JPH02207347A - ソフトウェア障害検出方法 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 〔発明の目的〕 （産業上の利用分野） 本発明は計算機システム等で使用されるソフトウェア障
害検出方法に関する。

（従来の技術） 近年、計算機システムは増々高い信頼性を要求されおり
、重要なシステムではハードウェアの二重化が実施され
ている。また、ソフトウェアについても信頼性を向上さ
せるため様々な対策が実施されているが、万一障害が発
生した場合にはこれを直ちに検出して復旧対策を行なう
ことが重要である。

この場合、障害の発生検知方法としては種々の方法がと
られている。

例えば、計算機内部に定周期のタイマを設置し、計算機
のＯ８（Ｏｐｒａｔｉｎｇ　５ｙｓｔｃｖ　）がこのタ
イマによって得られた時刻により各プログラムの実行管
理を行ない、一定時間以上Ｏ８側に管理が戻らないとき
警報装置を動作させ警報（ストールアラーム）を出力さ
せる方法がとられている。

また他の方法として、プログラムの暴走などに起因して
実行不可能な命令（イリーガル命令）が検出された場合
、警報装置を動作させる方法もとられている。

（発明が解決しようとする課題） しかしながら上述した従来の障害発生検知方法において
は次に述べるような問題があった。

即ち、これら各障害発生検知方法では、ストールアラー
ム、イリーガル命令以外のソフトウェア障害、例えば割
込み許可状態でのループ発生、長時間に渡る待ち状態の
発生、プツトロックの発生、機能未実行の発生等を検知
することができないという間通があった。

このため、このようなソフトウェア障害が発生した場合
には、異常に気がついた時点で保守員がこれに対処する
という方法をとっているので、ハード系を二重にしてい
る場合でも、切り換えが遅れて誤った処理が行われてし
まうことがあった。

またこのようなソフトウェア障害は、障害が発生した時
点でこれを検出することができないので、障害発生時点
のデータを採取することができず、障害の原因解析がで
きないことが多い。

そして、このようなソフトウェア障害の原因となるバグ
は、極めてまれなタイミングで発生することが多いため
、障害発見後に計算機を再スタート（リスタート）させ
たとき、バグに起因するデータが既に書き換えられてい
て障害の原因が分からないことが多かった。

本発明は上記の事情に鑑み、ストールアラーム、イリー
ガル命令以外のソフトウェア障害、例えば割込み許可状
態でのループ発生、長時間に渡る待ち状態の発生、プツ
トロックの発生、機能未実行の発生等を検知することが
でき、これによって障害時のデータを採取して障害原因
を解析することができるとともに、障害を早期に復旧さ
せることができるソフトウェア障害検出方法を提供する
ことを目的としている。

〔発明の構成〕

（課題を解決するための手段） 上記の目的を達成するために本発明によるソフトウェア
障害検出方法は、計算機システムで使用されるソフトウ
ェア障害検出方法において、各プログラムの実行所要時
間と処理完了状態とを一定時間毎にチェックし、各プロ
グラムが所定時間内に終了していない場合あるいは実行
終了時に全処理が完了していない場合に異常と判定し、
この時点で障害原因の解析に必要な主メモリの内容を保
存することを特徴としている。

（作用） 上記の構成において、各プログラムの実行所要時間と処
理完了状態とを一定時間毎にチェックし、各プログラム
が所定時間内に終了していない場合あるいは実行終了時
に全処理が完了していない場合に異常と判定し、この時
点で障害原因の解析に必要な主メモリの内容を保存する
ので、ストールアラーム、イリーガル命令以外のソフト
ウェア障害、例えば割込み許可状態でのループ発生、長
時間に渡る待ち状態の発生、プツトロックの発生、機能
未実行の発生等を検知することができ、これによって障
害時のデータを採取して障害原因を解析することができ
るとともに、障害を早期に復旧させることができる。

（実施例） 第１図は本発明によるソフトウェア障害検出方法の一実
施例を適用した計算機システムの一例を示すブロック図
である。

この図に示す計算機システムは、２つの計算機１．２を
備えており、そのうちの一方、例えば計算機１が現用と
して、また他方が予備用として使用される。

現用として使用される計算機１はオンライン処理を行な
う主処理部１０と、計時動作を行なうタイマ処理部３と
、このタイマ処理部３からの信号によって周期的に起動
されて前記主処理部１０の処理内容をチェックしソフト
ウェア障害の発生を検知するソフトウェア障害検出処理
部４と、このソフトウェア障害検出処理部４によってソ
フトウェア障害の発生が検知されたとき主メモリの内容
を保存させる主メモリ保存処理部５と、前記ソフトウェ
ア障害検出処理部４によってソフトウェア障害の発生が
検知されたとき故障信号を発生する故障信号出力装置６
とを備えている。

