用于智能网卡故障定位的设备资产信息，收集PCIe设备信息、所述Bus范围和MMIO范围,所述PCIe设备信息中包括所述设备信息；将收集到的PCIe设备信息、所述Bus范围和MMIO范围存放至BMC的资产信息清单中；获取到智能网卡在不同故障类型下的故障信息后，通过比对所述故障信息和设备资产信息,定位智能网卡的故障源。该系统包括：信息确定模块、收集模块、存储模块和故障定位模块。通过本申请，能够有效提高故障定位的准确性和诊断效率。

技术领域

本申请涉及PCIe(peripheral component interconnect express，一种高速串行计算机扩展总线标准)设备故障处理技术领域，特别是涉及一种定位智能网卡故障的方法及系统。

背景技术

随着互联网技术的发展，作为PCIe设备的智能网卡应用范围越来越广泛。智能网卡主要用于提升应用程序和虚拟化性能，能将数据包的处理工作负载从CPU转移到智能网卡，从而提高云数据处理中心的服务器性能。

随着智能网卡的使用，逐渐出现由于智能网卡而导致的服务器宕机故障，如何定位智能网卡故障，从而确保服务器正常稳定运行，是个重要的技术问题。

目前定位智能网卡故障的方法，通常是通过BIOS(Basic Input Output System，基本输入输出系统)配置中断，通过SMI(System Management Interrupt，系统管理中断)检查智能网卡的AER(Advanced Error Report，高级错误报告)信息，一旦发现有错误记录则将解析的智能网卡的BDF信息发送给BMC(Baseboard Management Controller，基板管理控制器)，BMC定位具体的智能网卡。

然而，目前对智能网卡的故障定位方法中，由于智能网卡一般会动态虚拟出几十个甚至上百个PCIe的设备，包含桥和设备，一个智能网卡的内部设备拓扑图可以参见图1所示。BMC的资产信息清单中通常只存放智能网卡的第一个设备信息，但是实际运行过程中，故障可能发生在第一个设备上，也可能发生在其他虚拟设备上，由于BMC无法识别解析出的PCIe设备是否为智能网卡虚拟出来的设备，从而无法定位故障源，此时，需要运维人员对问题单进行深层次调试分析故障原因，如收集OS(Operating System，操作系统)下的PCIe设备列表再人工分析。因此，目前对智能网卡的故障定位方法定位的诊断效率较低，导致运维压力较大。

发明内容

本申请提供了一种定位智能网卡故障的方法及系统，以解决现有技术中智能网卡故障定位方法定位的诊断效率较低的问题。

为了解决上述技术问题，本申请实施例公开了如下技术方案：

一种定位智能网卡故障的方法，所述方法包括：

确定用于智能网卡故障定位的设备资产信息，所述设备资产信息中包括：智能网卡内第一个子设备的设备信息、智能网卡所连接的RP(Root Port，根端口)、所述RP下级设备的Bus(总线)范围和MMIO(Memory-mapped I/O，内存映射I/O)范围，所述设备信息包括：所述第一个子设备的BDF(Bus Device Function，总线设备功能)、设备名称和槽位信息；

收集PCIe设备信息、所述Bus范围和MMIO范围,所述PCIe设备信息中包括所述设备信息；

将收集到的PCIe设备信息、所述Bus范围和MMIO范围存放至BMC的资产信息清单中；

获取到智能网卡在不同故障类型下的故障信息后，通过比对所述故障信息和设备资产信息,定位智能网卡的故障源，所述故障类型包括：CE故障、UCE故障和IERR(CPUInternal Error，CPU内部故障)故障。

可选地，所述故障信息包括：故障设备的BDF、故障级别和故障类型。