超级军网太空探索之装备：Chipkill自愈内存（转帖）
来源：百度文库 编辑：超级军网 时间：2024/04/27 13:54:01
Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，其宗旨只有一个：高可靠性。那么，Chipkill内存是怎样实现高可靠性的呢？
█ 内存纠错技术的发展过程
90年代初，内存体系采用奇偶性校验（Parity Verifying）技术。奇偶校验内存在每一字节（8位）外又额外增加了一位作为错误检测之用，BIOS中的监控程序会将存入内存中的数据位相加，并将结果存于校验位中。比如一个字节中存储了某一数值10011110，每一位加起来的结果为奇数（1＋0＋0＋1＋1＋1＋1＋0＝5），校验位存入1。当CPU读取储存的数据时，监控程序再次相加存储的8位数据，并将计算结果与校验位相比较。如果发现二者不同，系统就会产生出错信息。奇偶校验技术仅能粗略地检查内存错误，并不具备纠错能力。
另一种内存纠错技术叫做ECC（Error Correct Code，纠错码），它也是在原来的数据位上外加位来实现的，增加的位用来重建错误数据。在ECC纠错体系中，如果数据为n个字节，则外加的ECC位为log2n + 5。例如对于64位数据，需要外加log28 + 5 = 8个ECC位。
当出现一个存储位错误时，ECC体系可以自动进行纠错。当出现2个数据位错误时，可以检测出来，但不能纠错，这种行为通常称作“单错纠正／双错检测（Single Error Correction/Double Error Detection ，简称SEC/DED）。一次存取中有2个以上的数据位出错时，由于SEC/DED体系检测不出来了，致使数据的完整性受损。采用这种结构的存储器，当检测出多位错误时，系统就会报告出现了致命故障（Fatal fault），之后系统崩溃。
随着RAM芯片的集成度的提高和内存容量的增大，内存发生错误的概率也随之增加。几年前被认为很可靠的SEC／DED内存体系，今天已经力不从心了，寻求具有多位纠错能力的内存体系结构一直是众多厂商追求的目标。
1996年，Compaq公司的Advanced ECC技术实现了纠正单一内存芯片上的多位错误，也可以纠正内存条上单芯片的失效。1998年，惠普在LH3服务器产品中提出的自修复概念，主要内容也是内存的多位纠错能力。
Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，如图1。2001年，IBM将这种chipkill技术移植到“蓝色基因”服务器产品中，成为其面向电子商务的电子蜥蜴计划中的一个重要行动。接着DELL等厂商也纷纷在服务器中采用了这种内存体系。
图1 Chipkill内存
Chipkill是一种具有自愈（Self-healing）能力的内存体系结构，在工作过程中进行自我测试（self-test）和自我诊断（self-diagnosis），如果某个RAM芯片或内存条损坏，可以向管理员报告出错信息，但机器仍可继续运行，管理人员可在适当的时候更换故障的零件。
█ Chipkill内存的结构
RAM器件失效最为严重的情形是其全部数据位全部发生错误，纠正这种错误的基本思路应该着眼于芯片和系统的硬件结构，而不可能通过软件升级的方式来达到目的。
存储器中的每个字节外加一个ECC位构成ECC字。如果存储器系统的数据宽度为32个字节（或256位），实际的存储器数据的宽度是256＋32＝288位。同时，每一个数据位都被置于分离的ECC字中。
图2描述了这种方法工作的原理。存储系统由4个DIMM模块构成，32个字节（256位）的数据被分成4个ECC字，每个ECC字含有8个字节（64位）的数据位和8个ECC位。这样，一个ECC字的实际长度为64＋8＝72位，存储数据总长度为72×4＝288位。
图2 Chipkill内存纠错原理
