JP2012178014A - 故障予測・対策方法及びクライアントサーバシステム - Google Patents

Abstract

【課題】装置の情報を収集して劣化の度合いを算出し、劣化の度合いにより早期に故障対策を行って、予測を早回る故障発生による被害を抑えることを可能とする。
【解決手段】保守対象とする装置200にネットワーク500を介して接続された管理サーバ100を有し、管理サーバ100は、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段70を有する。管理手段70は、取得した保守対象とする装置の情報に基づいて、保守対象とする装置の劣化進行度を算出し、算出した劣化進行度が予め定めた進行度となった場合、あるいは、保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する故障対策を実施する。故障対策は、予備の装置210とのミラーリング、予備の装置210への運用切り替えである。
【選択図】図２

Description

本発明は、故障予測・対策方法及びクライアントサーバシステムに係り、特に、情報処理装置等の保守対象とする装置の故障を事前に予測し、故障に対する対策を実施することを可能とした故障予測・対策方法及び該方法を適用したクライアントサーバシステムに関する。

装置の故障を予測する従来技術として、例えば、特許文献１等に記載された技術が知られている。この従来技術は、保守対象の装置に接続された監視端末から定期的に送信されてくる保守対象装置の稼動状況の情報に基づいて、保守対象装置の故障を予測し、故障時期が近いことを検出してユーザーに通知するというものである。

特開２００９−２１７７７０号公報

前述した保守対象装置の故障予測を行う従来技術は、故障時期が近いことをユーザーに知らせるだけのものであるため、ユーザが実際に装置に対する対処を行うまでの間に障害が発生してしまう危険性があるという問題点を有している。また、前述した従来技術は、予測よりも早期に故障が発生した場合の対処について考慮されておらず、このような場合に、データ損失やシステムダウンの危険性ががあるという問題点を有している。

本発明の目的は、前述した従来技術の問題点を解決し、装置の情報を収集して劣化の度合いを算出し、劣化の度合いにより早期に故障対策を行って、予測を早回る故障発生による被害を抑えることを可能とした故障予測・対策方法及びクライアントサーバシステムを提供することにある。

本発明によれば前記目的は、保守対象とする装置の故障を事前に予測し、故障に対する対策を実施する装置の故障予測・対策方法において、前記保守対象とする装置にネットワークを介して接続された管理サーバを有し、前記管理サーバは、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段を有し、前記管理手段は、前記取得した前記保守対象とする装置の情報に基づいて、前記保守対象とする装置の劣化進行度を算出し、算出した劣化進行度が予め定めた進行度となった場合、あるいは、前記保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する故障対策を実施することにより達成される。

本発明によれば、情報処理装置等の保守対象とする装置の故障が発生する危険性が高いと判断すると、その故障を回避するための対処を行ことができるので、装置管理者の手間を削減すると共に、故障の危険性を予測していたにもかかわらず装置を故障させてしまうような事態を避けることができる。

本発明の一実施形態によるクライアントサーバシステムの構成を示すブロック図である。 本発明の実施形態によるクライアントサーバシステムにおけるブレードモジュールと管理サーバとの機能構成を示すブロック図である。 管理サーバがブレードモジュールの劣化を判定し故障を予測を行うために用いる情報を取得する経路を説明する図である。 本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュールの劣化を判定し故障対策を行う処理の例を説明するシーケンスチャート（その１）である。 本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュールの劣化を判定し故障対策を行う処理の例を説明するシーケンスチャート（その２）である。 １次故障対策のための１次劣化判定に使用する情報ついて説明する図である。 ２次故障対策を実施する事象の情報を説明する図である。 本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュールの劣化を判定し故障対策を行う処理の他の例を説明するシーケンスチャート（その１）である。 本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュールの劣化を判定し故障対策を行う処理の他の例を説明するシーケンスチャート（その２）である。

以下、本発明による故障予測・対策方法及びクライアントサーバシステムの実施形態を図面により詳細に説明する。

図１は本発明の一実施形態によるクライアントサーバシステムの構成を示すブロック図である。

図１に示す本発明の実施形態によるクライアントサーバシステムは、複数のブレードモジュール２００を備えるサーバ３００と、管理者が使用する管理端末６００が接続された管理サーバ１００と、ユーザが使用する複数のクライアント端末４００とがイントラネット等のネットワーク５００により接続されて構成されている。複数のブレードモジュール２００のそれぞれは、少なくとも、ＨＤＤ３０、ＲＡＭ４０、ＣＰＵを有する情報処理装置であり、ネットワーク５００を介してクライアント端末４００に接続され、ユーザに対して各種の情報処理サービスを提供する機能を有している。また、管理サーバ１００は、ブレードモジュール２００と同様に、ＨＤＤ、ＲＡＭ、ＣＰＵ等を備えて構成される情報処理装置であり、ブレードモジュール２００からの情報を取得し、ブレードモジュール２００の管理、制御を行う機能を有している。また、クライアント端末４００は、少なくとも、キーボード等の入力装置、表示装置、メモリ、ＣＰＵを備えて構成されるシンクライアントとしての情報処理装置であり、ブレードモジュール２００と接続して、ブレードモジュール２００に各種の情報処理を実行させて実行結果を受け取る機能を有している。

