信息處理平臺中資源監控管理的設計與實現

朱曉波，芶冬榮，杜欣軍

(1.中國電子科技集團公司第三十二研究所 通用產品部，上海 201808；2.中國電子科技集團公司第三十二研究所 計算平臺部，上海 201808)

0 引 言

為實現信息處理平臺不間斷工作，并為不同平臺提供統一的監控管理環境，其資源監控管理系統需掌握各資源的使用狀態，并須具有對不同規模信息處理平臺的適應性。信息處理平臺為了實現不間斷的工作，需實時掌握其內部各種軟硬件資源的使用和故障狀態，及時告知操作員，以便進行任務調度、系統修復，盡可能減少資源故障對任務的影響。不同平臺因任務不同，其計算、存儲、顯控等需求各異，有時需多個機箱共同完成信息處理，因此該資源監控管理系統須具有較好的可擴展性。

現有文獻基于已有硬件，針對不同環境下的資源監控管理軟件進行了分析與設計。有的通過動態采樣、分布式集群監控，降低數據監控中心負荷、滿足系統擴展性要求[1,2]；有的針對異構資源監控、訪問入口進行設計，進一步完成性能瓶頸探測、異常或故障探測與報警[3,4]；也有基于內存、CPU和硬盤等資源使用情況，為資源的調度和分配提供決策的[5]；還有通過SNMP協議提高橫向擴展能力的[6,7]；也有基于標準測試集對不受控系統進行資源狀態分析與故障管理的[8,9]。上述文獻都是基于現有硬件，設計軟件實現資源監控的，而無法按需對硬件信息進行采集、對模塊廠家進行追蹤。

本文通過系統架構和底層軟硬件設計，通過溫度、電壓、電流、資源狀態及故障等信息檢測，完成涉及特定供貨商產品的信息采集，并實現了各模塊的熱插拔、遠程加載、上下電等功能，滿足現階段信息處理平臺的資源監控要求，并為基于歷史信息進行故障預測、提高裝備可用性提供支撐。

1 信息處理平臺的構成

信息處理平臺采用開放式系統結構，硬件采用基于OpenVPX的開放式國際標準，軟件采用層次化設計。系統根據不同功能封裝了高內聚、低耦合的模塊，且不同層次/模塊間使用標準化接口，硬件易擴展，軟件可裁剪、可移植。其體系結構如圖1所示。

圖1 信息處理平臺體系結構

其中，硬件基礎設施包含各類計算、顯控、存儲、交換等模塊，為上層軟件運行、功能執行提供支撐；基礎軟件層包含國產操作系統、BSP與驅動，并集成國產數據庫和數字地圖，為上層軟件的運行、存儲、網絡及設備管理、數據存取和場景顯示等提供支撐；應用運行支撐環境包括通信中間件、運算函數庫、構件化管理框架，為應用提供構件/任務間通信與訪問、硬件資源高效調用、應用部署與啟停等功能；應用集成開發環境為平臺上的多種應用開發提供便利。

資源監控與管理，對軟硬件資源的使用及故障狀態進行監控，以便結合任務特點，統一調度與分配資源，提高系統運行效率，并為故障預測提供支撐。

2 資源監控管理關鍵技術分析

資源監控管理是為了讓用戶掌握整個設備的資源使用狀態，并根據該狀態實時調整系統運行策略，以達到保護系統、提高任務執行效率，并記錄各廠商產品的長期工作質量特性的目的，可從以下幾個方面予以分析。

(1)保護系統免于遭受安全性事件

安全性事件主要包括過壓、過流、過溫等，通過對安全性事件的實時監控，可將上述異常事件導致的損失降到最低，從而提高產品質量。

過壓是由于外部供電波動或電源轉換電路老化/損傷，導致供電電路輸出電壓高于正常電壓。大多數集成電路可正常工作的電壓范圍是VCC*(1±5%)， 某些器件可達到±10%；一般超過+10%將導致器件損壞，低于-10%將導致器件不能正常工作。過壓檢測的目的是實時斷開后續電路，以避免所供電器件的損毀，阻止造成更大范圍的損失；同時記錄過壓情況，為后續設備維護保障提供支持，并可長期跟蹤產品，以提高產品質量。

過流是由于電路長期工作導致阻抗變低、部分器件擊穿，以及工藝性缺陷導致短路等因素，使得供電電流大幅上升。電流大幅上升，意味著電路工作不正常，并可導致熱量集聚，從而導致損害范圍擴大。過流檢測的目的是實時斷開供電電源，避免用電電路損毀，并阻止造成更大損失；同時記錄過流情況，為維護保障、提高產品質量提供支持。

