本申請(qǐng)涉及服務(wù)器，尤其涉及一種部件的監(jiān)控方法、電子設(shè)備及存儲(chǔ)介質(zhì)及產(chǎn)品。

背景技術(shù)：

1、隨著數(shù)據(jù)量的爆發(fā)式增長(zhǎng)和網(wǎng)絡(luò)應(yīng)用的日益復(fù)雜，數(shù)據(jù)處理單元（dataprocessing?unit，dpu）作為專門用于數(shù)據(jù)處理的硬件設(shè)備，其性能和可靠性對(duì)于整個(gè)數(shù)據(jù)中心的穩(wěn)定運(yùn)行至關(guān)重要。dpu?通常集成了多個(gè)關(guān)鍵部件，如?中央處理單元（centralprocessing?unit，cpu）、內(nèi)存、高速串行計(jì)算機(jī)擴(kuò)展總線標(biāo)準(zhǔn)（peripheral?componentinterconnect?express，pcie）的設(shè)備、供電設(shè)備等，這些部件的健康狀態(tài)直接影響?dpu?的整體性能?；骞芾砜刂破鳎╞aseboard?management?controller?，bmc）作為服務(wù)器管理的重要組成部分，承擔(dān)著監(jiān)控和管理服務(wù)器硬件狀態(tài)的任務(wù)。在?dpu?的應(yīng)用場(chǎng)景中，bmc?同樣需要對(duì)?dpu?的關(guān)鍵部件進(jìn)行監(jiān)控，以便及時(shí)發(fā)現(xiàn)故障并采取相應(yīng)措施，保障系統(tǒng)的正常運(yùn)行。

2、傳統(tǒng)的bmc監(jiān)控dpu部件方式通常采用逐個(gè)查詢部件健康狀態(tài)的方式。例如，分別使用不同的i命令或接口來查詢?dpu?的?cpu?健康狀態(tài)、內(nèi)存健康狀態(tài)、pcie?設(shè)備健康狀態(tài)等。這種方式需要頻繁地發(fā)送多個(gè)查詢命令，占用大量的系統(tǒng)資源和網(wǎng)絡(luò)帶寬，且由于每個(gè)部件的查詢命令和流程可能不同，增加了監(jiān)控系統(tǒng)的復(fù)雜性和維護(hù)成本。

技術(shù)實(shí)現(xiàn)思路

1、本申請(qǐng)?zhí)峁┝艘环N部件的監(jiān)控方法、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，以至少解決相關(guān)技術(shù)中需要頻繁發(fā)送多個(gè)查詢命令監(jiān)控dpu部件，導(dǎo)致占用大量的系統(tǒng)資源和網(wǎng)絡(luò)帶寬的問題。

2、本申請(qǐng)?zhí)峁┝艘环N部件的監(jiān)控方法，應(yīng)用于數(shù)據(jù)處理單元卡，數(shù)據(jù)處理單元卡包括n個(gè)部件，n≥2且為正整數(shù)，該方法包括：獲取n個(gè)部件中每個(gè)部件的健康狀態(tài)；基于每個(gè)部件的健康狀態(tài)生成每個(gè)部件對(duì)應(yīng)的二進(jìn)制數(shù)，得到n個(gè)二進(jìn)制數(shù)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常；按照預(yù)設(shè)規(guī)則將n個(gè)二進(jìn)制數(shù)組成一個(gè)二進(jìn)制字符串；當(dāng)接收到主機(jī)側(cè)的基板管理控制器發(fā)送的監(jiān)控請(qǐng)求時(shí)，將二進(jìn)制字符串發(fā)送給基板管理控制器。

3、本申請(qǐng)?zhí)峁┝擞忠环N部件的監(jiān)控方法，應(yīng)用于主機(jī)側(cè)的基板管理控制器，該方法包括：接收數(shù)據(jù)處理單元卡發(fā)送的二進(jìn)制字符串，二進(jìn)制字符串包括n個(gè)二進(jìn)制數(shù)，n個(gè)二進(jìn)制數(shù)是基于數(shù)據(jù)處理單元卡包括的n個(gè)部件中每個(gè)部件的健康狀態(tài)生成的，n≥2且為正整數(shù)；解析二進(jìn)制字符串，得到n個(gè)二進(jìn)制數(shù)；逐個(gè)解析每個(gè)二進(jìn)制數(shù)，確定每個(gè)部件的健康狀態(tài)，得到數(shù)據(jù)處理單元卡n個(gè)部件對(duì)應(yīng)的n個(gè)健康狀態(tài)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常。