図２は本発明の実施形態によるクライアントサーバシステムにおけるブレードモジュール２００と管理サーバ１００との機能構成を示すブロック図である。本発明の実施形態によるクライアントサーバシステムにおけるブレードモジュールには、監視対象となるブレードモジュールと予備のブレードモジュールとがあり、図２には、１台の監視対象ブレードモジュール２００と１台の予備ブレードモジュール２１０とが示されている。

本発明の実施形態によるクライアントサーバシステムにおけるサーバ３００は、監視対象ブレードモジュール２００を複数台備え、監視対象ブレードモジュール２００の数より少ない数の予備ブレードモジュール２１０を備えている。監視対象ブレードモジュール２００は、外部からアクセスされることによりパーソナルコンピューターとして使用される情報処理装置であり、複数のブレードモジュールを使用したサーバを運用するに当り通常使用される装置である。また、予備のブレードモジュール２１０は、外部からアクセスされることによりパーソナルコンピューターとして使用可能な情報処理装置であり、複数のブレードモジュール使用したシステムに本発明による故障予測・対策方法を適用して運用するに当り監視対象ブレードモジュール２００の故障対策時に使用される装置である。

前述の監視対象ブレードモジュール２００及び予備ブレードモジュール２１０は、図２に示すように、同一の機能構成を有している。すなわち、これらのモジュールのそれぞれは、Agent １０，１１、ＯＳ２０，２１、ＨＤＤ（またはＳＳＤ）３０，３１、ＥＣＣ付きＲＡＭ４０，４１を有するモジュール本体部４５，４６と、監視制御装置ＢＭＣ５０，５１と、通信装置ＮＩＣ６０，６１とを備えて構成されている。また、管理サーバ１００は、Manager ７０を有する制御部７５と、通信装置ＮＩＣ６０とを備えて構成されている。これらのブレードモジュー２００、２１０、管理サーバ７０は、例えば、プログラム制御により動作し、イントラネット等のネットワーク５００を介して相互に接続されている。

管理サーバ１００は、ブレードモジュール２００、２１０を管理するための情報処理装置であり、インストールされているManager ７０を使用することにより、管理下のブレードモジュール２００、２１０の情報の取得・管理、管理下のブレードモジュール２００、２１０の制御を行うことが可能である。Manager ７０は、ブレードモジュール２００、２１０の管理を行うソフトウェアであり、ブレードモジュール２００、２１０のＢＭＣ５０、５１と通信を行うことによるブレードモジュールの電源制御機能、Agent １０、１１にブレードモジュール２００、２１０の各種情報を要求する機能、ブレードモジュール２００、２１０の情報を記録・管理する機能を備えている。

ブレードモジュール２００、２１０のAgent １０、１１は、管理サーバ１００のManager ７０とブレードモジュール２００、２１０との間での情報の授受を補助するソフトウェアであり、ブレードモジュール２００、２１０にインストールして使用される。そして、Agent １０、１１は、ブレードモジュール２００、２１０の電源状態遷移をManager ７０へ通知する機能、Manager ７０からの要求によりブレードモジュール２００、２１０の情報を取得し、Manager ７０へ送信する機能を備えている。

ＨＤＤ（ＳＳＤ）３０、３１は、ブレードモジュール２００、２１０に内蔵されている補助記憶装置であり、自己診断情報である、S.M.A.R.T.情報を有している。また、ＥＣＣ付きＲＡＭ４０、４１は、ブレードモジュール２００、２１０に内蔵されている主記憶装置であり、６４ビットの内１ビットのエラーを検出・訂正することができ、６４ビットの内の２ビットのエラーを検出することができる機能を備えている。そして、ＥＣＣ付きＲＡＭ４０、４１は、エラーの検出時に、その情報をＥＣＣエラーログとしてＯＳ２０、２１に伝達する。

ＮＩＣ６０、６１、６２は、ネットワーク５００を介して情報処理装置相互間での通信を制御する装置であり、ＢＭＣ５０、５１を有するブレードモジュール２００、２１０におけるＮＩＣ６０、６１は、ブレードモジュール本体４５、４６とＢＭＣ５０、５１とのそれぞれと、管理サーバ４００及び外部の情報処理装置であるクライアント端末４００等との間の通信の制御を行う。