過溫是由于熱耗大于散熱能力使得熱量聚集，使系統溫度升高。高溫將導致器件性能下降，并增大設備燒毀的風險。過溫檢測的目的是通過提高風扇轉速，加強散熱能力，降低設備燒毀的風險，并提高設備的可靠性；同時記錄過溫情況，為維護保障、提高產品質量提供支持。

(2)基于資源使用狀態提高任務執行效率

通過掌握任務執行中各種資源的使用情況，提高任務執行及資源使用的效率。資源監控向用戶提供計算、存儲、通信等資源的故障及使用情況，結合新任務對上述資源的需求，實現任務的合理分配，提高系統的任務吞吐率；如多個節點資源占用率都較低，可合并任務到一個或幾個節點，進一步關閉其它節點，從而降低能耗、提高系統可靠性；對于出現故障的資源，提醒用戶謹慎使用或替換新模塊。

(3)記錄各供貨商產品的質量特性

通過記錄設備運行中的過壓、過流、過溫，以及各種資源故障及使用情況，可以分析設備的性能衰變，從而可通過長期記錄分析供貨商產品的質量特性，以便提高產品質量、選擇更優異的產品。

(4)為系統管理提供支持

為正常實現系統功能，還需為人工介入后的系統管理提供支持，包括BIT故障檢測、風扇轉速信息采集與控制、故障報警、上/下電控制與管理、熱插拔支持、復位、看門狗監控和日志管理等。

3 資源監控管理設計

3.1 架構設計

資源監控管理是對信息處理平臺中的軟硬資源進行有效的監控與管理，獲取資源的故障和使用情況，并呈現給用戶、記錄日志，進一步完成資源高效調度與故障預測，為實現系統高性能、高可用提供支持。資源監控管理采用分層架構和監控管理代理方式，實現從處理器到應用的全覆蓋監控管理，其技術架構如圖2所示。

圖2 資源監控管理的技術架構

最底層為監控管理對象，主要包括系統中的機箱(含電源)、計算/顯控/存儲、網絡交換等硬件設備，以及操作系統、數據庫、應用運行支撐環境和應用軟件等軟件資源。硬件設備須為資源監控管理提供必要的底層硬件支持；軟件資源須為資源監控實現提供必要的接口調用。

監控管理器實現整機及各模塊的監控信息采集及管理命令執行，由Agent、模塊監控軟件、機箱監控軟件3部分組成。

監控管理服務基于監控管理器所采集的資源監控信息，為上層提供相應服務，具體包括資源監控、系統管理。

監控管理門戶是資源監控的輔助管理界面，以Web方式向用戶展示監控管理器、監控管理服務為用戶提供的各類信息與服務。

基于上述資源監控情況，結合任務需求，可實現資源管理與任務調度、配置管理、故障預測及應用管理，為實現高可用系統提供支持。

3.2 硬件模塊的資源監控設計

平臺中各模塊采用OpenVPX架構，符合相應結構、散熱等設計要求，其資源監控管理主要是通過模塊級BMC、系統級ShMC予以實現。其中BMC負責模塊級監控管理，接收指令并執行相應操作(收集狀態、實現上/下電、復位等控制)，并向ShMC上報；ShMC負責調度各BMC并收集反饋信息，實現全平臺的狀態監控、故障檢測、系統管理與恢復等。該方案中ShMC，通過交換模塊上的BMC運行ShMC軟件實現。

資源監控硬件設計具有以下特征：①為提高系統可靠性，硬件模塊間通過兩條I2C總線(intelligent platform management BUS，IPMB)互聯，兩條總線互為備份，數據協議符合IPMI(intelligent platform management interface)規范；②為提高系統可靠性，采用雙交換架構，通過主從管理策略確定哪個交換為主控模塊；③根據機箱內溫度及其分布，由主交換模塊控制機箱內各風扇轉速；④為提高資源監控的信息容量和傳輸距離，系統為匯總后信息提供了千兆網傳輸通道，交換ShMC通過板內的千兆網連接千兆交換網絡，以便向上位機、機箱間提供監控信息。

