JP2005165653A - 情報処理装置の障害情報採取システム - Google Patents

Abstract

【課題】情報処理装置において電源ノイズや装置の高負荷時による突発的な障害が発生した場合でも、障害部位と障害原因を探索可能とすること。
【解決手段】情報処理装置における各機能デバイス（システムコントローラ２１、ＣＰＵ２２、メインメモリ２４、Ｉ／Ｏデバイス２３）に給電されている電源電圧・電流を各機能デバイス毎に監視する監視回路３２を設け、何らかの障害が発生した場合、システムコントローラ２１によって、ＣＰＵ、メインメモリ、Ｉ／Ｏデバイスのデジタル的な障害情報の採取に加え、監視回路３２によって、システムコントローラを含む各機能デバイスのアナログ的な電源波形と電流量を前記のデジタル的な障害情報と同期して記録すること。これにより、システムコントローラ内の障害情報と電源変動および装置の負荷状態のログとを関連付け、障害復旧や障害原因の究明に掛かる時間の短縮を図る。
【選択図】図１

Description

本発明は、ＣＰＵ、メモリ、Ｉ／Ｏデバイス及びシステムコントローラを含む情報処理装置における障害解析に使用する障害情報の採取システムに関する。

近年、情報処理装置における信頼性の向上は重要な課題となっており、障害によってシステムの運用が停止した場合、障害復旧と障害原因の究明に多大な時間を要すれば、信頼性、可用性の大幅な低下を招く。そこで、一刻も早く障害原因を究明するため、障害発生時に障害解析情報の採取および保持が行われている。

情報処理装置における障害情報の従来の採取システムは、システムコントローラ、ＣＰＵ、主記憶装置、入出力制御装置、障害検出／記録装置、障害記録用メモリ等が、システムバスに対して接続されている構成であり、障害検出／記録装置はシステムバスを監視し、障害が発生した場合にシステムバスより必要な情報を取り込んで、障害記録用メモリにその内容を書き込む（例えば、特許文献１を参照）。このように、従来技術は障害発生時にシステムバストレースを行い、そのログ情報を保存し、解析を行うことが一般的であった。

また、情報処理装置の障害原因として、ＣＰＵ、メモリ、Ｉ／Ｏデバイス等の各構成要素に供給されている給電経路を辿ってくる外来ノイズによる障害も少なくはない。したがって、この電源ノイズを検出する技術も多く提案されている。この電源電圧検出手段の従来技術として、被監視電源電圧に重畳して入力する周期性ノイズや正負の単発性ノイズの発生を識別して検出するものが提案されている（例えば、特許文献２を参照）。

また、障害箇所の探索についての従来技術して、或る電気的な障害が発生した際に、障害探索において、回路設計者がＩＣ端子や基板パッドにプローブを当てて、オシロスコープ等の計測器を用いて信号解析し、障害箇所の探索を行う手法も用いられていた。
特開平８−１４７１９５号公報 特開平６−１３８１６号公報

上記特許文献１に記載した技術のように、従来の情報処理装置における障害データ採取方法は、バストレースやエラーログ情報のダンプにより、障害発生部位や障害の種類を採取しているに過ぎなかった。しかし、その採取データによって障害部位と原因が特定できれば良いが、原因が電源ノイズのようなものであった場合、上述の採取データが障害解析への有効なデータとはならない場合もある。

また、現在ではミッションクリティカルな（常時連続稼働の）基幹業務システムによる高性能化や高信頼性が求められており、障害が発生してもリカバリ処理により、もしくは障害部位を切り離す等の処理にて、システムをストップさせることなく連続動作が可能なシステムが必須となっている。しかし、それにも関わらず、装置の障害発生時、採取された障害データからはその原因が解らず、障害の発生したシステムで再現テストが必要になる場合もある。これは障害調査のために情報処理装置を停止させる必要があることや、電源ノイズによるインタミッテントな（突発的な又は断続的な）障害などでは、再現テストにおいて再現しない可能性が高いことなど課題が多い。

