ECC-память

Электромагнитные помехи внутри компьютерной системы способны спонтанно поменять состояние ячейки компьютерной памяти. Самой частой причиной такого изменения являются нейтроны из космических лучей[3]. Поэтому частота ошибок в компьютерных системах возрастает при увеличении высоты. Так, поток нейтронов в 3,5 раза больше на высоте 1,5 км и в 300 раз больше на высоте 10-12 км (типичной высоте полёта пассажирских самолётов), чем на уровне моря[4]. Поэтому системы, работающие на большой высоте, требуют большей защиты.

Например, на космическом аппарате Кассини-Гюйгенс установлены два идентичных устройства записи, каждое из которых содержит 2,5 гигабита памяти. На протяжении первых 2,5 лет полёта регистрировалось примерно постоянное количество ошибок каждый день: примерно 280 ошибок в день. Однако в течение одного дня (6 ноября 1997 года) число ошибок возросло в четыре раза. Считается, что это произошло из-за геомагнитной бури[5] (также протонная буря), которая была зафиксирована спутником GOES 9[6].

Существуют опасения, что тенденция к уменьшению физических размеров модулей памяти приведёт к увеличению частоты возникновения ошибок из-за того, что частицы меньших энергий будут способны изменить бит[4]. С другой стороны, компактные размеры памяти уменьшают вероятность попадания частиц в неё. Кроме того, переход на такие технологии, как кремний на изоляторе, может сделать память более устойчивой[7].

Исследование, проведённое на большом количестве серверов Google, показало, что количество ошибок может составлять от 25 000 до 70 000 за миллиард рабочих часов (англ. device hours) на мегабит (то есть 2,5-7,0 × 10⁻¹¹ ошибок / бит·час)[8].

Одним из решений проблемы является контроль чётности — использование дополнительного бита, который записывает чётность остальных битов. Такой подход позволяет обнаруживать ошибки, но не позволяет исправлять их, поэтому при обнаружении ошибки можно лишь прервать выполнение программы.

Более надёжным является подход, при котором используются коды с коррекцией ошибок. Самым часто используемым кодом с коррекцией ошибок является код Хэмминга. Большинство видов памяти с коррекцией ошибок, используемых в современных компьютерах, может исправлять ошибку одного бита в одном 64-битном машинном слове и определить, но не исправить, ошибку в двух битах в одном 64-битном слове[9].

Наиболее эффективный подход к исправлению ошибок зависит от вида ожидаемых ошибок. Часто предполагается, что изменения различных битов происходят независимо — в таком случае вероятность двух ошибок в одном слове пренебрежимо мала. Однако это предположение не выполняется для современных компьютеров. Технология коррекции ошибок Chipkill (IBM) позволяет исправлять несколько ошибок, в том числе и при порче целого чипа памяти. Другие технологии коррекции памяти, которые не предполагают независимости ошибок в разных битах, включают Extended ECC (Sun Microsystems), Chipspare (Hewlett-Packard) и SDDC (Intel).

Многие старые системы сообщали лишь о тех из обнаруженных ошибок, которые невозможно было исправить, и не сообщали об исправленных. Современные системы записывают как исправимые ошибки (CE, англ. correctable errors), так и неисправимые (UE, англ. uncorrectable errors). Это позволяет вовремя заменить испорченную память: несмотря на то, что большое количество исправленных ошибок при отсутствии неисправимых ошибок не влияет на корректность работы памяти, это может свидетельствовать о том, что для данного модуля памяти вероятность появления неисправимых ошибок в будущем возрастёт[10].

Память с коррекцией ошибок защищает от некорректной работы компьютерной системы в связи с порчей памяти и уменьшает вероятность фатального отказа системы. Однако такая память стоит дороже; материнская плата, чипсет и процессор, которые поддерживают память с коррекцией ошибок, также могут быть дороже, поэтому такая память, как правило, используется лишь в системах, для которых критически важна бесперебойная и корректная работа, таких, например, как файловый сервер, научные и финансовые приложения.

Для проверки сумм часто требуется один дополнительный такт контроллера памяти. Дополнительная логика, реализующая подсчет, проверку ECC и исправление ошибок, требует логических ресурсов и времени на свою работу либо в самом контроллере памяти, либо в интерфейсе между CPU и контроллером памяти[11]. Поэтому память с коррекцией ошибок работает на 2-3 % медленнее, чем обычная память, в зависимости от приложений[12].

• Турбокод
• Прямая коррекция ошибок

• SoftECC: A System for Software Memory Integrity Checking
• A Tunable, Software-based DRAM Error Detection and Correction Library for HPC
• Detection and Correction of Silent Data Corruption for Large-Scale High-Performance Computing
• Single-Bit Errors: A Memory Module Supplier’s perspective on cause, impact and detection
• Intel Xeon Processor E3 — 1200 Product Family Memory Configuration Guide
• Parity Checking (неопр.). Pcguide.com (17 апреля 2001). Дата обращения: 23 ноября 2011.
• Actel engineers use triple-module redundancy in new rad-hard FPGA (неопр.) (недоступная ссылка). Military & Aerospace Electronics. Дата обращения: 16 февраля 2009. Архивировано 14 июля 2012 года.
• SEU Hardening of Field Programmable Gate Arrays (FPGAs) For Space Applications and Device Characterization (неопр.). Klabs.org (3 февраля 2010). Дата обращения: 23 ноября 2011. Архивировано 25 ноября 2011 года.
• FPGAs in Space (неопр.). Techfocusmedia.net. Дата обращения: 23 ноября 2011. (недоступная ссылка)
• Commercial Microelectronics Technologies for Applications in the Satellite Radiation Environment (неопр.) (недоступная ссылка). Radhome.gsfc.nasa.gov. Дата обращения: 23 ноября 2011. Архивировано 22 апреля 2019 года.
• Discussion of ECC on pcguide (неопр.). Pcguide.com (17 апреля 2001). Дата обращения: 23 ноября 2011.
• CDC 6600 (неопр.). Microsoft Research. Дата обращения: 23 ноября 2011.
• A Memory Soft Error Measurement on Production Systems (неопр.) (недоступная ссылка). Дата обращения: 17 апреля 2016. Архивировано 14 февраля 2017 года.