從資源監控角度，結合各模塊主要功能單元來看，硬件可分為電源、計算/存儲/顯控、交換3種模塊，不同種類模塊資源監控設計存在一定差異，下面分別進行說明。

3.2.1 電源模塊

該模塊資源監控主要由各類電源轉換電路、BMC等電路組成，如圖3所示。

圖3 電源模塊資源監控框架

該模塊資源監控主要包括以下功能：

(1)各級電壓、電流信號的采集。采集輸入的電壓、電流、實時感知輸入電壓、系統功率的變化；采集12 V、48 V、3.3 V等輸出電壓，實時獲知內部所使用電壓的變化。

(2)BMC電路。該電路是電源模塊的智能管理單元，具有以下功能：①獲取機箱號、槽位號，為系統定位該模塊；②實時鐘和看門狗電路，用于產生本地時鐘，并支持故障下的模塊重啟；③存儲器，用于存儲模塊名稱/型號/生產日期/序列號、供貨商名稱，以及軟件代碼及版本號、出廠設置等信息，并具備日志功能；④提供對外I2C接口，用于接受外部指令，上報本板監控、故障及報警信息，按需實現各檔電壓上/下電、恢復出廠設置、固件更新等功能；⑤上下電控制，BMC按需輸出上下電控制信號，實現對某一路輸出電壓的上下電。

(3)溫度采集。為準確獲取板卡熱特性，在進風口、出風口、模塊中部放置溫度傳感器，監控板卡基本溫度；為實現對主要芯片(220 V～12 V、220 V～48 V、48 V～3.3 V)的溫度檢測，可通過器件本身的溫度接口或器件附近的傳感器獲取。

(4)復位。電源模塊BMC可接收外部復位信號，復位該模塊BMC電路。

3.2.2 計算/顯控/存儲模塊

該類模塊資源監控主要由CPU/DSP/CPU及外圍電路、BMC電路等組成，如圖4所示。

該類模塊資源監控設計主要包括：

(1)各級電壓電流信號采集、BMC電路和溫度采集。該部分與電源模塊相應部分設計思路基本相同，差異體現在：①輸入電壓、電流采集，主要針對12 V、3.3 V；內部電壓監控主要針對本板CPU/DSP/GPU/存儲體等供電電壓；②主要芯片的溫度監控，主要針對CPU/DSP/GPU/存儲體等器件。

(2)復位。該模塊可接收外部復位信號，完成整板電路的復位；也可由BMC接收外部復位指令，完成CPU/DSP/GPU等主電路復位。

圖4 計算/顯控/存儲模塊資源監控框架

(3)CPU及外圍電路。從資源監控角度，其功能如下：①實時鐘與看門狗，用于產生CPU的本地時鐘，并支持故障下的CPU自重啟；②上下電控制，BMC通過I2C接收外部上下電控制指令，通過輸出上下電控制信號，控制主電路的供電DC/DC電路，實現上下電控制；③NCSI功能[10]。該模式下CPU與千兆網卡關系不變，而BMC利用千兆網卡的物理層，實現對外的千兆網互聯，以便進行調試或數據傳輸；④BIT，CPU/DSP/GPU及外圍電路本身可進行處理器、存儲器、各類接口的故障檢測及使用狀態監測，其結果可通過千兆網對外輸出，也可通過內部UART傳遞給BMC。

(4)CPU與BMC的信息交互。該模塊CPU/DSP/GPU部分的BIT及各類資源的狀態監控結果，可通過內部UART傳遞給BMC，從而傳遞給用戶界面；BMC檢測到的溫度、電壓、電流、功耗等信息，以及系統所需的控制信息(如遠程啟動地址、BIT信息收集等命令)，也通過UART傳遞給CPU。

(5)指令接收與信息上報。板級BMC接收ShMC發出的指令，按照指令執行相應操作，并將結果及本地上報信息通過I2C接口上報給ShMC。

3.2.3 交換模塊

該模塊資源監控主要由CPU及外圍、交換、ShMC/BMC等組成，如圖5所示。其中ShMC/BMC為其智能管理單元，作為BMC，完成本板溫度/電壓/電流等信息采集，以及資源監控命令的接收、執行和結果返回等功能；作為ShMC，負責整個機箱的資源監控信息收集、用戶命令的解析/下發/執行、機箱管理等功能。

圖5 交換模塊資源監控框架

該類模塊資源監控設計主要包括：

(1)各級電壓電流信號采集、BMC電路和溫度采集。該部分與計算/顯控/存儲模塊相應部分設計思路基本相同。具體差異體現在：①內部電壓監控主要是監控本板CPU、交換芯片所用電壓；②主要芯片的溫度監控，主要監控CPU、交換芯片等器件。