また、障害原因が電源ノイズに起因する場合、上記特許文献２に記載されているように、周期性ノイズなのか或いは単発性ノイズなのかを検出するだけでは、障害部位や障害の原因を特定する際の必要十分条件となり得ないという課題がある。

また、障害が発生した場合、原因解析をする際には、一般的に、装置の各部からプローブを介して信号を取り入れて解析するオシロスコープやロジックアナライザが使用されている。しかし、オシロスコープやロジックアナライザ等の計測器を用いる場合には、一般にこの計測器を常に装置に接続しておくことはできない。従って、不意に発生する障害や、プローブを接続した状態では再現できないような障害に対しては対応することができない。さらに、オシロスコープのプロービングによる障害原因追求では、一度に採取できる観測ポイントが限られたり、プロービングする場所によっては治具等を作製しなければならないこともあり、容易ではない。しかも、近年、情報処理装置の一層の小型化、高密度化が要求される中、直接、集積回路にプロービングするような計測器による障害探索はますます困難なものになってきている。

また、電源ノイズには、瞬停、サージといった外来ノイズの他に、装置が高負荷状態になった際のデータ信号等に起因して発生する電源ノイズもある。例えば、システムコントローラとメインメモリ間で大量のデータのやり取りがあり、システムコントローラの出力時に大きな同時切替ノイズが発生し、その同時切替ノイズが給電ラインに伝播し、その電源ノイズがデータ信号にエラーを発生させる要因になるという場合も考えられる。

本発明の目的は、情報処理装置において電源ノイズや装置高負荷時による突発的な障害が発生した場合においても、障害部位と障害原因を探索することのできる情報処理装置の障害情報採取システムを提供することにある。

本発明は、情報処理装置に何らかの障害が発生した場合に採取される障害情報として、ＣＰＵや各Ｉ／Ｏデバイスを含む各構成要素のデジタル的な障害情報と、各構成要素へ給電されている電源電圧および電流量とを、前記デジタル的な障害情報と同期して記録する構成とする。

本発明によれば、デジタル的な障害情報と電圧及び電流のアナログ的な情報を関連付けることができる。また、障害発生時の復旧および原因の究明に掛かる時間の短縮を図ることができる。

更に、障害によって採取されたデータをモニタ表示させることで、障害発生時前後の電源波形や負荷状態を視覚的に捉えることができ、障害原因の探索に有効な情報とすることができる。

本発明の実施形態に係る情報処理装置における障害情報の採取システムについて、図１〜図５を参照しながら以下詳細に説明する。図１は本発明の実施形態に係る情報処理装置における障害情報の採取システムの全体構成を示すブロック図である。図２は本実施形態に関する障害発生時における障害採取の動作フローを示す図である。図３は本実施形態に関する障害情報採取システムに用いられる電流・電圧測定回路と電流・電圧監視回路の構成例を示す図である。図４は本実施形態に関する障害情報採取システムに用いられる電流・電圧測定回路と電流・電圧監視回路の他の構成例を示す図である。図５は本実施形態に関する障害情報採取システムで採取された障害情報をモニタ表示する図である。

図１において、電源供給手段１には給電回路（ＰＳ）１１が実装されている。また、機能基板２には、ＣＰＵ２２、メインメモリ２４、Ｉ／Ｏデバイス２３、システムコントローラ２１が実装され、ＣＰＵ２２、メインメモリ２４、Ｉ／Ｏデバイス２３等の構成要素はそれぞれシステムコントローラ２１とバス接続されて前記バスを介してデータが転送される。この機能基板２に実装されたシステムは、ＣＰＵ２２により動作が制御される。メインメモリ２４にはＣＰＵ２２が動作するためのプログラムやその他のデータ等が格納される。Ｉ／Ｏデバイス２３はハードディスク装置（ＨＤＤ）、フロッピー（登録商標）ディスク装置（ＦＤ）、ディスプレイ、キーボード等のデータ入出力動作を行う装置である。