前記主処理部１０は複数のプログラムに基づいてオンラ
イン処理を行ないながらその内部に設けられた処理状況
記述テーブル２０に各プログラムの処理状況を記述する
。

処理状況記述テーブル２０は第２図に示す如く各プログ
ラムの処理状況が各々記述される複数のプログラム実行
状況記述エリア２１ａ〜２１ｎを備えている。そして、
これら各プログラム実行状況記述エリア２１ａ〜２１ｎ
には各々対応するプログラムが実行中かどうかを示すプ
ログラム実行中フラグ１８と、対応するプログラムの各
モジュールが処理される毎に順次セットされる複数の処
理実行済フラグ１９ａ〜１９ｍとが設けられている。

また、前記ソフトウェア障害検出処理部４は各プログラ
ムが正常に処理されているかどうかを判定するのに必要
な情報テーブル１３を備えている。

情報テーブル１３は第３図に示す如く各プログラムの実
行情報が各々記述される複数のプログラム実行情報記述
子１２ａ〜１２ｎを備えており、これら各プログラム実
行情報記述子１２ａ〜１２ｎには各々対応するプログラ
ムの実行開始時刻が記述される実行開始時刻記述エリア
１４と、対応するプログラムの実行所要時間が記述され
る実行所要時間記述エリア１５と、対応するプログラム
を実行するのに必要な時間の最大値が記述される実行所
要時間最大値記述エリア１６と、対応するプログラムを
構成するモジュール数が記述されるモジュール数記述エ
リア１７とが設けられている。

そして、ソフトウェア障害検出処理部４は前記タイマ処
理部３によって所定時間毎に起動されて前記情報テーブ
ル１３の内容と前記処理状況記述テーブル２０の内容と
をチェックしソフトウェア障害の有無を検知する。

そして、ソフトウェア障害が発生したとき主メモリ保存
処理部５を動作させて主メモリの内容を保存させるとと
もに、故障信号出力装置６を起動させて故障信号を発生
させこれを計算機２に出力させる。

計算機２は前記計算機１の主処理部１０と同様に構成さ
れる主処理部１１と、前記計算機１から故障信号が出力
されたときこれを受ける故障信号入力装置７と、この故
障信号入力装置７によって故障信号が取り込まれたとき
前記主処理部１１を起動させるリスタート処理部８とを
備えている。

そして、前記計算機１から故障信号が出力されたときこ
れを検知して主処理部１１を起動させ前記計算機１に代
わりオンライン処理を開始する。

次に、第４図ないし第６図を参照しながらこの実施例の
動作を説明する。

まず、計算機１の主処理部１０はＯ８の制御の下に各プ
ログラムの処理を実行する。

この処理では、主、処理部１０はまず情報テーブル１３
を構成する各プログラム実行情報記述子１２ａ〜１２ｎ
の実行所要時間最大値記述エリア１６に各プログラム毎
に予め設定されている実行所要時間最大値を書き込む。

この後、主処理部１０は各プログラムの処理を開始する
。

そして、各プログラムの処理において、主処理部１０は
第４図に示す如くまず今実行対象となっているプログラ
ムに対応するプログラム実行状況記述エリア、例えば第
１プログラムを処理するときにはこの第１プログラムに
対応したプログラム実行状況記述エリア２１ａのプログ
ラム実行中フラグ１８をセットするとともに（ステップ
５ＴＩ）このプログラム実行記述子１２ａの各処理実行
済フラグ１９ａ〜１９ｍをクリアする（ステップ５Ｔ２
）。

次いで、主処理部１０は今実行対象となっている第１プ
ログラムに対応するプログラム実行情報記述子１２ａの
実行開始時刻記述エリア１４に現在の時刻を書込み（ス
テップ５Ｔ３）、この後この第１プログラムを構成する
各モジュールの処理を順次行ないながら、各モジュール
の処理が完了する毎にプログラム実行記述子１２ａの各
処理実行済フラグ１９ａ〜１９ｍを１フラグずつ端から
順次セットする（ステップＳＴ４〜５Ｔ７）。