(2)CPU及外圍電路。該部分的實時鐘與看門狗、BIT工作模式與計算/顯控/存儲模塊相應部分的設計思路基本相同，具體差異體現為：復位與上下電控制信號中，對本板主電路的復位、上下電控制與計算/顯控/存儲模塊相應設計思路基本相同；但交換模塊的ShMC/BMC作為機箱ShMC時，需解析上位機輸入的復位指令，輸出復位信號實現對某模塊的整板復位，而如復位是針對某計算/顯控/存儲模塊的主電路，則將該復位指令轉發給相應模塊BMC，由其輸出信號復位相應主電路；解析上位機輸入的上下電指令，并傳遞給相應模塊BMC，由其對相應主電路進行上下電控制。

(3)上位機與ShMC/BMC間的信息傳輸。通過ShMC/BMC對外提供的百兆網、與千兆網交換間的千兆網，ShMC可向上位機(外部控制設備或顯控模塊)提供整機監控信息，也可接收上位機指令；

(4)CPU與交換單元[11]的互連。CPU通過PCIe/RIO與交換單元互聯，完成上電配置，并獲取各網絡端口的狀態(Link、故障等)，為計算/顯控/存儲模塊的冗余備份、故障檢測與系統恢復提供支持；

(5)心跳線。系統包含兩個交換模塊，心跳線用于告知另一交換模塊自身的狀態；模塊正常時輸出周期性的心跳線，模塊異常時心跳線將會停止，另一模塊據此判斷對方的狀態；通過心跳線，系統啟動相應仲裁流程，確定系統主交換模塊。主交換模塊控制系統的I2C總線，實現機箱管理、風扇控制等功能。

(6)CPU與BMC間的信息交互。與3.2.2節中相應內容相同。

(7)指令接收與信息上報。該模塊ShMC接收用戶界面通過以太網發出的管理指令，按指令執行相應操作(包括向功能模塊發送相應指令)，并將上報信息、執行結果，通過以太網發送給用戶界面。

3.3 資源監控管理軟件設計

按圖2的資源監控管理軟件分層設計思想，下邊對每個軟件進行設計。

3.3.1 監控管理器設計

監控管理器由Agent、模塊監控軟件、機箱監控軟件3部分組成。Agent駐留于計算/顯控/存儲模塊上，實現模塊內部資源監控與管理，并在模塊內部的CPU、BMC間傳輸信息。板級監控軟件運行于計算/顯控/存儲/電源模塊的BMC上，實現單模塊硬件監控，對外提供IPMB接口；機箱監控軟件運行于交換模塊的ShMC上，除實現本模塊硬件監控外，還承擔平臺監控管理功能。操作系統、數據庫等軟件通過自身監控接口上報其運行狀態，此處不詳述。

(1)Agent設計

Agent包括運行在CPU、BMC上的兩部分：CPU上軟件，主要監控CPU及其外圍資源狀態，通過BIT可獲取CPU、內存、硬盤及各類接口的故障信息，通過API可獲取上述資源的占用率，以便為資源高效調度提供支撐；BMC上軟件，解析IPMI接口數據，按要求對該模塊CPU電路進行上下電、復位，以及iKVM等管控功能。此外，還實現CPU、BMC間的命令與狀態信息交互。

(2)模塊監控軟件

模塊監控軟件主要監控模塊資源狀態、按要求完成模塊管理，主要包括：

1)健康信息監控。通過傳感器采集模塊的溫度、電壓、電流，通過CPU進行BIT、調用相應接口，獲取CPU、內存、硬盤、網絡及各類接口的故障及使用情況，并進行上報。此外，還可通過IPMI獲取帶外硬件狀態(如模塊的版本、狀態等)，收集帶內軟件狀態(如軟件的版本、資源使用率等)。

2)命令接收執行與信息上報。模塊監控軟件接收并解析機箱監控軟件發來的命令，完成相關命令(上下電、復位等等)執行；模塊監控軟件按照命令要求，按需將模塊信息上報至機箱監控軟件；上報信息除健康信息、執行結果外，還包括產品名稱、制造商、生產日期、模塊類型及序列號、軟件版本等FRU信息。

3)日志記錄。對健康監控、網絡等信息進行記錄，成為模塊日志。

4)熱插拔管理。提供統一的模塊熱插拔管理流程，根據接收到的命令，使模塊處在相應狀態(具體包括未安裝、未激活、激活請求、激活中、已激活、去活請求、去活中、命令丟失等8種)。