ＢＭＣ５０、５１は、ブレードモジュール２００、２１０に内蔵された監視・制御装置であり、ブレードモジュール２００、２１０内においてＢＭＣ５０、５１のみが独立した電源で稼働し、ブレードモジュール２００、２１０の電源制御機能、ブレードモジュール２００、２１０の基板の電圧値や温度値を取得する機能を備えている。また、ＢＭＣ５０、５１は、ＩＰＭＩコマンドを用いることにより、外部の情報処理装置からネットワーク５００を介した指示により、自ブレードモジュール２００、２１０の電源制御や情報取得を行う機能をも備えている。ブレードモジュール２００、２１０のＯＳ２０、２１は、ＩＰアドレスと呼ばれるネットワーク５００における情報処理装置の識別子を有しているが、ＢＭＣ５０、５１は、ブレードモジュール２００、２１０のＯＳ２０、２１のものとは異なる独自のＩＰアドレスを有している。

図３は管理サーバ１００がブレードモジュール２００の劣化を判定し故障を予測を行うために用いる情報を取得する経路を説明する図である。

管理サーバ１００は、監視対象ブレードモジュール２００の故障予測を行うに当たり、監視対象ブレードモジュール２００の（１）ＨＤＤ（ＳＳＤ）３０のＳ．Ｍ．Ａ．Ｒ．Ｔ．情報、（２）ＥＣＣ付きＲＡＭ４０のＥＣＣエラーログ、（３）ハードウェアモニターログ、（４）自管理サーバ１００のManager ７０が行ったブレードモジュール２００の強制電源ＯＦＦ・強制リセットの累計実行回数、（５）基板の電圧・温度、（６）累計起動時間を使用する。

そして、管理サーバ１００は、（１）ＨＤＤ（ＳＳＤ）３０のＳ．Ｍ．Ａ．Ｒ．Ｔ．情報、（２）ＥＣＣ付きＲＡＭ４０のＥＣＣエラーログ、（３）ハードウェアモニターログの各情報を、Manager ７０からAgent １０への通信を行い、Agent １０を経由して取得し、（５）基板の電圧・温度、（６）累計起動時間の各情報を、Manager ７０からＢＭＣ５０への通信を行ってＢＭＣ５０から取得する。また、（４）自管理サーバ１００のManager ７０が行ったブレードモジュール２００の強制電源ＯＦＦ・強制リセットの累計実行回数については、Manager ７０自身が行ったものであるのでManager ７０自身で記録する。

図４、図５は本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュール２００の劣化を判定し故障対策を行う処理の例を説明するシーケンスチャート、図６は１次故障対策のための１次劣化判定に使用する情報ついて説明する図、図７は２次故障対策を実施する事象の情報を説明する図であり、次に、これらについて説明する。ここで説明する図４、図５に示すシーケンスの処理は、通常運用時から２段階の故障対策を行う処理の例であり、一連の処理であるので、図４、図５が連続したものであるとして説明する。

（１）いま、ユーザは、クライアント端末４００をサーバ３００のブレードモジュールの１つに接続して、そのブレードモジュールを使用しているものとする。この場合、使用中のブレードモジュールが監視対象ブレードモジュール２００となり、また、予備ブレードモジュール２１０は、その電源がＯＦＦとされている（シーケンスＡ１、Ａ２）。

（２）前述の状態で、管理サーバ１００のManager ７０は、監視対象ブレードモジュール２００に対して、一定時間周期毎に図３を参照して前述で説明した各情報の送信を要求してそれらの情報を取得し、それらの情報に基づいて監視対象ブレードモジュール２００の１次劣化判定を行う（シーケンスＡ３〜Ａ６）。

シーケンスＡ６の１次劣化判定を行う処理では、管理サーバ１００のManager ７０が図６に示す情報を使用するので、ここで図６に示す情報について説明する。

管理サーバ１００のManager ７０は、監視対象ブレードモジュール２００から図６のブレードモジュールの情報として示している欄の情報と、値として示している欄のその情報の値とを取得する。そして、Manager ７０は、自身が保持している閾値として示している欄のその情報の閾値と、取得したその情報の値とを比較し、比較の結果により、劣化度判定に使用するその情報に対するの変数として示している欄の変数を、“０”とするか“１”とするかを決定している。