存储器控制器（Memory Controller）把每个ECC字被分成4个长度为18位的段，分别存储于4个DIMM中。同时，每个DIMM中也存储了4个来自不同的ECC字的段。然后，每个段的18个位再被存储在不同的RAM芯片中。
经过上述处理，每个DRAM芯片中只保存了ECC字的一位。如果RAM芯片失效，导致某个芯片中的全部18个位都出错，也只是造成ECC字的一位错误。因为每个ECC字具有SEC／DED能力，可以自动纠错，所以可以恢复所有的数据。当然，对于RAM中的某一位、某一行、某一列发生失效，系统也可以实现自动纠正错误。
█ Chipkill内存的应用前景
通过对ECC体系进行改造而设计的自动纠错的内存体系结构，实现了人们盼望已久的彻底避免系统瘫痪和数据丢失的目的。短短几年内，集成了chipkill技术的电脑产品已经在交通调度、证券交易等高可靠性系统中得到了广泛应用了。
人们发现，使用chipkill内存的电脑产品，在提高了可靠性的同时，也降低了系统维护成本，减少了电子商务中的风险和法律责任，种种好处足以抵消价格偏高的不利因素。我们相信，chipkill技术不久就会出现在包括台式机、笔记本和嵌入式系统等所有电脑产品中。
作者：陈忠民Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，其宗旨只有一个：高可靠性。那么，Chipkill内存是怎样实现高可靠性的呢？
█ 内存纠错技术的发展过程
90年代初，内存体系采用奇偶性校验（Parity Verifying）技术。奇偶校验内存在每一字节（8位）外又额外增加了一位作为错误检测之用，BIOS中的监控程序会将存入内存中的数据位相加，并将结果存于校验位中。比如一个字节中存储了某一数值10011110，每一位加起来的结果为奇数（1＋0＋0＋1＋1＋1＋1＋0＝5），校验位存入1。当CPU读取储存的数据时，监控程序再次相加存储的8位数据，并将计算结果与校验位相比较。如果发现二者不同，系统就会产生出错信息。奇偶校验技术仅能粗略地检查内存错误，并不具备纠错能力。
另一种内存纠错技术叫做ECC（Error Correct Code，纠错码），它也是在原来的数据位上外加位来实现的，增加的位用来重建错误数据。在ECC纠错体系中，如果数据为n个字节，则外加的ECC位为log2n + 5。例如对于64位数据，需要外加log28 + 5 = 8个ECC位。
当出现一个存储位错误时，ECC体系可以自动进行纠错。当出现2个数据位错误时，可以检测出来，但不能纠错，这种行为通常称作“单错纠正／双错检测（Single Error Correction/Double Error Detection ，简称SEC/DED）。一次存取中有2个以上的数据位出错时，由于SEC/DED体系检测不出来了，致使数据的完整性受损。采用这种结构的存储器，当检测出多位错误时，系统就会报告出现了致命故障（Fatal fault），之后系统崩溃。
随着RAM芯片的集成度的提高和内存容量的增大，内存发生错误的概率也随之增加。几年前被认为很可靠的SEC／DED内存体系，今天已经力不从心了，寻求具有多位纠错能力的内存体系结构一直是众多厂商追求的目标。
1996年，Compaq公司的Advanced ECC技术实现了纠正单一内存芯片上的多位错误，也可以纠正内存条上单芯片的失效。1998年，惠普在LH3服务器产品中提出的自修复概念，主要内容也是内存的多位纠错能力。
Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，如图1。2001年，IBM将这种chipkill技术移植到“蓝色基因”服务器产品中，成为其面向电子商务的电子蜥蜴计划中的一个重要行动。接着DELL等厂商也纷纷在服务器中采用了这种内存体系。
图1 Chipkill内存
