设备管理控制 (DMC) - 有效的带外设备管理系统架构

核心观点与内容

带外管理 (OOB) 概述

• 定义：一种不依赖服务器 CPU、BIOS 和操作系统的系统硬件监控和管理子系统。
• 功能：监控设备状态（电源状态、链路状态）、故障预测数据（寿命、CECC、UECC）、调试数据（UECC、PCI CRC 错误）以及传感器数据（温度、电压）。
• 应用场景：当设备故障或系统错误导致带内管理失效时，OOB 管理提供关键支持。

当前存储设备管理限制

• 问题：存储设备主要依赖带内遥测数据，但带内管理在系统故障时失效。
• 解决方案：提出 DMC（设备管理控制）架构以增强带外管理能力。

DMC 架构提案

• 架构：管理控制单元 (MCU) 直接连接至 BMC (基础板管理控制器)，通过 DMC 协议与 BMC 通信。
• 优势：
  • MCU 可存储和交付设备日志数据。
  • 即使设备异常，BMC 仍能监控设备状态。
  • 支持通过 OOB 和设备控制器重置进行固件更新。
• 硬件要求：
  • 设备需具备系统错误保护能力（如 FAN 和 PSU 错误）。
  • 需收集传感器数据（温度、功率）、设备状态（PCIe 链路、电源状态）和健康数据（生命周期、CECC/UECC 计数、PCIe CRC 错误）。

DMC 协议与标准化

• 协议栈：基于 PMCI（平台管理通信基础设施），包括 OpenBMC、MCTP、SMBus/I2C 等。
• 实现案例：
  • Poseidon 系统中的 OpenBMC DMC 实现。
  • SSD 中的 DMC 实现（基于 MCTP 和 SMBus）。
• 标准化需求：
  • 定义数据集和功能。
  • 标准化协议（包括命令格式）。
  • 合作方：OCP H/W 管理项目、OpenBMC、DMTF。

PoC 合作与行动呼吁

• 合作项目：与浪潮合作，基于波塞冬 V2 E3.X 参考系统进行 DMC PoC 测试。
• 行动呼吁：
  • 与 OCP H/W 管理项目、OpenBMC 和 DMTF 合作。
  • 定义 DMC 数据集和功能。
  • 标准化协议（包括命令格式）。

展示与后续计划

• OCP 全球峰会演示：三星展台（#B14）进行 DMC 演示。
• 后续合作：期望与 OCP H/W 管理项目和 DMTF 深度合作，推动 DMC 标准化。