一种处理器阵列的故障单元替换方法、装置及电子设备与流程

本技术涉及芯片，尤其涉及一种处理器阵列的故障单元替换方法、装置及电子设备。

背景技术：

1、随着集成电路工艺节点不断微缩，单颗芯片内部可以集成规模庞大的处理器阵列，阵列中包含大量同构的处理单元，以满足高性能并行计算业务的算力需求。受半导体制造过程中的光刻偏差、介质缺陷、金属互连失效等各类制造工艺缺陷影响，阵列内部部分处理单元会出现功能性故障。如果直接将存在故障单元的芯片做报废处理，会极大拉低芯片生产良率，推高产品制造成本。为此，行业普遍采用冗余容错思路，在处理器阵列中预留部分备用处理单元，通过缺陷替换的方式用备用单元接管故障单元的业务，屏蔽制造缺陷带来的功能失效，提升芯片产出良率。

2、目前常见的处理器阵列缺陷容错实现方式，包括行/列式冗余替换、主备分组替换、相邻单元替换等。行/列式冗余替换采用整行或者整列作为备用资源；主备分组替换在每个分组内部配置本组专用备用单元；相邻单元替换则仅允许选择故障单元物理邻近位置的备用单元完成修复。上述现有方案修复资源均局限于预设的专用备用单元。当业务域内专用备用单元耗尽后，没有补救修复手段，只能整体失效业务域，损失域内大量完好的正常单元。

技术实现思路

1、有鉴于此，本技术提供了一种处理器阵列的故障单元替换方法、装置及电子设备，主要目的在于解决现有处理器阵列容错替换方案修复资源仅限于专用备用单元，当专用备用单元耗尽后无补救修复手段，只能整体失效业务域，进而损失业务域内大量完好正常处理单元的技术问题。

2、第一方面，本技术提供了一种处理器阵列的故障单元替换方法，包括：

3、获取目标处理器阵列中缺少备用单元的目标故障单元的目标数量；根据所述目标故障单元所属的业务域内的可用单元的总数量和最小单元编号，确定所述业务域对应的业务连续区间，从所述业务域内选取单元编号大于所述业务连续区间的上限的可用单元，作为目标替换单元；根据所述目标替换单元和所述目标故障单元的所述单元编号，对所述目标替换单元和所述目标故障单元进行配对处理，得到所述目标故障单元的替换对信息；按照所述替换对信息，对所述目标故障单元进行替换处理。

4、可选的，所述方法还包括：

5、基于所述目标处理器阵列的单元状态信息，得到所述目标故障单元所属的业务域内的可用单元的总数量。

6、可选的，所述根据所述目标替换单元和所述目标故障单元的所述单元编号，对所述目标替换单元和所述目标故障单元进行配对处理，包括：

7、根据所述目标故障单元的单元编号和所述业务连续区间的上限，从所述目标故障单元中选取处于所述业务连续区间的第一目标故障单元；根据所述第一目标故障单元和所述目标替换单元的单元编号，对所述目标替换单元和所述目标故障单元进行配对处理。

8、可选的，所述按照所述替换对信息，对所述目标故障单元进行替换处理，包括：

9、基于所述替换对信息，配置指向所述目标故障单元的业务数据包的投递路由，将访问所述目标故障单元的业务数据包转发至与所述目标故障单元配对的目标替换单元；基于所述替换对信息，配置所述目标故障单元的寄存器访问地址重定向，将访问所述目标故障单元的寄存器访问请求，重定向至与所述目标故障单元配对的目标替换单元对应的寄存器地址。

10、可选的，所述基于所述替换对信息，配置指向所述目标故障单元的业务数据包的投递路由，包括：

11、获取所述目标处理器阵列的传输通路的多个槽位的状态信息，所述传输通路用于承载所述业务数据包，所述槽位为所述传输通路上配置投递路由的配置载体；根据所述多个槽位的状态信息，从所述多个槽位中筛选满足配置条件的候选槽位；根据所述替换对信息，将所述目标替换单元与所述候选槽位进行绑定，得到绑定所述目标替换单元的目标槽位；基于所述目标槽位，将投递路由中指向所述目标故障单元的转发目的标识，修改为指向所述目标替换单元。

12、可选的，所述获取目标处理器阵列中缺少备用单元的目标故障单元的目标数量，包括：

13、基于所述目标处理器阵列中的单元状态信息，确定所述目标处理器阵列中的故障单元；基于所述备用单元对所述故障单元进行配对处理，得到所述故障单元的替换对信息；在所述备用单元耗尽的情况下，将未配对的故障单元确定为所述目标故障单元，获取所述目标故障单元的目标数量。

14、可选的，所述按照所述替换对信息，对所述目标故障单元进行替换处理之前，所述方法还包括：

15、基于所述替换对信息，确定所述目标替换单元的数量；在所述目标替换单元的数量大于所述目标处理器阵列的替换上限的情况下，更新所述业务域内的可用单元的总数量，更新后的可用单元的总数量小于更新前的可用单元的总数量；基于所述更新后的可用单元的总数量，重新确定业务区间并执行配对处理，得到更新后的替换对信息；重复执行，直至所述目标替换单元的数量小于或等于所述目标处理器阵列的替换上限，或所述业务域内的可用单元的数量小于业务阈值。

16、可选的，所述方法还包括：

17、向与所述目标处理器阵列连接的其他处理器阵列同步所述替换对信息，所述其他处理器阵列与所述目标处理器阵列构成多处理器阵列系统。

18、第二方面，本技术提供了一种处理器阵列的故障单元替换装置，包括：

19、获取模块，被配置为获取目标处理器阵列中缺少备用单元的目标故障单元的目标数量。

20、选取模块，被配置为根据所述目标故障单元所属的业务域内的可用单元的总数量和最小单元编号，确定所述业务域对应的业务连续区间，从所述业务域内选取单元编号大于所述业务连续区间的上限的可用单元，作为目标替换单元。

21、配对模块，被配置为根据所述目标替换单元和所述目标故障单元的所述单元编号，对所述目标替换单元和所述目标故障单元进行配对处理，得到所述目标故障单元的替换对信息。

22、替换模块，被配置为按照所述替换对信息，对所述目标故障单元进行替换处理。

23、第三方面，本技术提供了一种计算机存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上述第一方面的处理器阵列的故障单元替换方法。

24、第四方面，本技术提供了一种电子设备，包括存储介质、处理器及存储在存储介质上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面所述的处理器阵列的故障单元替换方法。

25、借由上述技术方案，本技术提供的一种处理器阵列的故障单元替换方法、装置及电子设备，与目前现有技术相比，本技术获取业务域内专用备用单元无法修复的目标故障单元的目标数量，从同一业务域选取可用单元并按单元编号降序获取对应数量的目标替换单元，完成故障-替换单元配对得到替换对信息后实施替换处理，将业务域内普通完好的可用单元纳入修复资源作为次级补救资源，无需整体裁撤业务域即可继续完成剩余故障单元的修复，保留业务域内大量完好正常的处理单元，减少算力无谓损耗。同时，通过选取业务连续区间外的高段可用单元用于替换能够尽量保留业务域低段单元，保障业务域逻辑编号连续，避免因业务域整体失效造成的计算资源浪费，提升处理器阵列故障修复能力与芯片可用算力。