Chipkill是一种具有自愈（Self-healing）能力的内存体系结构，在工作过程中进行自我测试（self-test）和自我诊断（self-diagnosis），如果某个RAM芯片或内存条损坏，可以向管理员报告出错信息，但机器仍可继续运行，管理人员可在适当的时候更换故障的零件。
█ Chipkill内存的结构
RAM器件失效最为严重的情形是其全部数据位全部发生错误，纠正这种错误的基本思路应该着眼于芯片和系统的硬件结构，而不可能通过软件升级的方式来达到目的。
存储器中的每个字节外加一个ECC位构成ECC字。如果存储器系统的数据宽度为32个字节（或256位），实际的存储器数据的宽度是256＋32＝288位。同时，每一个数据位都被置于分离的ECC字中。
图2描述了这种方法工作的原理。存储系统由4个DIMM模块构成，32个字节（256位）的数据被分成4个ECC字，每个ECC字含有8个字节（64位）的数据位和8个ECC位。这样，一个ECC字的实际长度为64＋8＝72位，存储数据总长度为72×4＝288位。
图2 Chipkill内存纠错原理
存储器控制器（Memory Controller）把每个ECC字被分成4个长度为18位的段，分别存储于4个DIMM中。同时，每个DIMM中也存储了4个来自不同的ECC字的段。然后，每个段的18个位再被存储在不同的RAM芯片中。
经过上述处理，每个DRAM芯片中只保存了ECC字的一位。如果RAM芯片失效，导致某个芯片中的全部18个位都出错，也只是造成ECC字的一位错误。因为每个ECC字具有SEC／DED能力，可以自动纠错，所以可以恢复所有的数据。当然，对于RAM中的某一位、某一行、某一列发生失效，系统也可以实现自动纠正错误。
█ Chipkill内存的应用前景
通过对ECC体系进行改造而设计的自动纠错的内存体系结构，实现了人们盼望已久的彻底避免系统瘫痪和数据丢失的目的。短短几年内，集成了chipkill技术的电脑产品已经在交通调度、证券交易等高可靠性系统中得到了广泛应用了。
人们发现，使用chipkill内存的电脑产品，在提高了可靠性的同时，也降低了系统维护成本，减少了电子商务中的风险和法律责任，种种好处足以抵消价格偏高的不利因素。我们相信，chipkill技术不久就会出现在包括台式机、笔记本和嵌入式系统等所有电脑产品中。
作者：陈忠民
█ 内存纠错技术的发展过程
90年代初，内存体系采用奇偶性校验（Parity Verifying）技术。奇偶校验内存在每一字节（8位）外又额外增加了一位作为错误检测之用，BIOS中的监控程序会将存入内存中的数据位相加，并将结果存于校验位中。比如一个字节中存储了某一数值10011110，每一位加起来的结果为奇数（1＋0＋0＋1＋1＋1＋1＋0＝5），校验位存入1。当CPU读取储存的数据时，监控程序再次相加存储的8位数据，并将计算结果与校验位相比较。如果发现二者不同，系统就会产生出错信息。奇偶校验技术仅能粗略地检查内存错误，并不具备纠错能力。
另一种内存纠错技术叫做ECC（Error Correct Code，纠错码），它也是在原来的数据位上外加位来实现的，增加的位用来重建错误数据。在ECC纠错体系中，如果数据为n个字节，则外加的ECC位为log2n + 5。例如对于64位数据，需要外加log28 + 5 = 8个ECC位。
当出现一个存储位错误时，ECC体系可以自动进行纠错。当出现2个数据位错误时，可以检测出来，但不能纠错，这种行为通常称作“单错纠正／双错检测（Single Error Correction/Double Error Detection ，简称SEC/DED）。一次存取中有2个以上的数据位出错时，由于SEC/DED体系检测不出来了，致使数据的完整性受损。采用这种结构的存储器，当检测出多位错误时，系统就会报告出现了致命故障（Fatal fault），之后系统崩溃。
随着RAM芯片的集成度的提高和内存容量的增大，内存发生错误的概率也随之增加。几年前被认为很可靠的SEC／DED内存体系，今天已经力不从心了，寻求具有多位纠错能力的内存体系结构一直是众多厂商追求的目标。
