一种CXL设备的带外管理方法及系统与流程

本发明涉及计算机系统硬件管理与维护，特别是一种cxl设备的带外管理方法及系统。

背景技术：

1、随着计算机体系结构的不断发展，高性能计算和数据中心的需求日益增长，传统的pcie总线技术在资源扩展与管理方面逐渐暴露出局限性，为了应对计算任务的复杂化和大规模数据处理需求，cxl技术应运而生，cxl是一种基于pcie物理层的高速互连协议，旨在通过统一的接口将cpu、内存、加速器和其他设备高效地连接起来，以实现低延迟、高带宽的内存访问和设备通信，cxl技术的出现为服务器架构带来了革命性的变化，使得多个设备能够共享内存资源，增强了系统的扩展性和计算性能，目前，cxl技术主要分为三种子协议：cxl.io、cxl.cache和cxl.memory，分别支持i/o扩展、缓存一致性和内存扩展功能，然而，随着cxl设备在大规模数据中心和高性能计算环境中的应用日益广泛，如何高效管理这些设备，尤其是在os失效或设备出现故障时，进行及时的带外管理，成为一个亟待解决的问题。

2、现有的cxl设备管理方法主要依赖于操作系统层面的管理，即通过操作系统来监控和管理设备的状态，然而，这种管理方式存在诸多不足，依赖于操作系统的管理方法在操作系统出现故障时会失效，导致设备状态无法实时获取，影响了系统的稳定性和可靠性，现有的管理方法难以实现对多个cxl设备的统一管理，特别是在设备资源池化的情况下，缺乏对资源池中各设备的动态监控和资源分配机制，这使得系统在负载均衡和故障处理方面表现欠佳，现有技术中对cxl设备的热维护支持有限，当设备需要更换或维护时，往往需要中断服务器的运行，进而影响整个系统的服务连续性。

技术实现思路

1、鉴于上述现有的cxl设备的带外管理方法及系统中存在的问题，提出了本发明。

2、因此，本发明所要解决的问题在于，现有的cxl设备管理技术存在操作系统失效时设备状态无法实时获取、对资源池化设备的动态管理不足以及热维护支持有限等问题。

3、为解决上述技术问题，本发明提供如下技术方案：一种cxl设备的带外管理方法，其包括，

4、通过bmc实时判断cxl设备的插入状态并对插入的cxl设备进行初始化；

5、实时监控初始化的cxl设备状态并进行故障修复，对故障修复后的cxl设备进行设备重置和验证；

6、将多个cxl设备组合形成资源池并通过cxl设备管理系统进行实时监控和热维护；

7、记录cxl设备的所有数据并存储。

8、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述通过bmc实时判断cxl设备的插入状态指通过cxl设备管理系统中的bmc，采用电气信号检测法实时监控pcle总线的电压和信号完整性；

9、当pcle总线的信号发生变化并符合设备插入的标准时，bmc使用时域分析方法检测信号的上升沿和下降沿的变化率，当cxl设备插入时，pcie总线上的信号电平变化表现出快速的上升沿和下降沿，设定变化率阈值，若变化率超过变化率阈值，则判断为cxl设备插入；

10、根据分析结果，若判断没有cxl设备插入时，cxl设备管理系统提示目前无设备，通过lcd显示屏显示“idel”提示信息，若判断有cxl设备插入时，cxl设备管理系统进入设备插入状态，bmc通过pcle总线将插入事件广播给其他系统组件，包括运维系统、cpld和os。

11、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述对插入的cxl设备进行初始化指bmc在完成插入事件广播后，通过pcie总线向os发送查询命令，要求获取cxl设备的当前状态信息，os根据查询命令返回cxl设备的当前状态信息，包括温度、硬件状态、电源状态、内存使用率和网络连接状态；

12、bmc比较每个当前状态信息与安全范围之间的差异，若cxl设备的每个当前状态信息都处于安全范围内，bmc将向cpld发送初始化信号，cpld接收到初始化信号，执行初始化操作，在lcd显示屏显示“setup”提示信息，表明设备正在初始化；

13、bmc传递初始化信号后，通过pcie总线进一步检查cxl设备初始化后的状态信息，分析初始化后的状态信息与安全范围之间的差异，若初始化后的状态信息全部处于安全范围内，led指示灯变为绿色，在lcd显示屏显示“normal”提示信息，表明cxl设备可以正常工作，进入下一个步骤，否则，重新对插入的cxl设备进行初始化。