管理サーバ１００のManager ７０が、監視対象ブレードモジュール２００から取得するブレードモジュールの情報、自身で保持している情報の例としては、図６に示すように、
S.M.A.R.T.情報に含まれる５．代替処理済不良セクタ数、値Ｖs5、閾値Ｔs5、
S.M.A.R.T.情報に含まれる７．磁気ヘッドシークエラー率、値Ｖs7、閾値Ｔs7、
S.M.A.R.T.情報に含まれる１２．電源ＯＮ／ＯＦＦ回数、値Ｖs12、閾値Ｔs12、
S.M.A.R.T.情報に含まれる１９３．ロード／アンロード回数、値Ｖs193、閾値Ｔs193、
S.M.A.R.T.情報に含まれる１９６．セクタ代替処理発生回数、値Ｖs196、閾値Ｔs196、
S.M.A.R.T.情報に含まれる１９７．代替処理待ちセクタ数、値Ｖs197、閾値Ｔs197、
S.M.A.R.T.情報に含まれる１９８．回復不可能なセクタ数、値Ｖs198、閾値Ｔs198、
強制電源ＯＦＦ・強制リセットの累計実行回数、値Ｖp 、閾値Ｔp 、
１ビットＥＣＣエラーログの個数、値Ｖe1、閾値Ｔe1、
基板の電圧、値Ｖv 、閾値ＴvL（最低電圧閾値）、ＴvH（最大電圧閾値）、
基板の温度、値Ｖt 、閾値Ｔt 、
累計起動時間、値Ｖa 、閾値Ｔa
がある。

管理サーバ１００のManager ７０は、前述した各情報の値と、閾値とを比較し、Ｆ＝０となる条件の欄、Ｆ＝１となる条件の欄に示す条件式に従ってＦの値０または１を各情報の変数として示している欄の変数の値として決定する。変数として示している欄の各情報の変数は、Ｆは、Ｆs5、Ｆs7、Ｆs12、Ｆs193、Ｆs196、Ｆs197、Ｆs198、Ｆp 、Ｆe1、
Ｆv 、Ｆt 、Ｆa であり、これらは管理サーバ１００のManager ７０により値０または１に決定される。

そして、管理サーバ１００のManager ７０は、シーケンスＡ６の判定の処理で各情報の重要度によって各変数Ｆ毎に予め定めた重みＷ＝Ｗs5、Ｗs7、Ｗs12、Ｗs193、Ｗs196、Ｗs197、Ｗs198、Ｗp 、Ｗe1、Ｗv 、Ｗt 、Ｗa （０＜Ｗ≦１）を乗じ、得られた値を総和して劣化進行度Ｅを、式（１）により算出し、Ｅが１次劣化判定値ＴE1を超えたか否かにより、後述の１次故障対策を行うべかき否かを判定している。

Ｅ＝Σ（Ｆ・Ｗ） ……（１）
（３）管理サーバ１００のManager ７０は、シーケンスＡ６の判定で、劣化進行度Ｅが１次劣化判定値ＴE1を超えておらず、１次故障対策を行わないと判定した場合、シーケンスＡ３からの処理に戻り、監視対象ブレードモジュール２００からの情報を要求する処理からの動作を繰り返し、劣化進行度Ｅが前記１次劣化判定値ＴE1を超えて１次劣化判定条件を満たしたとき、１次故障対策を行うために待機状態に遷移する（シーケンスＡ８）。

（４）管理サーバ１００のManager ７０は、ユーザが使用中の監視対象ブレードモジュール２００の使用が終了し、前述の１次故障対策待機状態で監視対象ブレードモジュール２００のAgent１０から監視対象ブレードモジュール２００の電源ＯＦＦ通知を受信すると、受信した電源ＯＦＦ通知が再起動等によるものでないことを判断するため、一定時間待機を続け、もし、待機中に監視対象ブレードモジュール２００からの電源ＯＮ通知を受信した場合、何もせず、再び電源ＯＦＦ通知を受信するまで１次故障対策待機状態を続ける。また、Manager ７０は、待機中に電源ＯＮ通知を受信しなければ、１次故障対策として、監視対象ブレードモジュール２００と予備ブレードモジュール２１０とのミラー化を開始する（シーケンスＡ７、Ａ９〜Ａ１１）。

（５）Manager ７０は、監視対象ブレードモジュール２００と予備ブレードモジュール２１０のそれぞれのＢＭＣ５０、５１と通信を行い、ＩＰＭＩによる電源ＯＮ命令を発して、監視対象ブレードモジュール２００と予備ブレードモジュール２１０の電源ＯＮ操作を行う（シーケンスＡ１２〜Ａ１４）。

（６）その後、Manager ７０は、両ブレードモジュールのAgentからブレードモジュールの電源ＯＮ通知を受信すると、ミラー化を開始するためにデータ複製命令を両ブレードモジュール２００、２１０に送信する（シーケンスＡ１５〜Ａ１７）。