そして、各モジュールの処理が全て完了したとき主処理
部１０はプログラム実行記述子１２ａの実行開始時刻記
述エリア１４に記述されている実行開始時刻と現在の時
刻とを比較して第１プログラムの処理に要した時間（実
行所要時間）を求め３、これをプログラム実行記述子１
２ａの実行所要貼間記述エリア１５に書き込む（ステッ
プ５Ｔ８）。

この後、主処理部１０はプログラム実行状況記述エリア
２１ａのプログラム実行中フラグ１８をリセットする（
ステップ５Ｔ９）。

以下同様に、主処理部１０はＯ８の制御の下に第５図に
示す如く残りの各プログラムおよび上述した第１プログ
ラムをサイクリックに実行しながら各プログラムに対応
するプログラム実行情報記述子１２ａ〜１２ｎの実行開
始時刻記述エリア１４の内容、実行所要時間記述エリア
１５の内容および各プログラム実行状況記述エリア２１
ａ〜２１ｎのプログラム実行中フラグ１８の内容、各処
理実行済フラグ１９ａ〜１９ｍの内容を更新する。

またこの動作と並行して、計算機１のソフトウェア障害
検出処理部４はタイマ処理部３がら所定時間毎に、起動
させられて以下に述べる処理を実行する。

この処理では、ソフトウェア障害検出処理部４は第６図
に示す如くまずチェック対象となるプログラムの番号を
示す変数ｌを初期化する（ステップ５ＴＩＯ）。

この後、ソフトウェア障害検出処理部４は変数ｉによっ
て指定されたプログラムに対応するプログラム実行状況
記述エリア（この場合、変数ｌが初期化された直後であ
るから第１プログラムに対応するプログラム実行状況記
述エリア２１ａ）のプログラム実行中フラグ１８がセッ
トされているか否かをチェックする（ステップ５ＴＩＩ
）。

そして、このプログラム実行中フラグ１８がセットされ
ていれば、即ちこの第１プログラムが現在実行中であり
実行所要時間がまだ求められていなければ、ソフトウェ
ア障害検出処理部４は前記主処理部１０に代わりプログ
ラム実行情報記述子１２ａの実行開始時刻記述エリア１
４に記述されている実行開始時刻と現在の時刻とを比較
してこの第１プログラムの実行が開始されてから現在ま
での時間を求める（ステップ５Ｔ１２）。

また、前記プログラム実行中フラグ１８がリセットされ
ていれば、ソフトウェア障害検出処理部４はこの第１プ
ログラムの処理が完了していると判断してプログラム実
行情報記述子１２ａの実行所要時間記述エリア１５に記
述されている実行所要時間を読み出す。

この後、ソフトウェア障害検出処理部４は第１゜プログ
ラムに対する実行所要時間の値が計算されれているかを
チェックしくステップ５Ｔ１３）、計算されていれば、
プログラム実行情報記述子１２ａの実行所要時間最大値
記述エリア１６に記述されている実行所要時間最大値を
読出し、この実行所要時間最大値と前記実行所要時間の
値とを比較する（ステップ５Ｔ１４）。

そして、実行所要時間の値が実行所要時間最大値よりも
大きいとき、ソフトウェア障害検出処理部４はこの第１
プログラムの処理を行なったとき、割込み許可状態での
ループ、長時間の待ち状態、デッドロック等のソフトウ
ェア障害が発生したと判断して主メモリ保存処理部５を
動作させ主メモリの内容を保存させるとともに（ステッ
プ５Ｔ２５）、故障信号出力装置６を起動させて故障信
号を発生させ計算機２の動作を開始させる（ステップ５
Ｔ２６）。

また、前記実行所要時間の値が実行所要時間最大値より
も小さいときには、ソフトウェア障害検出処理部４はプ
ログラム実行情報記述子１２ａの実行所要時間記述エリ
ア１５の内容を消去した後（ステップ５Ｔ１５）、プロ
グラム実行状況記述子エリア２１ａのプログラム実行中
フラグ１８がリセットされているか否か（実行済みが否
が）をチェックする（ステップ５Ｔ１６）。

そして、このプログラム実行中フラグ１８がリセットさ
れていれば、ソフトウェア障害検出処理部４はプログラ
ム実行状況記述子エリア２１ａの各処理済フラグ１９ａ
〜１９ｍのセット状況を読出し、そのセット数と、プロ
グラム実行記述子１２ａのモジュール数記述エリア１７
に記述されているモジュール数とが一致しているかどう
かをチェックする（ステップ５Ｔ１７）。