機能基板２上における各構成要素の具体的搭載例を云えば、機能基板２上に、システムコントローラ２１や、１つ以上のＣＰＵ２２及びメモリ２４が設置され、さらに、ＦＤＤ、ＨＤＤ、ＬＡＮ、ディスプレイ用のカード又はコネクタが機能基板２上に設置されている。そして、カード又はコネクタを通してＦＤＤ自体、ＨＤＤ自体、ＬＡＮ自体、ディスプレイ自体に接続される。そして、システムコントローラ２１、ＣＰＵ２２、Ｉ／Ｏデバイス２３（ＦＤ、ＨＤＤ、ディスプレイ等）、メモリ２４、等の各構成要素は、データを送受信するためにその電圧値を同一又は異にする電源が供給され、電源供給ライン２００を形成している。そして、各構成要素への電源供給ライン２００には、それぞれ電源の電流・電圧測定回路が接続されている。

障害処理基板３には、障害検出回路３１、電流・電圧監視回路３２、システムコントローラ２１内に設けられたエラー情報を採取する手段であるダンプ制御部３３、障害情報を格納するための共有ログエリア３４、が実装され、給電回路１１から機能基板２に実装されている各構成要素への給電波形および電流量を監視している。なお、機能基板２は１枚でも複数枚から構成されていても良い。さらに、電源供給手段１、機能基板２、障害処理基板３が１枚の基板上に実装されていても良い。

図１に示すような、電源供給手段１と、機能基板２と、障害処理基板３とによって、情報処理装置の障害情報採取システムを構成している。

図２に本実施形態における障害情報の採取のフローチャートを示す。通常時は電流・電圧測定回路２５により各構成要素（システムコントローラ２１、ＣＰＵ２２、Ｉ／Ｏデバイス２３、メインメモリ２４等からなる）に給電されている電源電圧および電源電流を計測し、そこで計測されたデータを電圧・電流監視回路３２で監視し（Ｓ１）、かつそのデータを前記監視回路内のメモリに格納する（Ｓ２）。そして、情報処理装置（例えば、ＣＰＵ、Ｉ／Ｏデバイス、メモリ、システムコントローラ）に何らかの障害が発生した場合、障害検出回路３１によって障害検出信号３００をダンプ制御部３３と電流・電圧監視回路３２に通知する。

ダンプ制御部３３は障害検出信号３００を受け取ると、システムのダウンタイムを短縮させるため、エラーログ採取時間の短縮や余分なログ採取を行わないように、システムコントローラ内のエラー検出レジスタ又はキューから障害部位や種類を判定し（例えば、メモリ２４の何枚目かのメモリカードに読み出し不能の障害が発生したと判定し）、必要なエラー情報のみ採取する（Ｓ３）。

また、電圧・電流監視回路３２は障害検出信号３００を受け取ると、前記監視回路内に格納されていた電源電圧と電流データを監視記録用メモリから読み出す（Ｓ４）。

採取されたエラーログ情報および電源電圧・電流データは、障害発生日付および時刻、障害部位、種別、詳細情報、付加情報等、予め設定されたフォーマットに編集され（Ｓ５）、共有ログエリア３４に格納される（Ｓ６）。

次に、図３を用いて電流・電圧測定回路２５と電流・電圧監視回路３２の構成例を示す。電流・電圧測定回路２５において、電源電圧値はオペアンプ部２５−１で正規化され、Ａ／Ｄコンバータ２５−３(ＡＤＣ)に入力される。ＡＤＣはトリガ信号（障害検出信号３００）の発生にかかわらず常にデータをサンプリングし、デジタルデータに変換し、電流・電圧監視回路３２へ電圧データを送信する。このようにして、電源電圧測定回路を形成する。

一方、電源電流測定回路では、電流を検出するためのセンス抵抗Ｒ１を基準抵抗としてその電源供給ラインに接続し、その両端よりオペアンプ２５−２を介してＡＤＣ２５−４に入力する。このＡＤＣ２５−４に入力される電流値は、電源電圧測定回路と同様に、障害検出信号３００の発生に拘わらず常にデータをサンプリングし、デジタルデータに変換後、電流・電圧監視回路３２へ電流データを送信する。