4、本申請(qǐng)還提供了一種部件的監(jiān)控裝置，應(yīng)用于數(shù)據(jù)處理單元卡，數(shù)據(jù)處理單元卡包括n個(gè)部件，n≥2且為正整數(shù)，該部件的監(jiān)控裝置包括：第一收發(fā)模塊，用于獲取n個(gè)部件中每個(gè)部件的健康狀態(tài)；第一處理模塊，用于基于每個(gè)部件的健康狀態(tài)生成每個(gè)部件對(duì)應(yīng)的二進(jìn)制數(shù)，得到n個(gè)二進(jìn)制數(shù)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常；第一處理模塊，還用于按照預(yù)設(shè)規(guī)則將n個(gè)二進(jìn)制數(shù)組成一個(gè)二進(jìn)制字符串；第一收發(fā)模塊，還用于當(dāng)接收到主機(jī)側(cè)的基板管理控制器發(fā)送的監(jiān)控請(qǐng)求時(shí)，將二進(jìn)制字符串發(fā)送給基板管理控制器。

5、本申請(qǐng)還提供了又一種部件的監(jiān)控裝置，應(yīng)用于主機(jī)側(cè)的基板管理控制器，該部件的監(jiān)控裝置包括：第二收發(fā)模塊，用于接收數(shù)據(jù)處理單元卡發(fā)送的二進(jìn)制字符串，二進(jìn)制字符串包括n個(gè)二進(jìn)制數(shù)，n個(gè)二進(jìn)制數(shù)是基于數(shù)據(jù)處理單元卡包括的n個(gè)部件中每個(gè)部件的健康狀態(tài)生成的，n≥2且為正整數(shù)。第二處理模塊，用于解析二進(jìn)制字符串，得到n個(gè)二進(jìn)制數(shù)。第二處理模塊，還用于逐個(gè)解析每個(gè)二進(jìn)制數(shù)，確定每個(gè)部件的健康狀態(tài)，得到數(shù)據(jù)處理單元卡n個(gè)部件對(duì)應(yīng)的n個(gè)健康狀態(tài)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常。

6、本申請(qǐng)還提供了一種部件的監(jiān)控系統(tǒng)，該部件的監(jiān)控系統(tǒng)包括數(shù)據(jù)處理單元卡和主機(jī)側(cè)的基板管理控制器。

7、其中，數(shù)據(jù)處理單元卡，用于獲取n個(gè)部件中每個(gè)部件的健康狀態(tài)；基于每個(gè)部件的健康狀態(tài)生成每個(gè)部件對(duì)應(yīng)的二進(jìn)制數(shù)，得到n個(gè)二進(jìn)制數(shù)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常；按照預(yù)設(shè)規(guī)則將n個(gè)二進(jìn)制數(shù)組成一個(gè)二進(jìn)制字符串；當(dāng)接收到主機(jī)側(cè)的基板管理控制器發(fā)送的監(jiān)控請(qǐng)求時(shí)，將二進(jìn)制字符串發(fā)送給基板管理控制器。

8、主機(jī)側(cè)的基板管理控制器，用于接收數(shù)據(jù)處理單元卡發(fā)送的二進(jìn)制字符串，二進(jìn)制字符串包括n個(gè)二進(jìn)制數(shù)，n個(gè)二進(jìn)制數(shù)是基于數(shù)據(jù)處理單元卡包括的n個(gè)部件中每個(gè)部件的健康狀態(tài)生成的，n≥2且為正整數(shù)；解析二進(jìn)制字符串，得到n個(gè)二進(jìn)制數(shù)；逐個(gè)解析每個(gè)二進(jìn)制數(shù)，確定每個(gè)部件的健康狀態(tài)，得到數(shù)據(jù)處理單元卡n個(gè)部件對(duì)應(yīng)的n個(gè)健康狀態(tài)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常。

9、本申請(qǐng)還提供了一種電子設(shè)備，包括：存儲(chǔ)器，用于存儲(chǔ)計(jì)算機(jī)程序；處理器，用于執(zhí)行計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述任一種部件的監(jiān)控方法的步驟。

10、本申請(qǐng)還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一種部件的監(jiān)控方法的步驟。

11、本申請(qǐng)還提供了一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述任一種部件的監(jiān)控方法的步驟。

12、通過本申請(qǐng)，數(shù)據(jù)處理單元卡通過獲取n個(gè)部件中每個(gè)部件的健康狀態(tài)；并基于每個(gè)部件的健康狀態(tài)生成n個(gè)二進(jìn)制數(shù)，并按照預(yù)設(shè)規(guī)則將n個(gè)二進(jìn)制數(shù)組成一個(gè)二進(jìn)制字符串；當(dāng)接收到主機(jī)側(cè)的基板管理控制器發(fā)送的監(jiān)控請(qǐng)求時(shí)，將二進(jìn)制字符串發(fā)送給基板管理控制器。

13、基板管理控制器接收數(shù)據(jù)處理單元卡發(fā)送的二進(jìn)制字符串，并解析二進(jìn)制字符串，得到n個(gè)二進(jìn)制數(shù)；逐個(gè)解析每個(gè)二進(jìn)制數(shù)，確定每個(gè)部件的所述健康狀態(tài)，得到n個(gè)部件對(duì)應(yīng)的n個(gè)健康狀態(tài)。