そして、これらが一致していなければ、ソフトウェア障
害検出処理部４は第１プログラムの処理においていずれ
かのモジュール処理が抜ける等のソフトウェア障害が発
生したと判断して上述した主メモリの保存処理、計算機
２の起動処理を行なう（ステップ５Ｔ２５．５Ｔ２６）
。

また、これらが一致していれば、ソフトウェア障害検出
処理部４は第１プログラムの各モジュールが全て正常に
処理されていると判断してプログラム実行状況記述エリ
ア２１ａの各処理実行済フラグ１９ａ〜１９ｍをクリア
する（ステップ５Ｔ１８）。

また上述した動作において、実行時間が計算されていな
いときには（ステップ５Ｔ１３）、上述した実行所要時
間の判定処理、モジュールの処理状況判定処理が、また
プログラム実行中フラグ１８がセットされているときに
（プログラム実行中のとき）は前記モジュールの処理状
況判定処理がスキップされる。

次いで、ソフトウェア障害検出処理部４は変数ｉをイン
クリメントして（ステップ５Ｔ１９）、この変数１の値
が処理対象となっているプログラムの数以下かどうかを
チェックする（ステップ５Ｔ２０）。

そして、変数ｌの値が全プログラムの数より小さいとき
、ソフトウェア障害検出処理部４は全プログラムのチェ
ック処理が完了していないと判断して残りのプログラム
に対して上述したチェック処理を実行する。

そして、処理対象となっているプログラムの全てに対し
て上述した処理が完了したとき、ソフトウェア障害検出
処理部４はタイマ処理部３から次の起動がかけられるま
でチェック処理を停止する。

このようにこの実施例においては、各プログラム毎に実
行所要時間をチェックしているので、第５図の処理Ｔ２
１のような割込み許可状態でのループ発生、長時間に渡
る待ち状態の発生、プツトロックの発生等を検知するこ
とができ、これによってこのようなソフトウェア障害が
発生したとき、計算機２を直ちに起動させることができ
るとともに、障害時点のデータを採取することができる
。

また、各プログラムを構成する各モジュールが確実に処
理されているかどうかをチェックしているので、機能未
実行等のソフトウェア障害をも検知することができ、こ
のようなソフトウェア障害が発生したときにも障害時の
データを採取して障害原因を解析することができるとと
もに、障害を早期に復旧させることができる。

また上述した実施例においては、２つの計算機１．２を
備えた計算機システムを用いて本発明を説明したが、例
えば第７図に示すように１つの計算機１ａのみシステム
にも本発明を適用できるのは勿論である。

但しこの場合、ソフトウェア障害検出処理部４によって
ソフトウェア障害が検出されて主メモリ保存部５が主メ
モリの内容を保存させた後、リスタート処理部８によっ
て主処理部１０に再起動がかけられる。

〔発明の効果〕

以上説明したように本発明によれば、ストールアラーム
、イリーガル命令以外のソフトウェア障害、例えば割込
み許可状態でのループ発生、長時間に渡る待ち状態の発
生、プツトロックの発生、機能未実行の発生等を検知す
ることができ、これによって障害時のデータを採取して
障害原因を解析することができるとともに、障害を早期
に復旧させることができる。

【図面の簡単な説明】

第１図は本発明によるソフトウェア障害検出方法の一実
施例を適用した計算機システムの一例を示すブロック図
、第２図は第１図に示す処理状況記述テーブルの一例を
示す模式図、第３図は第１図に示す情報テーブルの一例
を示す模式図、第４図は第１図に示す主処理部の動作例
を示すフローチャートおよび動作模式図、第５図は同実
施例の各プログラム処理タイミング図、第６図は第１図
に示すソフトウェア障害検出処理部の動作例を示すフロ
ーチャート、第７図は本発明によるソフトウェア障害検
出方法の一実施例を適用した計算機システムの他の一例
を示すブロック図である。 １・・・計算機 ３・・・タイマ処理部 ４・・・ソフトウェア陣書検出処理部 ５・・・主メモリ保存部 ０・・・主処理部 ３・・・情報テーブル ０・・・処理状況記述テーブル

Claims (1)

【特許請求の範囲】
1. （１）計算機システムで使用されるソフトウェア障害検
   出方法において、 各プログラムの実行所要時間と処理完了状態とを一定時
   間毎にチェックし、各プログラムが所定時間内に終了し
   ていない場合あるいは実行終了時に全処理が完了してい
   ない場合に異常と判定し、この時点で障害原因の解析に
   必要な主メモリの内容を保存することを特徴とするソフ
   トウェア障害検出方法。