跳到主要内容

1 / 4概念

Fault Models, ECC and Redundancy

硬件会坏,但坏法不同:位翻转可以纠正,整片 DRAM 失效需要符号级保护,逻辑错误只能靠冗余或重算。故障模型把物理缺陷抽象成可检测、可计数的错误,ECC 与冗余再决定这些错误是否变成用户可见的失效。读完能选对保护级别,并读懂 edac-util 与 MCE 日志。

1 概念​

1.1 一句话定义​

故障模型把物理缺陷抽象为故障、错误与失效三级因果链,ECC 用冗余校验位检测并纠正错误,冗余用额外副本、表决或备件把失效挡在系统之外。

1.2 它解决什么问题​

  • 防静默损坏:内存位翻转不一定报错,ECC 把它变成可纠正或至少可检测的事件。
  • 量化可用性:用 FIT、MTBF 与 MTTR 把“几个 9”变成可验收的年停机时间。

1.3 不属于本页的内容​

主题去哪
功耗、温度与降频Power, Energy and Thermal
硬件安全、侧信道与 TEEHardware Security
RAID 与存储层冗余RAID

1.4 关键术语​

术语含义容易混淆的点
fault物理缺陷或异常条件不等于已发生的错误
error因故障而偏离正确值的数据或状态不等于用户可见的失效
failure系统不再提供规定服务是错误传播的结果
SECDED纠一位、检两位的编码检测能力不等于纠正能力
chipkill符号级纠错,可容忍整颗 DRAM 失效不是整机冗余
scrubbing定期读回并回写,清理累积错误不是备份