1996年，Compaq公司的Advanced ECC技术实现了纠正单一内存芯片上的多位错误，也可以纠正内存条上单芯片的失效。1998年，惠普在LH3服务器产品中提出的自修复概念，主要内容也是内存的多位纠错能力。
Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，如图1。2001年，IBM将这种chipkill技术移植到“蓝色基因”服务器产品中，成为其面向电子商务的电子蜥蜴计划中的一个重要行动。接着DELL等厂商也纷纷在服务器中采用了这种内存体系。
图1 Chipkill内存
Chipkill是一种具有自愈（Self-healing）能力的内存体系结构，在工作过程中进行自我测试（self-test）和自我诊断（self-diagnosis），如果某个RAM芯片或内存条损坏，可以向管理员报告出错信息，但机器仍可继续运行，管理人员可在适当的时候更换故障的零件。
█ Chipkill内存的结构
RAM器件失效最为严重的情形是其全部数据位全部发生错误，纠正这种错误的基本思路应该着眼于芯片和系统的硬件结构，而不可能通过软件升级的方式来达到目的。
存储器中的每个字节外加一个ECC位构成ECC字。如果存储器系统的数据宽度为32个字节（或256位），实际的存储器数据的宽度是256＋32＝288位。同时，每一个数据位都被置于分离的ECC字中。
图2描述了这种方法工作的原理。存储系统由4个DIMM模块构成，32个字节（256位）的数据被分成4个ECC字，每个ECC字含有8个字节（64位）的数据位和8个ECC位。这样，一个ECC字的实际长度为64＋8＝72位，存储数据总长度为72×4＝288位。
图2 Chipkill内存纠错原理
存储器控制器（Memory Controller）把每个ECC字被分成4个长度为18位的段，分别存储于4个DIMM中。同时，每个DIMM中也存储了4个来自不同的ECC字的段。然后，每个段的18个位再被存储在不同的RAM芯片中。
经过上述处理，每个DRAM芯片中只保存了ECC字的一位。如果RAM芯片失效，导致某个芯片中的全部18个位都出错，也只是造成ECC字的一位错误。因为每个ECC字具有SEC／DED能力，可以自动纠错，所以可以恢复所有的数据。当然，对于RAM中的某一位、某一行、某一列发生失效，系统也可以实现自动纠正错误。
█ Chipkill内存的应用前景
通过对ECC体系进行改造而设计的自动纠错的内存体系结构，实现了人们盼望已久的彻底避免系统瘫痪和数据丢失的目的。短短几年内，集成了chipkill技术的电脑产品已经在交通调度、证券交易等高可靠性系统中得到了广泛应用了。
人们发现，使用chipkill内存的电脑产品，在提高了可靠性的同时，也降低了系统维护成本，减少了电子商务中的风险和法律责任，种种好处足以抵消价格偏高的不利因素。我们相信，chipkill技术不久就会出现在包括台式机、笔记本和嵌入式系统等所有电脑产品中。
作者：陈忠民Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，其宗旨只有一个：高可靠性。那么，Chipkill内存是怎样实现高可靠性的呢？
█ 内存纠错技术的发展过程
90年代初，内存体系采用奇偶性校验（Parity Verifying）技术。奇偶校验内存在每一字节（8位）外又额外增加了一位作为错误检测之用，BIOS中的监控程序会将存入内存中的数据位相加，并将结果存于校验位中。比如一个字节中存储了某一数值10011110，每一位加起来的结果为奇数（1＋0＋0＋1＋1＋1＋1＋0＝5），校验位存入1。当CPU读取储存的数据时，监控程序再次相加存储的8位数据，并将计算结果与校验位相比较。如果发现二者不同，系统就会产生出错信息。奇偶校验技术仅能粗略地检查内存错误，并不具备纠错能力。