デジタル信号に変換された電圧・電流データは、電流・電圧監視回路３２に設けられたデジタル信号処理（ＤＳＰ）３２−１を介して、監視記録用メモリ３２−２に蓄積しておく。監視記録用メモリ３２−２にデータがフルに書き込まれたら、再びメモリの先頭よりデータを更新する。この動作中、障害が発生し、システムコントローラ２１からの障害検出信号３００のトリガが発生したら、その時点でデータの更新を停止する。これにより監視記録用メモリに蓄えられているデータは、トリガ以前の現象を捕捉することになるため、障害発生直前の電源電圧・電流波形を採取することができる。

ＤＳＰ３２−１では、監視記録用メモリ３２−２へのデータ書き込み、障害検出信号３００がアサートされた際に監視記録用メモリから波形データを読み出し、共有ログエリア３４への加工を施し、転送処理を行う。また、監視記録用メモリから電流・電圧データを読み出してこれらのデータから各構成要素での消費電力量を算出し、共有ログエリア３４へ転送する。

メモリコントローラ３２−３では、時間軸設定やトリガ信号（障害検出信号）に従ってＤＳＰ３２−１、共有ログエリア３４への格納動作をコントロールする。主な機能動作としては、サンプリングクロックを分周しデータ取り込みに必要なタイミングをＤＳＰ３２−１に与えたり、さらに、監視記録用メモリのアドレスを割当て、データ書き込み、共有ログエリア３４への転送等の動作を管理する。

共有ログエリア３４は、半導体記憶素子、フロッピー（登録商標）ディスク、磁気ディスク、光ディスク等の不揮発性の記憶媒体を用いても良い。したがって、コンソールを使用して記憶媒体からデータを読み出しても良いし、フロッピー（登録商標）ディスク、ＣＤ―Ｒ／Ｗ、ＤＶＤ−ＲＡＭ等の媒体自体がそのまま取り出し可能な構成のものであってもよい。

以上説明したような情報処理装置の障害情報採取システムによって、情報処理装置に何らかの障害が発生した場合、システムコントローラ２１内のエラー情報、各構成要素（システムコントローラ２１、ＣＰＵを含めた各構成要素）毎の給電波形変動（例えば、電源電圧の変動）、負荷状態のログ（例えば、電源電流の変動履歴）を関連付けることができ、障害復旧や障害原因の究明に掛かる時間の短縮を可能とすることができる。

具体的に例示すると、システムコントローラ２１で判定した各構成要素でのデジタル的な障害情報と、電流・電圧測定回路で検出した各構成要素における電源の電圧と電流の変動とを関連付けして共有ログエリアに記録することができるので、この記録を解析することで障害原因を究明することが容易になる。例えば、システムコントローラがＣＰＵにエラーがあるとしてデジタル的な障害情報を検出した際に、一方でＣＰＵへの電源電圧に大きな変動が有ることを検出すれば、ＣＰＵのエラーはＣＰＵ自体のエラーではなくてＣＰＵ電源に何等かの外来ノイズが侵入したことに因るエラーであることが解る。また、以上の説明で、電源電圧とともに電源電流も測定しているが、これは、負荷状態を電流で検出しているのであるが、この電流値が小さくてその変動も少ないという負荷状態のときに、電源に外乱ノイズが混入して電源電圧が大きく変動するという事態も有り得るし、このような事態の究明も電圧と電流の双方を検出することで可能となる。即ち、電圧と電流は互いに関連する場合もあるが、関係しない場合も有り得るので、電圧と電流の双方を測定し監視している。

次に、本発明の実施形態に関する障害情報採取システムに用いられる電流・電圧測定回路と電流・電圧監視回路の他の構成例について、図４を参照しながら以下説明する。本実施形態は上述した共有ログエリア３４へ格納される障害情報を有効な情報に限定して格納することで、障害解析に掛かる時間の一層の短縮を図る構成例である。

