pRAS技术.docVIP

IBM eServer p5服务器RAS技术 服务器的可靠性、可用性、服务性，即RAS已成为衡量服务器“含金量”的重要因素之一，也是用户进行服务器选择、确保在其上运行的关键应用能连续稳定可靠的标准。 IBM在几十年服务器研究开发中积累了丰富的经验，形成了一整套服务器RAS设计的思想体系。其设计体系贯穿了整个服务器，并对重要部件进行全方位多层次的保护，确保整个服务器拥有行业领先的RAS。 RAS 设计体系 IBM eServer的设计者一直致力于把具有自我配置、自我愈合、自我优化、自我保护的服务器奉献给客户，无论是p系列，还是z、i和x系列。eServer p5服务器不仅承袭了前代p系列服务器的高可靠性、高可用性、高服务性，而且还将此优势发挥得淋漓尽致。 那么，基于怎样的设计理念才可设计出高可靠性、高可用性、高服务性(RAS)的服务器，也就是为关键应用设计的服务器。我们可参考RAS的设计体系，此体系架构的设计目的非常明确，主要如下：（如图） 呈现优秀的工程设计，尽可能避免发生问题； 一旦发生问题，可修正或重现错误； 诊断问题原因，需要的话，重配系统； 自动修复，或自动报警要求服务 高可靠性是基石 所谓高可靠性，就是将机器的不正常所可能带来的不良影响最小化，要实现这目标，必须： 机器部件最少化，内部连接最少化，最大限度减少出错几率； 使用更高级、更可靠的部件； 良好的系统包装也对系统高可靠性产生至关重要的影响。 除此之外，部件的管理机制同样对机器的高可靠性功不可没。 发现错误和错误隔离 p5 服务器有三个重要的部件能够发现、报告以及管理系统的硬件错误，它们分别是：服务处理器（Service Processor）、超级系统管理程序（POWER Hypervisor）和硬件控制中心（Hardware Management Console）。 服务处理器（Service Processor） 服务处理器，它是一独立的处理器，负责系统的初始化和问题诊断，系统环境和错误事件的监控，以及对整个系统关键资源的维护支持。实时 (First Failure Data Capture)，是确定和诊断错误的关键，也是目前IBM独有的技术。中关键部分都设有错误检查点，整个系统中大约15,000个错误检查点，它们负责实时对资源进行监控，当错误发生时，能够准确反映出当时的机器状态，并准确定位出初始的错误根源，提高了系统的。 实现内存的高可用性 p系列采用多层次的内存保护策略：（如图） Chipkill ECC内存，采用类似磁盘的RAID技术，允许当一条内存芯片整个出现问题时，数据也不会丢失，保证交易系统继续进行。 当内存操作空闲时，对于内存中出现的软性错误，可以利用ECC逻辑动态的给予校正。 内存位的动态迁移，当内存芯片中某位错误次数累计达到域值时，会将此位动态移到内存模块的附加位上，保证应用继续内存操作，杜绝了因内存错误造成的停机。 因此，pSeries的内存高可靠性是多方位的： Hardware memory scrubbing ECC Chipkill? memory ECC cache or parity with reload Spare L1 and L2 bits Spare L2 L3 directory bits Spare memory chips Dynamic L2 cache deallocation Dynamic L3 cache line delete L3 cache deallocation Memory deallocation Uncorrectable Error Gard I/O系统的高可用性 服务器的I/O系统的设计目的明确，就是高速通道，减少延迟。下图很典型地体现了I/O系统设计的思想。（如图） 每张PCI卡存在两条PCI通道； 通过PCI BUS EEH，可以修正PCI通道的错误； 将强的PCI EEH，可以修正PCI桥的错误 当GX+ 通道卡发生错误时，系统先将之重定位，待适当时候修理； 冗余的I/O抽屉连接，排除连线的单点故障； 其他冗余部件与高可用性的关系 在高端的p5服务器将计划实施双服务处理器以及双系统时钟，衍生了新的高可用性技术，例如动态升级微码、共享处理器卫兵等。 分区环境的高可用性 微分区技术不仅使系统资源的使用更灵活，还带来新的可用性功能： 空闲资源（例如：空闲的CPU，支持系统其他分区CPU重定位）； 分区配置的冗余I/O通道提高系统自我恢复能力； DLPR和HACMP大大提高系统的可用性； 利用双VIO Server，提高该分区的系统的I/O稳定性和性能。 高服务性带来的无穷好处 正如其面的述说，p5的设计已从最根本上保证了系统的服务性，例如服务处理器，硬件主控、错误代码、远程维护等