14、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述实时监控初始化的cxl设备状态并进行故障修复指cxl设备初始化完成后，通过bmc周期性地更新并监控cxl设备状态，将获取的周期性设备信息与安全范围进行比较，并将比较结果传递给cpld，cpld根据比较结果点亮相关的led信号灯并在lcd显示屏显示提示信息；

15、当cxl设备中有周期性状态信息不在安全范围，表明cxl设备发生故障，通过bmc接收来自os的故障信息，并控制pcie总线将故障的cxl设备的数据通道置于只读模式进行隔离操作；

16、故障信息包括预期故障信息和意外故障信息；

17、预期故障信息包括温度超标、内存使用率超标和网络连接错误，若出现预期故障信息中任一项，bmc将判断cxl设备处于故障状态，并向cpld发送故障信号，led指示灯变为黄色，在lcd显示屏上显示“warning”提示信息，提示运维人员进行维修处理；

18、意外故障信息包括硬件状态故障和电源状态故障，若出现意外故障信息中任一项，bmc将判断cxl设备处于错误状态，并向cpld发送错误信号，led指示灯变为红色，在lcd显示屏上显示“error”提示信息，提示运维人员立刻修复处理；

19、运维人员根据提示信息提示进行设备修复，修复过程包括物理硬件更换和软件重置，修复后，bmc重新检测cxl设备状态，确认故障的修复情况。

20、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述对故障修复后的cxl设备进行设备重置和验证指修复完成后，bmc解除设备的隔离操作，并将发送重置信号给cpld；

21、cpld收到重置信号后，控制cxl设备管理系统重新进行初始化，bmc恢复对cxl设备的正常监控，并在lcd显示屏上显示“resetup”状态信息；

22、cxl设备重置完成后，bmc对cxl设备进行状态验证，确保所有状态信息处于正常范围内；

23、验证完成后，led指示灯变为绿色，在lcd显示屏上更新为“normal”提示信息，表明cxl设备已恢复正常运行。

24、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述将多个cxl设备组合形成资源池并通过cxl设备管理系统进行实时监控和热维护指将多个cxl设备组合形成资源池，通过cxl设备管理系统实时监控资源池的总利用率和各cxl设备的任务状态，资源池的总利用率通过整合每个cxl设备的内存利用率、网络带宽占用率的指标评估资源池的整体负载和运行状况，若cxl设备出现故障，cxl设备管理系统通过热维护方式，将故障的设备上正在执行的任务迁移到低负载的cxl设备上。

25、作为本发明所述cxl设备的带外管理方法的一种优选方案，其中：所述记录cxl设备的所有数据并存储指cxl设备插入过程中，记录cxl设备的插入时间戳、pcie总线信号变化和初始状态信息，并在实时监控中周期性地保存各cxl设备的状态信息，当cxl设备发生故障时，记录故障信息，在进行热维护操作时记录任务迁移、设备修复和重置的全过程，并保存资源池的总利用率数据和各cxl设备的任务状态数据。

26、本发明的另外一个目的是提供一种cxl设备的带外管理系统，其包括，

27、初始化模块，用于通过bmc实时判断cxl设备的插入状态并对插入的cxl设备进行初始化；

28、实时管理模块，用于实时监控初始化的cxl设备状态并进行故障修复；

29、设备重置模块，用于对故障修复后的cxl设备进行设备重置和验证；

30、资源池模块，用于将多个cxl设备组合形成资源池并通过cxl设备管理系统进行实时监控和热维护；

31、数据存储模块，用于记录cxl设备的所有数据并存储。

32、一种计算机设备，包括：存储器和处理器；所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现cxl设备的带外管理方法的步骤。

33、一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现cxl设备的带外管理方法的步骤。

34、本发明有益效果为：本发明所提出的cxl设备管理方式能够对所连接的cxl设备进行有效管理，更直观的了解当前cxl设备状态或cxl资源池利用率与分配情况，且热维护的方式可以避免服务器停用的情况发生，维护方式更加便捷，支持远程监控和自动化管理，极大的提高了服务器的稳定性和可用性。