14、由于bmc只需下發(fā)一個(gè)監(jiān)控請(qǐng)求，即可獲取一個(gè)二進(jìn)制字符串，進(jìn)而解析二進(jìn)制字符串獲取n個(gè)部件的健康狀態(tài)，因此，避免bmc頻繁發(fā)送多個(gè)查詢命令，節(jié)省系統(tǒng)資源和網(wǎng)絡(luò)帶寬資源，提升監(jiān)控效率和實(shí)時(shí)性，避免了多種不同查詢命令和流程的使用，降低監(jiān)控復(fù)雜性，及時(shí)發(fā)現(xiàn)健康狀態(tài)異常的部件，實(shí)現(xiàn)了對(duì)故障的快速定位，減少故障響應(yīng)延遲，提升系統(tǒng)的穩(wěn)定性。

技術(shù)特征：

1.一種部件的監(jiān)控方法，其特征在于，應(yīng)用于數(shù)據(jù)處理單元卡，所述數(shù)據(jù)處理單元卡包括n個(gè)部件，n≥2且為正整數(shù)，所述方法包括：

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述方法還包括：

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述二進(jìn)制字符串的長(zhǎng)度為n+1比特位；其中，所述二進(jìn)制字符串中前n個(gè)比特位用于存儲(chǔ)n個(gè)所述二進(jìn)制數(shù)；第n+1個(gè)比特位為預(yù)留比特位。

4.一種部件的監(jiān)控方法，其特征在于，應(yīng)用于主機(jī)側(cè)的基板管理控制器，所述方法包括：

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，在所述接收所述數(shù)據(jù)處理單元卡發(fā)送的所述二進(jìn)制字符串之前，所述方法還包括：

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述方法還包括：

7.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述二進(jìn)制字符串的長(zhǎng)度為n+1比特位；所述二進(jìn)制字符串中前n個(gè)比特位用于存儲(chǔ)所述n個(gè)二進(jìn)制數(shù)；第n+1個(gè)比特位為預(yù)留比特位；所述方法還包括：

8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述n個(gè)二進(jìn)制數(shù)對(duì)應(yīng)n個(gè)比特位標(biāo)識(shí)；所述逐個(gè)解析每個(gè)所述二進(jìn)制數(shù)，確定每個(gè)所述部件的所述健康狀態(tài)，包括：

9.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述故障信息包括所述目標(biāo)部件的故障等級(jí)；所述在所述當(dāng)前性能指標(biāo)值大于預(yù)設(shè)閾值時(shí)，根據(jù)所述當(dāng)前性能指標(biāo)值，確定所述目標(biāo)部件的故障信息，包括：

10.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述方法還包括：

11.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述方法還包括：

12.根據(jù)權(quán)利要求6所述的方法，其特征在于，所述方法還包括：

13.一種電子設(shè)備，其特征在于，包括：

14.一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中存儲(chǔ)有計(jì)算機(jī)程序，其中，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至12任一項(xiàng)所述部件的監(jiān)控方法的步驟。

15.一種計(jì)算機(jī)程序產(chǎn)品，包括計(jì)算機(jī)程序，其特征在于，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如權(quán)利要求1至12任一項(xiàng)所述部件的監(jiān)控方法的步驟。

技術(shù)總結(jié)
本申請(qǐng)公開了一種部件的監(jiān)控方法、電子設(shè)備、存儲(chǔ)介質(zhì)及產(chǎn)品，涉及服務(wù)器技術(shù)領(lǐng)域，應(yīng)用于數(shù)據(jù)處理單元卡，數(shù)據(jù)處理單元卡包括N個(gè)部件，N≥2且為正整數(shù)，該方法包括：獲取N個(gè)部件中每個(gè)部件的健康狀態(tài)；基于每個(gè)部件的健康狀態(tài)生成每個(gè)部件對(duì)應(yīng)的二進(jìn)制數(shù)，得到N個(gè)二進(jìn)制數(shù)，每個(gè)二進(jìn)制數(shù)為第一數(shù)值或第二數(shù)值，第一數(shù)值用于指示每個(gè)部件的健康狀態(tài)為健康，第二數(shù)值用于指示每個(gè)部件的健康狀態(tài)為異常；按照預(yù)設(shè)規(guī)則將N個(gè)二進(jìn)制數(shù)組成一個(gè)二進(jìn)制字符串；當(dāng)接收到主機(jī)側(cè)的基板管理控制器發(fā)送的監(jiān)控請(qǐng)求時(shí)，將二進(jìn)制字符串發(fā)送給基板管理控制器。本申請(qǐng)無(wú)需頻繁發(fā)送多個(gè)查詢命令監(jiān)控部件，避免占用大量的系統(tǒng)資源和網(wǎng)絡(luò)帶寬。

技術(shù)研發(fā)人員：付德政,袁傳博,王勝濤,韓凱
受保護(hù)的技術(shù)使用者：蘇州元腦智能科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/6/30