服務(wù)器知識：如何檢查服務(wù)器主機的內(nèi)部問題

在一臺容錯服務(wù)器內(nèi)部有超過 500個故障檢測點，隨時都有可能發(fā)出錯誤報警和通知。這些故障中，有處理器、芯片組、內(nèi)存尋址、字節(jié)和電源錯誤，也有內(nèi)部總線協(xié)議、CRC、ECC、系統(tǒng)時鐘、系統(tǒng)服務(wù)和散熱系統(tǒng)錯誤等，對于標準工業(yè)服務(wù)器而言，任何錯誤都可能導(dǎo)致系統(tǒng)癱瘓，更為可怕的是這些錯誤是隨機的，很多屬于臨時性錯誤。如果把系統(tǒng)重新啟動，有些故障就會消失。與故障相比，有些錯誤不容易被察覺，導(dǎo)致錯誤的計算結(jié)果，其危害更大。

工業(yè)標準服務(wù)器所以有如此的問題主要與設(shè)計思想有關(guān)，運行時間不是其主要設(shè)計目標，它只具有有限冗余特征，如電源，需要通過集群來提高可靠性。與之相比，小型機具有更高的可靠性設(shè)計，用于保障系統(tǒng)的可靠運行。小型機在故障點檢測上有很多的保障機制。通常小型機的價格比較高。隨著處理器技術(shù)的發(fā)展，特別是Intel Xeon 7500系列處理器的推出，IA處理器在可靠性性能設(shè)計上與小型機所采用的RISC處理器大幅度接近，但在系統(tǒng)上，標準工業(yè)服務(wù)器還是有些差距。

工業(yè)標準服務(wù)器的優(yōu)勢在于價格，小型機的競爭力在于高可靠性，有沒有辦法魚和熊掌兼得呢?就只有在系統(tǒng)結(jié)構(gòu)上想辦法，雙機、集群和容錯都是不錯的方法。

雙機和集群是通過軟件的方法，通過故障機切換來提升可靠性。與之相比，容錯是采用硬件的方法，以及特有故障處理和保障機制提高系統(tǒng)的可靠性。容錯較之單機具有更高的可靠性，其中，容錯還具有糾正臨時性錯誤的能力，可以確保計算的正確性。

小型機也通過雙機和容錯來進一步提升可靠性，但成本代價更高。隨著IA處理器可靠性性能的改善，采用容錯服務(wù)器提高系統(tǒng)可靠性成為了很多明智用戶的選擇。與雙機相比，容錯服務(wù)器硬件成本高于雙機方案，但考慮軟件因素，容錯服務(wù)器具有相當(dāng)競爭力。在這種情況下，以Stratus的ftServer為代表，容錯服務(wù)器的門檻已經(jīng)大大降低，成為關(guān)鍵業(yè)務(wù)應(yīng)用的理想選擇。