本申請涉及計算機，尤其涉及一種內(nèi)存故障管理系統(tǒng)、方法、服務器及電子設備。
背景技術(shù)：
1、隨著互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)等技術(shù)的發(fā)展，數(shù)據(jù)呈快速增長，存儲節(jié)點、計算節(jié)點的數(shù)量越來越多，隨著內(nèi)存訪問的規(guī)模越來越大，故障率也越來越高。內(nèi)存故障容易直接導致系統(tǒng)崩潰，服務器宕機。
2、相關技術(shù)中故障大多是通過mce（machine?check?exception，機器檢測異常）log和bmc（baseboard?management?controller，基板管理控制器）記錄的sel?（system?errorlog，系統(tǒng)錯誤日志）日志結(jié)合去發(fā)現(xiàn)定位故障的，而這些最大的問題是不能夠提前發(fā)現(xiàn)內(nèi)存問題，往往是服務器宕機重啟后才被動發(fā)現(xiàn)的。
技術(shù)實現(xiàn)思路
1、本申請?zhí)峁┝艘环N內(nèi)存故障管理系統(tǒng)、方法、服務器及電子設備，以至少解決相關技術(shù)中通過記錄日志定位內(nèi)存故障的方式無法提前發(fā)現(xiàn)并規(guī)避內(nèi)存問題，容易導致服務器宕機的問題。
2、本申請?zhí)峁┝艘环N內(nèi)存故障管理系統(tǒng)，包括：硬件內(nèi)存的處理電路，處理電路上設置有硬件層和處理器；硬件層檢測硬件內(nèi)存的第一錯誤數(shù)據(jù)和第二錯誤數(shù)據(jù)，第一錯誤數(shù)據(jù)為可恢復數(shù)據(jù)，第二錯誤數(shù)據(jù)為不可恢復數(shù)據(jù)；處理器設置有內(nèi)核層、用戶層和輸入輸出層，其中，輸入輸出層對第二錯誤數(shù)據(jù)進行分類處理，得到第一類型數(shù)據(jù)和第二類型數(shù)據(jù)，第一類型數(shù)據(jù)為非致命數(shù)據(jù)，第二類型數(shù)據(jù)為致命數(shù)據(jù)，對第二類型數(shù)據(jù)進行隔離，并將第一類型數(shù)據(jù)和第一錯誤數(shù)據(jù)上報至內(nèi)核層；內(nèi)核層集成多個驅(qū)動組件，利用內(nèi)核態(tài)的保護處理機制對第一類型數(shù)據(jù)進行處理，并將第一錯誤數(shù)據(jù)和處理后第一類型數(shù)據(jù)上報至用戶層；用戶層對第一錯誤數(shù)據(jù)進行可視化展示，并在用戶態(tài)對處理后第一類型數(shù)據(jù)進行隔離。
3、本申請還提供了一種服務器，包括：上述實施例的內(nèi)存故障管理系統(tǒng)。
4、本申請還提供了一種內(nèi)存故障管理方法，方法用于上述實施例的內(nèi)存故障管理系統(tǒng)的處理器，該處理器被配置執(zhí)行如下步驟：從硬件層獲取硬件內(nèi)存的第一錯誤數(shù)據(jù)和第二錯誤數(shù)據(jù)，其中，第一錯誤數(shù)據(jù)為可恢復數(shù)據(jù)，第二錯誤數(shù)據(jù)為不可恢復數(shù)據(jù)；在輸入輸出層，利用輸入輸出層對第二錯誤數(shù)據(jù)進行分類處理，得到第一類型數(shù)據(jù)和第二類型數(shù)據(jù)，第一類型數(shù)據(jù)為非致命數(shù)據(jù)，第二類型數(shù)據(jù)為致命數(shù)據(jù)，對第二類型數(shù)據(jù)進行隔離，并將第一類型數(shù)據(jù)和第一錯誤數(shù)據(jù)上報至內(nèi)核層；在內(nèi)核層，利用內(nèi)核態(tài)的保護處理機制對第一類型數(shù)據(jù)進行處理，并將第一錯誤數(shù)據(jù)和處理后第一類型數(shù)據(jù)上報至用戶層；在用戶層，對第一錯誤數(shù)據(jù)進行可視化展示，并在用戶態(tài)對處理后第一類型數(shù)據(jù)進行隔離。
5、本申請還提供了一種電子設備，包括：存儲器，用于存儲計算機程序；處理器，用于執(zhí)行計算機程序時實現(xiàn)上述任一種內(nèi)存故障管理方法的步驟。