另一种内存纠错技术叫做ECC（Error Correct Code，纠错码），它也是在原来的数据位上外加位来实现的，增加的位用来重建错误数据。在ECC纠错体系中，如果数据为n个字节，则外加的ECC位为log2n + 5。例如对于64位数据，需要外加log28 + 5 = 8个ECC位。
当出现一个存储位错误时，ECC体系可以自动进行纠错。当出现2个数据位错误时，可以检测出来，但不能纠错，这种行为通常称作“单错纠正／双错检测（Single Error Correction/Double Error Detection ，简称SEC/DED）。一次存取中有2个以上的数据位出错时，由于SEC/DED体系检测不出来了，致使数据的完整性受损。采用这种结构的存储器，当检测出多位错误时，系统就会报告出现了致命故障（Fatal fault），之后系统崩溃。
随着RAM芯片的集成度的提高和内存容量的增大，内存发生错误的概率也随之增加。几年前被认为很可靠的SEC／DED内存体系，今天已经力不从心了，寻求具有多位纠错能力的内存体系结构一直是众多厂商追求的目标。
1996年，Compaq公司的Advanced ECC技术实现了纠正单一内存芯片上的多位错误，也可以纠正内存条上单芯片的失效。1998年，惠普在LH3服务器产品中提出的自修复概念，主要内容也是内存的多位纠错能力。
Chipkill内存是IBM为NASA（美国太空总署）计划于2003年向火星发射的 “火星漫游者”探测器而设计的，如图1。2001年，IBM将这种chipkill技术移植到“蓝色基因”服务器产品中，成为其面向电子商务的电子蜥蜴计划中的一个重要行动。接着DELL等厂商也纷纷在服务器中采用了这种内存体系。
5090da09-2248-4154-b75f-1458ae57bf14.jpg (9.67 KB, 下载次数: 8)
下载附件 保存到相册
图1 Chipkill内存
Chipkill是一种具有自愈（Self-healing）能力的内存体系结构，在工作过程中进行自我测试（self-test）和自我诊断（self-diagnosis），如果某个RAM芯片或内存条损坏，可以向管理员报告出错信息，但机器仍可继续运行，管理人员可在适当的时候更换故障的零件。
█ Chipkill内存的结构
d9b16044-b0bf-4f72-9f64-6d01f82abfd2.jpg (44.4 KB, 下载次数: 8)
下载附件 保存到相册
RAM器件失效最为严重的情形是其全部数据位全部发生错误，纠正这种错误的基本思路应该着眼于芯片和系统的硬件结构，而不可能通过软件升级的方式来达到目的。
存储器中的每个字节外加一个ECC位构成ECC字。如果存储器系统的数据宽度为32个字节（或256位），实际的存储器数据的宽度是256＋32＝288位。同时，每一个数据位都被置于分离的ECC字中。
图2描述了这种方法工作的原理。存储系统由4个DIMM模块构成，32个字节（256位）的数据被分成4个ECC字，每个ECC字含有8个字节（64位）的数据位和8个ECC位。这样，一个ECC字的实际长度为64＋8＝72位，存储数据总长度为72×4＝288位。
图2 Chipkill内存纠错原理
存储器控制器（Memory Controller）把每个ECC字被分成4个长度为18位的段，分别存储于4个DIMM中。同时，每个DIMM中也存储了4个来自不同的ECC字的段。然后，每个段的18个位再被存储在不同的RAM芯片中。
经过上述处理，每个DRAM芯片中只保存了ECC字的一位。如果RAM芯片失效，导致某个芯片中的全部18个位都出错，也只是造成ECC字的一位错误。因为每个ECC字具有SEC／DED能力，可以自动纠错，所以可以恢复所有的数据。当然，对于RAM中的某一位、某一行、某一列发生失效，系统也可以实现自动纠正错误。
█ Chipkill内存的应用前景