電流・電圧測定回路２５のＡＤＣ２５−３，２５−４でデジタルデータに変換された電圧値、電流値と、基準値設定回路５０から出力された基準値とをコンパレータ３２−４，３２−５において各々比較する。ここで、コンパレータ３２−４，３２−５に入力される基準値は、電源電圧上限値と電源電流上限値であり、基準値設定回路５０は、これらの上限基準値、下限基準値を外部制御信号５００に従って任意に設定可能である。デジタルデータに変換された電圧値、電流値は、コンパレータにより上限基準値を越えるか下限基準値を割った場合のみ、それぞれ電圧異常信号３１０、電流異常信号３２０を出力し、メモリコントローラ３２−３に入力される。

メモリコントローラ３２−３内では、前記電圧異常信号３１０と障害検出信号３００とがアクティブになった場合、、または前記電流異常信号３２０と障害検出信号３００とがアクティブになった場合、ログ格納制御信号３３０がアクティブになり、監視記録用メモリ３２−２に蓄えられていたデータを共有ログエリア３４へ転送する。

これにより、情報処理装置に何らかの障害が発生した際、電圧異常信号３１０または電流異常信号３２０がアクティブになっていた構成要素（ＣＰＵ、Ｉ／Ｏデバイス、メモリ等）の電圧値、電流値のみ障害情報として共有ログエリア３４へ採取されるため、不要なデータは採取されず、有効なデータのみ採取されることにより、障害解析に掛かる時間の一層の短縮が図れる。換言すると、図４に示す構成例では、電圧値又は電流値の異常とシステムコントローラからの障害検出とのＡＮＤを取って共有ログエリアにデータを出すものであり、一方、図３に示す構成例ではシステムコントローラ２１からの障害検出があれば、電圧値又は電流値の異常の有無に無関係に共有ログエリアにデータを出すものである。

次に、本実施形態に関する障害情報採取システムで採取された障害情報をモニタ表示する構成例について、図５の（ａ）（ｂ）を参照しながら説明する。図５（ａ）に示す構成例では、監視記録用メモリ３２−２から読み出されたデータを格納するためのモニタ用のバッファ４２を設ける。また、図示の表示制御回路４１により、表示用波形データを作成し、グラフィック表示（カーソル、グリッド、文字）と波形および各構成要素の消費電力量を合成させ、図５（ｂ）のようなモニタ表示を可能とする。これにより、障害発生時の電源波形と各デバイスの負荷情報を視覚的に捉えることができ、障害原因の究明に有効となる。

図５においてモニタ４３を設けることが図示されているが、監視記録用メモリからの出力がモニタ４３に加えて共有ログエリア３４にも転送されても当然に良い。また、図５（ｂ）の表示画面例で、５．０ｖ、３．３ｖ、１．８ｖとあるのは、例えば、Ｉ／Ｏデバイス、メモリ、ＣＰＵの電源電圧を表し、ＣＰＵとメモリのグラフはそれぞれの電流量又は消費電力を表している例である。

以上説明したように、本発明の実施形態は次のような構成と機能乃至作用を奏することを特徴とする。即ち、各機能デバイス（ＣＰＵ、メインメモリ、Ｉ／Ｏデバイス）に各々給電されている電源電圧を監視する回路と前記各機能デバイスの負荷状態を監視するための電流監視回路を備えた情報処理装置において、何らかの障害が発生した場合、障害検出信号により、ＣＰＵ、メインメモリ、Ｉ／Ｏデバイスに接続されるシステムコントローラ部のエラー情報の採取に加え、電源電圧監視回路より各機能デバイスに給電されている各々の電源電圧波形をログとして採取し、さらに電流監視回路により各機能デバイスの負荷情報もログとして採取する。

このように、情報処理装置になんらかの障害が発生した際、システムコントローラ内のエラー情報（デジタル的な障害情報）と、電源変動および負荷状態のログ（アナログ的な情報）を同期して記録する。即ち、障害情報と、電源変動等の時間的な対応が分かるように関連付けて記録する。そのログ情報をもとにログ解析をすることで、障害探索に掛かる時間を短縮できる。さらに、障害によって採取されたデータをモニタ表示させることで、障害発生時の前後の電源波形や負荷状態を視覚的にとらえることができ、障害原因探索に有効となる。