(3)機箱監控軟件

機箱監控軟件運行于交換模塊ShMC上，實時監控整機的健康狀態，并接受用戶監控指令，負責監控命令的接收、分析、執行、分發與信息反饋、收集等，主要包括：

1)健康信息監控。實時獲取機箱中所有模塊的溫度、電壓、功耗等傳感器信息，以及各模塊的CPU、內存、硬盤、網絡及接口的工作狀態(包括故障、資源使用率等)，并實時獲取本交換模塊傳感器信息、資源工作狀態信息，匯總后按要求向上位機匯報。

2)機箱風扇監控。根據機箱內各模塊的溫度及其分布、變化，控制風扇轉速，并采集結果。

3)FRU信息收集。獲取機箱內各模塊的名稱、制造商、生產日期、序列號、軟件名稱及版本等FRU信息，并通過IPMI向上位機上報。

4)遠程操作。按要求管理機箱內所有模塊的遠程操作(包括各模塊的上/下電、復位，以及iKVM、遠程啟動與軟件加載等)。

5)日志信息。記錄并管理機箱內所有模塊日志信息(包括溫度、電壓、電流、資源健康狀態及使用信息、風扇狀態信息等等)，并按需上報。

6)熱插拔。監測機箱內所有模塊熱插拔狀態信息，管理機箱內所有模塊的熱插拔操作，并通過IPMI向上位機上報機箱內所有模塊的熱插拔狀態信息。

3.3.2 監控管理服務

監控管理服務基于監控管理器提供的資源監控功能，向上層提供資源監控服務，包括資源監控、系統管理兩部分。

(1)資源監控

資源監控基于所收集的信息，建立日志數據庫；對超出閾值的事件進行告警；并通過B/S、API兩種模式，為用戶提供資源監控界面或用戶調用接口。

1)日志管理

對所獲得的日志信息，按照時間、事件、模塊、參數等關鍵字建立索引，形成日志數據庫，便于用戶查詢和統計。

2)事件告警

當異常事件(如模塊溫度/電壓/電流過高、出現故障、載荷過大等)發生時進行告警，并給出事件基本信息。

3)控制與信息服務

該軟件接收上位機發來的軟硬件管理的IPMI命令，調用底層資源完成命令執行；向上位機周期發送整機軟硬件實時狀態信息(包括傳感器信息、以及CPU、內存、硬盤、網絡等的狀態信息和使用情況)。

該服務為上位機或第三方軟件提供B/S、API兩種訪問模式。在B/S模式中，實現了Sever端功能，允許Web瀏覽器訪問相關服務，并接收相應命令；在API模式中，向有定制需求的用戶提供底層API調用接口，用戶可按需設計自己的界面。

(2)系統管理

系統管理為用戶提供對底層軟硬件的配置和維護，并實現ShMC主從管理。

1)系統配置

系統配置包括時間、網絡、用戶等配置。時間配置是配置當前系統時間、時區及更改時區；網絡配置是按機柜、機箱和槽位信息，配置模塊的IP地址、ID號；用戶配置維護用戶管理列表(用戶ID、名稱和權限)，提供增、刪、改等操作。

2)系統維護

提供BMC重啟、BMC固件更新、恢復出廠設置等功能，并為遠程啟動與軟件加載提供支持。

3)ShMC主從管理

為提高系統可靠性，同一機箱設計了2個ShMC，為實現系統有序工作，需通過主從仲裁、心跳監測手段確定哪一個為主節點：①主從仲裁。上電時默認槽位號較小模塊上的為主ShMC，另一個為備用ShMC；主ShMC發送命令給槽位號較大的交換模塊上的ShMC，如對方節點為非激活狀態，則設本節點為主ShMC，另一個為備用；如對方節點已激活，則將本節點設置為備用ShMC。主從ShMC周期性發送心跳信號給對方；②心跳監測。備用ShMC周期地監測主ShMC心跳是否失效，如失效則將本節點設置為主ShMC。

3.3.3 監控管理門戶

監控管理門戶通過Web方式，向用戶提供各類信息與服務。具體包括各類軟硬件資源狀態視圖、網絡拓撲，提供異常事件告警等功能；其管理頁面提供系統配置、故障管理、應用管理、日志操作等操作界面；并提供訪問控制功能，包括操作員身份認證、用戶/角色管理、權限判斷等。監控管理門戶運行于上位機，主要為用戶觀察系統、訪問控制提供便利，具體包括以下功能。