通过对ECC体系进行改造而设计的自动纠错的内存体系结构，实现了人们盼望已久的彻底避免系统瘫痪和数据丢失的目的。短短几年内，集成了chipkill技术的电脑产品已经在交通调度、证券交易等高可靠性系统中得到了广泛应用了。
人们发现，使用chipkill内存的电脑产品，在提高了可靠性的同时，也降低了系统维护成本，减少了电子商务中的风险和法律责任，种种好处足以抵消价格偏高的不利因素。我们相信，chipkill技术不久就会出现在包括台式机、笔记本和嵌入式系统等所有电脑产品中。
作者：陈忠民
最后一段啥意思啊？到底有没有应用过这种技术的民用产品啊
民品吗？肯定没有，现在ECC内存都没普及，更别提这么高级的。
再说了，打游戏、看个片，整那么高可靠性干吗？
大不了重启。
再说了，打游戏、看个片，整那么高可靠性干吗？
大不了重启。
能否自动检测出出错或损坏的内存单元，然后隔离，不再使用之。
刀客L 发表于 2012-7-25 20:39 ![]()
能否自动检测出出错或损坏的内存单元，然后隔离，不再使用之。
内存单元损坏？这种概率极小，如果坏了的话，所在芯片就报废了。
如果指的是FLASH或者磁盘的坏块，那这个坏块是文件系统管理的。
能否自动检测出出错或损坏的内存单元，然后隔离，不再使用之。
内存单元损坏？这种概率极小，如果坏了的话，所在芯片就报废了。
如果指的是FLASH或者磁盘的坏块，那这个坏块是文件系统管理的。
SimpleCD 发表于 2012-7-25 09:37 ![]()
最后一段啥意思啊？到底有没有应用过这种技术的民用产品啊
最后一段的意思是，比如在银行或其他金融机构的计算机系统使用这种内存条。以防止在特殊情况下出现内存数据被外界干扰而产生改变，由此带来的客户信息被篡改或丢失而负相应的法律责任。
最后一段啥意思啊？到底有没有应用过这种技术的民用产品啊
最后一段的意思是，比如在银行或其他金融机构的计算机系统使用这种内存条。以防止在特殊情况下出现内存数据被外界干扰而产生改变，由此带来的客户信息被篡改或丢失而负相应的法律责任。
2012-7-25 23:42 上传
开始灌水 发表于 2012-7-25 23:35 ![]()
内存单元损坏？这种概率极小，如果坏了的话，所在芯片就报废了。
如果指的是FLASH或者磁盘的坏块，那这个 ...
没看见正文写的吗？即使内存条出现一个内存芯片损坏，可以将其屏蔽的
内存单元损坏？这种概率极小，如果坏了的话，所在芯片就报废了。
如果指的是FLASH或者磁盘的坏块，那这个 ...
没看见正文写的吗？即使内存条出现一个内存芯片损坏，可以将其屏蔽的
txdtj 发表于 2012-7-26 09:00 ![]()
没看见正文写的吗？即使内存条出现一个内存芯片损坏，可以将其屏蔽的
我说的是芯片报废，没说整个内存条报废。
由于总线是64位的，而很多内存芯片的总线不是64位，如16位、32位。
如果要构成64位数据总线就要64/N个芯片并联，如果这里某个芯片有故障，是严重影响性能的。
当然是用了这种内存条是严重影响性能，如果是传统内存条，电脑是崩溃了。
没看见正文写的吗？即使内存条出现一个内存芯片损坏，可以将其屏蔽的
我说的是芯片报废，没说整个内存条报废。
由于总线是64位的，而很多内存芯片的总线不是64位，如16位、32位。
如果要构成64位数据总线就要64/N个芯片并联，如果这里某个芯片有故障，是严重影响性能的。
当然是用了这种内存条是严重影响性能，如果是传统内存条，电脑是崩溃了。
Chipkill是一种具有自愈（Self-healing）能力的内存体系结构，在工作过程中进行自我测试（self-test）和自我诊断（self-diagnosis），如果某个RAM芯片或内存条损坏，可以向管理员报告出错信息，但机器仍可继续运行，管理人员可在适当的时候更换故障的零件
这不是说得很清楚了吗？如果flash或磁盘存在坏块，文件系统会标记并不再使用，但我们总不会因为一个坏块就把整个U盘或硬盘扔了吧？
这个内存条只是保障电脑不崩溃，管理员还是要换掉的。