（７）ミラー化開始のためのデータ複製命令を受け取った監視対象ブレードモジュール２００は、自モジュール２００内のＨＤＤ（ＳＳＤ）３０のシステム領域以外の領域のデータを予備ブレードモジュール２１０のＨＤＤ（ＳＳＤ）３１へ複製する。複製開始時、監視対象ブレードモジュール２００のAgent １０は、Manager ７０へ複製の開始を通知する（シーケンスＡ１８、Ａ１９）。

（８）システム領域以外の領域のデータの複製が完了すると、予備ブレードモジュール２１０のAgent １１は、監視対象ブレードモジュール２００のAgent １０へ複製の完了を通知する（シーケンスＡ２０）。

（９）データ複製の完了通知の送受信後、両ブレードモジュール２００、２１０は、再起動を開始し、電源ＯＦＦをManager ７０に通知し、一旦、電源をＯＦＦした後、電源をＯＮとする（シーケンスＡ２１〜Ａ２６）。

（10）監視対象ブレードモジュール２００は、自モジュールのＯＳ２０、予備ブレードモジュール２１０のＯＳ２１の起動前に、システム領域のデータを予備ブレードモジュール２１０に複製し、以後、監視対象ブレード２００のＨＤＤ（ＳＳＤ）３０へのデータの書き込みが予備ブレード２１０においても全く同一の内容で行われるようにミラー設定を行う（シーケンスＡ２７、Ａ２８）。

（11）前述までの処理が完了すると、予備ブレードモジュール２１０のAgent １１は、監視対象ブレードモジュール２００のAgent １０へ処理の完了を通知しＯＳを起動してミラー化処理を完了する（シーケンスＡ２９）。

（12）両ブレードモジュール２００、２１０は、電源ＯＮをManager ７０に通知し、これ以降、両ブレードモジュール２００、２１０のＨＤＤ（ＳＳＤ）３０、３１のデータが常に同一の内容となるミラーリングを開始し、ミラーリング状態で動作する（シーケンスＡ３０〜Ａ３２、Ａ３４）。

（13）前述までの処理で１次故障対策の処理が済んだことになり、管理サーバ１００のManager ７０は、１次故障対策が済んだ監視対象ブレードモジュール２００に対し、引き続き一定周期で前記各情報の取得を行い取得した情報を基にした２次劣化判定を行う。この２次劣化判定の処理は、前述で説明した劣化進行度Ｅの値が２次劣化判定値ＴE2（ＴE2＞ＴE1）以上となったとき、または、図７に示す事象が発生した場合に、Manager ７０が後述の２次故障対策を行うと決定する判定処理である（シーケンスＡ３３、Ａ３５〜Ａ３７）。

シーケンスＡ３７の２次劣化判定を行う処理では、管理サーバ１００のManager ７０が図７に示す事象の情報を使用するので、ここで図７に示す事象の情報について説明する。

管理サーバ１００のManager ７０は、監視対象ブレードモジュール２００から取得した情報として示す欄の情報及びその情報の内容を示す欄の内容とにより定義される事象が生じたとき、２次劣化が生じていると判定して、２次故障対策を行うと決定する。

その事象は、図７に示しているように、
１．ＥＣＣエラーの情報が、２ビットＥＣＣエラーの検出時、
２．S.M.A.R.T.情報に含まれる１．読み込みエラー率の情報が、既定の閾値を超過している時（S.M.A.R.T.エラーログの発生時）、
３．S.M.A.R.T.情報に含まれる２．ハードディスクの処理能力の情報が、既定の閾値を超過している時（S.M.A.R.T.エラーログの発生時）、
４．S.M.A.R.T.情報に含まれる３．スピンアップタイムの情報が、既定の閾値を超過している時（S.M.A.R.T.エラーログの発生時）、
５．S.M.A.R.T.情報に含まれる５．代替処理済不良セクタ数の情報が、過去数回の情報取得に渡る値の増加時、
６．S.M.A.R.T.情報に含まれる１９６．セクタ代替処理発生回数の情報が、過去数回の情報取得に渡る値の増加時、
７．S.M.A.R.T.情報に含まれる１９８．回復不可能セクタ数の情報が、過去数回の情報取得に渡る値の増加時
である。