(1)實時狀態展示

監控管理門戶提供各模塊實時狀態展示頁面，系統將自動發現、監測各模塊節點，根據機柜號、機箱號、槽位號自動排布，向用戶展示各模塊運行的實時狀態(包括模塊類型、是否在位、正常運行/異常)，并按路由關系建立各節點的網絡拓撲。

(2)節點導航

提供文件系統、進程、性能監控、屬性、BMC、遠程登錄、開關機等功能。在文件系統功能中，可對節點上文件進行創建、讀寫、刪除等操作；在進程功能中，可展示節點上所有進程的狀態及資源占用率；性能監控將節點資源(CPU、內存、磁盤、網絡等)使用情況進行展示。屬性提供節點的操作系統及其版本、IP地址和用戶等信息。BMC提供節點的溫度/電壓/電流等傳感器、網絡端口、硬件版本等信息。遠程登錄為用戶遠程登錄被監控節點提供支持。通過開關機實現單節點的上下電操作。

(3)應用管理

提供相關應用的管理操作，包括任務部署、文件上下載。任務部署對監控節點進行遠程任務部署；文件上下載可將瀏覽器所在計算機上的文件傳輸到目標節點上，也可將目標節點上的文件下載到瀏覽器所在計算機。

(4)訪問控制功能，包含用戶管理、用戶認證以及權限管理。用戶管理實現用戶信息的增加、刪除、查詢、修改；用戶認證通過用戶名、密碼確認用戶身份的合法性；權限管理根據用戶屬性提供不同的操作權限。

(5)遠程控制

可通過以太網對各模塊進行遠程控制，監控模塊工作狀態，并提供人機交互界面。

(6)日志操作

提供日志查詢界面，供管理員進行集群系統日志和用戶日志的查詢，并可將日志信息保存為文本文件。

4 系統實現效果

通過上述架構、硬件和軟件等多層級設計及其有機結合，最終形成了對信息處理平臺的監控能力。以下對其主要部分進行簡要說明。

4.1 設備及節點基本視圖

通過該視圖可顯示機箱及設備狀態、節點基本信息，提供基本參數供用戶使用。

機箱及設備狀態如圖6(a)所示，描述了系統中的機箱情況(3號機柜、7號機箱，共14個槽位)、在位模塊(軟件指示燈純白為不在位)、模塊類型(如交換、計算、顯控、存儲、電源等)、模塊狀態(軟件指示燈斜線為正常、網點狀為故障)。

節點基本信息如圖6(b)、圖6(c)所示。其中圖6(b)顯示了模塊BMC上的信息，包括槽位號、主要芯片溫度、板卡平均溫度、功耗等；圖6(c)描述了該節點上的操作系統類型及其版本、IP地址、協議類型和Agent代理ID號等。

圖6 設備及節點基本視圖

4.2 節點資源使用視圖

節點資源主要是指用于處理的CPU及其外部資源，圖7描述了CPU、RAM(內存)、DISK(硬盤)、網絡等資源的使用率。其中CPU使用率，采用動態曲線描述一段時間內CPU使用率及其變動情況；RAM使用率，采用動態柱狀圖方式，描述其使用及變動情況；硬盤使用率變化比較緩慢，采用餅圖方式進行顯示；網絡使用率采用動態曲線方式，描述其使用及變動情況。

圖7 節點資源使用情況

通過資源監控設計，該信息處理平臺可為用戶提供設備及節點的基本信息、節點資源使用信息，方便用戶及時監控設備狀態、發現故障，掌握其變化規律，以便采取相應措施。通過各模塊的熱插拔、遠程加載、上/下電、復位和看門狗等管理功能，結合模塊的替換和重啟等措施，減少了平臺故障時間，提高了可用性。

5 結束語

該方案實現了各類故障與資源使用率的監控，并可跟蹤各供應商產品的質量特性，滿足了某信息處理平臺的資源監控需要，并在某型雷達中得到了應用。隨著信息處理平臺規模越來越大，通過機箱間千兆網互聯，可實現多機箱、甚至多機柜的資源監控，方便地支持了雷達后端系統的橫向擴展；并可根據所記錄的狀態及故障歷史，為故障預測提供支撐。為了向用戶提供更好的技術服務，后續將在故障預測方面開展相關研究。