なお、情報処理装置の各構成要素の状態を電圧と電流の双方を測定することで把握することを説明してきたが、これに限らず、電源電圧のみを測定して、電流検出に相当する分は、システムコントローラ２１のキューをみて、トランザクション状況を検出することで、負荷状態を観察、検出することもできる。

本発明の実施形態に係る情報処理装置における障害情報の採取システムの全体構成を示すブロック図である。 本実施形態に関する障害発生時における障害採取の動作フローを示す図である。 本実施形態に関する障害情報採取システムに用いられる電流・電圧測定回路と電流・電圧監視回路の構成例を示す図である。 本実施形態に関する障害情報採取システムに用いられる電流・電圧測定回路と電流・電圧監視回路の他の構成例を示す図である。 本実施形態に関する障害情報採取システムで採取された障害情報をモニタ表示する図である。

符号の説明

１ 電源供給手段
２ 機能基板
３ 障害処理基板
１１ 給電回路
２１ システムコントローラ
２２ ＣＰＵ
２３ Ｉ／Ｏデバイス
２４ メインメモリ
２５ 電流・電圧測定回路
Ｒ１ センス抵抗
２５−１，２５−２ オペアンプ
２５−３，２５−４ Ａ／Ｄコンバータ
３１ 障害検出回路
３２ 電流・電圧監視回路
３２−１ デジタルシグナルプロセッサ（ＤＳＰ）
３２−２ 監視記録用メモリ
３２−３ メモリコントローラ
３２−４，３２−５ コンパレータ
３３ ダンプ制御回路
３４ 共有ログエリア
４１ 表示制御回路
４２ 表示用バッファ
４３ モニタ
５０ 基準値設定回路
２００ 電源供給ライン
３００ 障害検出信号
３１０ 電圧異常信号
３２０ 電流異常信号
３３０ ログ格納制御信号
４００ システムバス
５００ 外部制御信号
Ｓ１〜Ｓ６ 障害情報採取方法フローチャート

Claims (3)

1. ＣＰＵ、メモリ、Ｉ／Ｏデバイス、システムコントローラを含む各構成要素と、前記各構成要素にそれぞれ接続された電源供給ラインを備えた情報処理装置において、
   前記システムコントローラは、前記ＣＰＵ、メモリ、Ｉ／Ｏデバイスにバス接続されるとともに、前記各構成要素の少なくとも１つの障害情報を採取するものであって、
   情報処理装置は、さらに前記電源供給ラインの電圧と電流を測定する測定手段と、前記測定手段からの電圧情報と電流情報を一定時間内で連続して記憶する監視手段とを有し、
   障害発生時に前記システムコントローラで採取した障害情報と前記電圧及び電流情報とを対応させてログエリアに記録する
   ことを特徴とする情報処理装置の障害情報採取システム。
2. 請求項1において、
   前記測定手段は、前記電源供給ラインに接続されたオペアンプの出力をＡ／Ｄコンバータを通して電圧波形データとする電圧測定部と、前記電源供給ラインに直列に接続されたセンス抵抗の両端よりオペアンプを介しＡ／Ｄコンバータを通して電流波形データとする電流測定部とを有する
   ことを特徴とする情報処理装置の障害情報採取システム。
3. ＣＰＵ、メモリ、Ｉ／Ｏデバイス、システムコントローラを含む各構成要素と、これらの各構成要素にそれぞれ接続された電源供給ラインと、を備えた情報処理装置において、
   前記システムコントローラは、前記ＣＰＵ、メモリ、Ｉ／Ｏデバイスにバス接続され、且つ前記システムコントローラを含めた各構成要素の障害情報を採取し、
   前記各構成要素に接続された電源供給ラインの電圧と電流を測定する測定手段を設け、
   前記測定手段からの電圧情報と電流情報を一定時間内で連続して記憶する監視手段を設け、
   前記情報処理装置での障害発生時に前記システムコントローラで採取した障害情報に基づいた障害検出信号をトリガとして、前記各構成要素の障害情報と前記電圧及び電流情報とを同期させて表示手段に表示する
   ことを特徴とする情報処理装置の障害情報採取システム。

Images