（14）管理サーバ１００のManager ７０は、シーケンスＡ３７の判定で、劣化進行度Ｅが２次劣化判定値ＴE2を超えておらず、また、図７に示して説明した事象も発生しておらず、２次故障対策を行わないと判定した場合、シーケンスＡ３３からの処理に戻り、監視対象ブレードモジュール２００からの情報を要求する処理からの動作を繰り返し、劣化進行度Ｅが前記２次劣化判定値ＴE2を超えて２次劣化判定条件を満たしたとき、または、図７に示して説明した事象の少なくとも１つが発生していた場合、２次故障対策を行うために待機状態に遷移する（シーケンスＡ３９）。

（15）管理サーバ１００のManager ７０は、ユーザが使用中の監視対象ブレードモジュール２００の使用が終了し、前述の１次故障対策待機状態で監視対象ブレードモジュール２００のAgent１０から監視対象ブレードモジュール２００の電源ＯＦＦ通知を受信すると、受信した電源ＯＦＦ通知が再起動等によるものでないことを判断するため、一定時間待機を続け、もし、待機中に監視対象ブレードモジュール２００からの電源ＯＮ通知を受信した場合、何もせず、再び電源ＯＦＦ通知を受信するまで１次故障対策待機状態を続ける。また、Manager ７０は、待機中に電源ＯＮ通知を受信しなければ、２次故障対策として、監視対象ブレードモジュール２００を予備ブレードモジュール２１０に切り替える処理を開始する。この切り替えの処理は、監視対象ブレードモジュール２００と予備ブレードモジュール２１と０のコンピューター名とＩＰアドレスとを変更することにより、運用するブレードモジュールを予備ブレードモジュール２１０に切り替え、それまで予備ブレードモジュール２１０であったブレードモジュールを監視対象ブレードモジュール２００として保守対応ができるようにする処理である（シーケンスＡ３８、Ａ４０〜Ａ４２）。

（16）Manager ７０は、切り替え処理の開始前に、まず、監視対象ブレードモジュール２００のＢＭＣ５０と通信を行い、ＩＰＭＩによる電源ＯＮ命令を発して、監視対象ブレードモジュール２００の電源ＯＮ操作を行う（シーケンスＡ４３〜Ａ４４）。

（17）その後、Manager ７０は、監視対象ブレードモジュール２００のAgent１０からブレードモジュールの電源ＯＮ通知を受信すると、ミラーリング解除の命令を両ブレードモジュール２００、２１０に送信し、両ブレードモジュール２００、２１０にミラーリングを終了させる（シーケンスＡ４５、Ａ４６、Ａ４８、Ａ４９）。

（18）そして、管理サーバ１００のManager ７０は、両ブレードモジュール２００、２１０のコンピューター名、及び、ＯＳとＢＭＣとのＩＰアドレスを書き換えるバッチファイルを生成し、両ブレードモジュール２００、２１０に時間差を設けて送信する。この送信は、ブレードモジュール２００への送信が早く行われる。生成したバッチファイルに記述される処理の内容は、自身のコンピューター名を変更し、自身のＯＳのＩＰアドレスを書き換え、自身のＢＭＣのＩＰアドレスを書き換え、ＢＭＣのリセットを行うというものである（シーケンスＡ４７、Ａ５０）。

（19）管理サーバ１００のManager ７０からバッチファイルを受け取った監視対象ブレードモジュール２００のAgent １０は、ファイルに記述された内容に従って、監視対象ブレードモジュール２００のコンピューター名をダミーのコンピューター名に変更し、ＯＳ２０とＢＭＣ５０とのＩＰアドレスをダミーのＩＰアドレスに変更する処理を行い、ＢＭＣ５０をリセットする。なお、ダミーのコンピューター名とダミーのＩＰアドレスとは、システム内に存在する予備ブレードの台数以上の個数を予め確保しておき、その１つを用いる（シーケンスＡ５１〜Ａ５４）。

（20）管理サーバ１００のManager ７０からブレードモジュール２００より少し遅くバッチファイルを受け取った予備ブレードモジュール２１０のAgent１１は、ファイルに記述された内容に従って、予備ブレードモジュール２１０のコンピューター名を監視対象ブレード２００の元のコンピューター名に変更し、ＯＳ２１とＢＭＣ５１とのＩＰアドレスを監視対象ブレードモジュール２００に当てられていた元のＩＰアドレスに変更する処理を行い、ＢＭＣ５１をリセットする（シーケンスＡ５５〜Ａ５８）。

（21）その後、監視対象ブレードモジュールとなった予備ブレードモジュール２１０は、コンピューター名とＩＰアドレスとの変更が完了ことを管理サーバ１００のManager ７０に通知する（シーケンスＡ５９）。