6、本申請的內(nèi)存故障管理系統(tǒng)包括硬件內(nèi)存的處理電路，其上設有硬件層和處理器，處理器進一步劃分為內(nèi)核層、用戶層和輸入輸出層。通過硬件層檢測內(nèi)存中的第一錯誤數(shù)據(jù)和第二錯誤數(shù)據(jù)，輸入輸出層對第二錯誤數(shù)據(jù)進行分類，將其劃分為非致命的第一類型數(shù)據(jù)和致命的第二類型數(shù)據(jù)，并對致命數(shù)據(jù)進行隔離，同時將非致命數(shù)據(jù)及可恢復數(shù)據(jù)上報至內(nèi)核層。內(nèi)核層通過集成的驅(qū)動組件在內(nèi)核態(tài)對非致命的錯誤數(shù)據(jù)進行保護處理，并將第一錯誤數(shù)據(jù)和處理后的非致命的錯誤數(shù)據(jù)上報至用戶層。用戶層負責對可恢復錯誤進行可視化展示，并在用戶態(tài)對處理后的非致命的錯誤數(shù)據(jù)進行進一步隔離。由此，通過硬件層與各軟件層的協(xié)同工作，實現(xiàn)了對內(nèi)存錯誤的分級檢測、分類處理與自動隔離，不僅提升了系統(tǒng)的穩(wěn)定性與可靠性，還有效防止了因內(nèi)存故障導致的系統(tǒng)崩潰。同時，通過內(nèi)核態(tài)與用戶態(tài)的聯(lián)動機制，結(jié)合可視化展示，增強了內(nèi)存錯誤的可監(jiān)控性和可維護性，便于運維人員快速定位和修復問題，降低了系統(tǒng)運維成本。由此，解決了相關技術(shù)中通過記錄日志定位內(nèi)存故障的方式無法提前發(fā)現(xiàn)并規(guī)避內(nèi)存問題，容易導致服務器宕機的問題。
1.一種內(nèi)存故障管理系統(tǒng)，其特征在于，包括：
2.根據(jù)權(quán)利要求1所述的內(nèi)存故障管理系統(tǒng)，其特征在于，所述驅(qū)動組件將所述第一類型數(shù)據(jù)從用戶地址空間拷貝至內(nèi)核地址空間，返回錯誤碼或者已拷貝長度。
3.根據(jù)權(quán)利要求1或2所述的內(nèi)存故障管理系統(tǒng)，其特征在于，所述驅(qū)動組件用于所述硬件層執(zhí)行內(nèi)存巡檢操作檢測到所述第一類型數(shù)據(jù)的錯誤時，識別所述第一類型數(shù)據(jù)所在的內(nèi)存頁，標記所述內(nèi)存頁為異常頁，解除所述異常頁對應虛擬地址空間的映射。
4.根據(jù)權(quán)利要求1所述的內(nèi)存故障管理系統(tǒng)，其特征在于，所述用戶層設置有守護進程、監(jiān)控進程和主進程中的至少一個，其中，所述守護進程用于記錄所述第一錯誤數(shù)據(jù)和所述第二錯誤數(shù)據(jù)的物理地址信息，所述監(jiān)控進程在操作系統(tǒng)的啟動階段完成初始化后，為所述主進程分配內(nèi)存區(qū)域，并啟動所述主進程。
5.根據(jù)權(quán)利要求4所述的內(nèi)存故障管理系統(tǒng)，其特征在于，所述主進程設置有多個內(nèi)存管理模塊，其中，所述內(nèi)存管理模塊用于在所述第一類型數(shù)據(jù)發(fā)生在所述內(nèi)存區(qū)域內(nèi)時，對所述第一類型數(shù)據(jù)對應內(nèi)存頁進行隔離。
6.根據(jù)權(quán)利要求1所述的內(nèi)存故障管理系統(tǒng)，其特征在于，還包括：
7.根據(jù)權(quán)利要求6所述的內(nèi)存故障管理系統(tǒng)，其特征在于，所述驅(qū)動組件用于：通過目標映射文件定位所述第一錯誤數(shù)據(jù)和所述第二錯誤數(shù)據(jù)的對應內(nèi)存物理插槽，其中，所述目標映射文件為操作系統(tǒng)啟動階段由所述適配組件生成的配置文件，存儲內(nèi)存物理插槽與錯誤數(shù)據(jù)對應硬件標識之間的映射關系，所述硬件標識包括內(nèi)存控制器編號、片選行編號、通道編號及內(nèi)存條編號的至少一個。
8.一種服務器，其特征在于，包括：權(quán)利要求1-7任意一項所述的內(nèi)存故障管理系統(tǒng)。
9.一種內(nèi)存故障管理方法，其特征在于，所述方法用于上述權(quán)利要求1-7任意一項所述的內(nèi)存故障管理系統(tǒng)的處理器，所述處理器被配置執(zhí)行如下步驟：
10.一種電子設備，其特征在于，包括：