（22）予備ブレードモジュール２１０からコンピューター名とＩＰアドレスとの変更が完了したことの通知を受け取った管理サーバ１００のManager ７０は、今まで監視対象ブレードモジュールであったブレードモジュール２００のＢＭＣ５０と通信を行い、ＩＰＭＩにより、ＢＭＣ５０に電源ＯＦＦ操作を行うように指示し、ブレードモジュール２００のＢＭＣ５０にブレードモジュール２００の電源をＯＦＦさせてここでの処理を終了する（シーケンスＡ６０〜Ａ６２）。

以上説明した処理により、ブレードモジュールの故障予測・切り換えの処理が完了することになる。

図８、図９は本発明の実施形態によるクライアントサーバシステムにおいて、監視対象ブレードモジュール２００の劣化を判定し故障対策を行う処理の他の例を説明するシーケンスチャートであり、次に、これについて説明する。ここで説明する図８、図９に示すシーケンスの処理は、通常運用時からの故障対策を１回だけ行う処理の例であり、一連の処理であるので、図８、図９が連続したものであるとして説明する。なお、図８、図９により説明する処理の他の例は、劣化判定条件として、図４、図５により説明した例における２次劣化判定条件と同一の条件、すなわち、劣化進行度Ｅの値が２次劣化判定値ＴE2以上となったとき、または、図７に示す事象が発生した場合であるとする。

図８、図９に示すシーケンスにおいて、ブレードモジュールの監視から故障対策開始までのシーケンスＢ１〜Ｂ１１での処理動作は、図４、図５により説明した例におけるシーケンスＡ１〜Ａ１１での処理動作と同様である。

その後の、具体的な故障対策の内容としては、まず、監視対象ブレードモジュール２００のデータの予備ブレードモジュール２１０への複製を行う（シーケンスＢ１２〜Ｂ３０）。この処理は、図４、図５により説明した例の１次故障対策におけるシーケンスＡ１２〜Ａ２７、Ａ２９〜Ａ３１の処理でのデータ複製の処理と同様の動作である。

そして、図８、図９に示すシーケンスの処理では、データの複製後、ミラーリングではなく、運用するブレードモジュールの切り替えを行う（シーケンスＢ３１〜Ｂ４１）。この処理は、図４、図５により説明したシーケンスＡ４７、Ａ５０〜Ａ５９の処理における２次故障対策としてのブレードモジュールの切り替え処理と同様の動作である。

以上説明した処理により、ブレードモジュールの故障予測・切り換えの処理が完了することになる。

図８、図９により説明した処理の他の例は、劣化判定条件として、図４、図５により説明した例における２次劣化判定条件と同一の条件、すなわち、劣化進行度Ｅの値が２次劣化判定値ＴE2以上となったとき、または、図７に示す事象が発生した場合であるとしたが、劣化進行度Ｅの値がＴE3（ＴE2＞ＴE3＞ＴE1）以上である場合としてもよく、また、図７に示す事象が図７に示す例とは異なるものであってもよいし、劣化進行度Ｅの値がＴE3以上である場合だけとしてもよい。

前述した本発明の実施形態によれば、情報処理装置等の保守対象とする装置の故障が発生する危険性が高いと判断すると、その故障を回避するための対処を行ことができるので、装置管理者の手間を削減すると共に、故障の危険性を予測していたにもかかわらずブレードモジュールを故障させてしまうような事態を避けることができる。

また、本発明の実施形態によれば、故障が発生する危険性があると判断した装置に対してのみミラー化を行うこととしているので、通常の冗長構成と比べ必要な装置数を少なくすることができ、設置スペース・管理の手間・ＴＣＯ等を削減することができる。

また、本発明の実施形態によれば、通常の故障予測では、予測した故障日時よりも早く実際の故障が発生する場合が考えられるが、故障対策としてのミラーリングを早期に行うことができるため、予測を早回る故障発生による被害を抑えることができる。

通常の故障予測では、装置の交換などの対策を早期に行う場合、実際に装置の故障が発生する危険性が低く安全であるが、装置の保守作業を行う頻度が上がり、費用が増大し、一方、装置の交換などの対策を遅めに行う場合、装置の保守作業を行う頻度が下がるが、予測故障日時よりも先に装置の故障が発生する危険性が高くなる。本発明の実施形態によれば、２段階の故障対策を行い、第１段階としてやや早期にミラー化を行い、第２段階の故障対策として装置の交換を行うこととしているので、これら２つの懸念を解消することができる。

前述した本発明の実施形態での各処理は、プログラムにより構成し、本発明が備えるＣＰＵに実行させることができ、また、それらのプログラムは、ＦＤ、ＣＤＲＯＭ、ＤＶＤ等の記録媒体に格納して提供することができ、また、ネットワークを介してディジタル情報により提供することができる。

１０、１１ Agent
２０、２１ ＯＳ
３０、３１ ＨＤＤ（ＳＳＤ）
４０、４１ ＥＣＣ付きＲＡＭ
４５、４６ モジュール本体部
５０、５１ ＢＭＣ
６０〜６２ ＮＩＣ
７０ Manager
７５ 制御部
１００ 管理サーバ
２００、２１０ ブレードモジュール
３００ サーバ
４００ クライアント端末
５００ ネットワーク
６００ 管理者用端末

Claims (8)

1. 保守対象とする装置の故障を事前に予測し、故障に対する対策を実施する装置の故障予測・対策方法において、
   前記保守対象とする装置にネットワークを介して接続された管理サーバを有し、
   前記管理サーバは、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段を有し、
   前記管理手段は、前記取得した前記保守対象とする装置の情報に基づいて、前記保守対象とする装置の劣化進行度を算出し、算出した劣化進行度が予め定めた進行度となった場合、あるいは、前記保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する故障対策を実施することを特徴とする故障予測・対策方法。
2. 前記保守対象とする装置に対する故障対策は、前記保守対象とする装置を、保守対象とする装置とは別の予備の装置へ切り替えて運用する対策であることを特徴とする請求項１記載の故障予測・対策方法。
3. 前記管理手段が前記保守対象とする装置から収集する情報は、装置のＳ．Ｍ．Ａ．Ｒ．Ｔ．情報、ハードウェアモニターログ、ＥＣＣ付きＲＡＭのＥＣＣエラーログ、基板の電圧値・温度値、ブレードモジュールに対して行った強制電源ＯＦＦ・強制リセットの累計回数を含む情報であることを特徴とする請求項１または２記載の故障予測・対策方法。
4. 保守対象とする装置の故障を事前に予測し、故障に対する対策を実施する装置の故障予測・対策方法において、
   前記保守対象とする装置にネットワークを介して接続された管理サーバを有し、
   前記管理サーバは、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段を有し、
   前記管理手段は、前記取得した前記保守対象とする装置の情報に基づいて、前記保守対象とする装置の劣化進行度を算出し、算出した劣化進行度が予め定めた第１の進行度となった場合、あるいは、前記保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する第１の故障対策を実施し、その後、算出した劣化進行度が予め定めた第２の進行度となった場合、前記保守対象とする装置に対する第２の故障対策を実施することを特徴とする故障予測・対策方法。
5. 前記保守対象とする装置に対する第１の故障対策は、前記保守対象とする装置と保守対象とする装置とは別の予備の装置とをミラーリングして運用する対策であり、前記保守対象とする装置に対する第２の故障対策は、前記保守対象とする装置を、保守対象とする装置とは別の予備の装置へ切り替えて運用する対策であることを特徴とする請求項４記載の故障予測・対策方法。
6. 前記管理手段が前記保守対象とする装置から収集する情報は、装置のＳ．Ｍ．Ａ．Ｒ．Ｔ．情報、ハードウェアモニターログ、ＥＣＣ付きＲＡＭのＥＣＣエラーログ、基板の電圧値・温度値、ブレードモジュールに対して行った強制電源ＯＦＦ・強制リセットの累計回数を含む情報であることを特徴とする請求項４または５記載の故障予測・対策方法。
7. 保守対象とする装置の故障を事前に予測し、故障に対する対策を実施することが可能なクライアントサーバシステムにおいて、
   前記保守対象とする装置にネットワークを介して接続された管理サーバを有し、
   前記管理サーバは、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段を有し、
   前記管理手段は、前記取得した前記保守対象とする装置の情報に基づいて、前記保守対象とする装置の劣化進行度を算出する手段と、算出した劣化進行度が予め定めた進行度となった場合、あるいは、前記保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する故障対策を実施する手段とを備えることを特徴とするクライアントサーバシステム。
8. 保守対象とする装置の故障を事前に予測し、故障に対する対策を実施することが可能なクライアントサーバシステムにおいて、
   前記保守対象とする装置にネットワークを介して接続された管理サーバを有し、
   前記管理サーバは、前記保守対象とする装置から一定の周期で当該装置の情報を取得して当該装置を管理する管理手段を有し、
   前記管理手段は、前記取得した前記保守対象とする装置の情報に基づいて、前記保守対象とする装置の劣化進行度を算出する手段と、算出した劣化進行度が予め定めた第１の進行度となった場合、あるいは、前記保守対象とする装置から取得した情報が予め定めた事象を示している場合、前記保守対象とする装置に対する第１の故障対策を実施する手段と、その後、算出した劣化進行度が予め定めた第２の進行度となった場合、前記保守対象とする装置に対する第２の故障対策を実施する手段とを備えることを特徴とするクライアントサーバシステム。