[发明专利]降低DRAM软错误的方法

说明书

本发明公开了一种降低DRAM软错误的方法，该方法能够主动检测软错误，智能降低软错误的发生率，使得DRAM中的错误位数保持在DRAM错误纠正能力范围之内，直至没有错误发生，DRAM恢复正常状态，从而提高了内存的可靠性、可用性以及可服务性，该方法可用于为广大客户提供关键任务程序和服务的领域，应用范围广，适用性强。

技术领域

本发明涉及一种计算机内存设计及应用领域，尤其涉及一种降低DRAM软错误的方法。

背景技术

目前，服务器的可靠性(reliability)、可用性(availability)以及可服务性(serviceability)对于当代IT企业来说是至关重要的问题，因为这些服务器需要为广大客户提供关键任务程序(mission-critical applications)和服务，例如数据库、企业资源规划(ERP)、用户资源管理(CRM)、商业智能应用以及高端事务处理系统等，一旦这些应用程序交付失败，服务器系统停机而导致的损失将极其昂贵。因此Intel公司在其处理器芯片中加入了广泛而强大的RAS功能，为所有的处理器、内存、I/O数据通路提供错误检测、纠正、抑制以及恢复功能，从而使系统更加趋于安全稳定。所谓RAS就是可靠性(reliability)、可用性(availability)以及可服务性(serviceability)的简称，其中。可靠性就是解决数据完整性的问题，可用性就是在性能最小退化下确保系统无停机运行，可服务性就是针对如何主动和被动地简化处理已经存在的或潜在的错误组件。RAS功能流程图如图1所示。正常状态下系统能够进行错误预防，在错误状态下对数据进行功能检测并标记错误，如果这些错误能够修正，那么进行错误纠正使之恢复到正常状态。严重的错误将会被隔离(错误抑制)并记录下来，然后进行系统恢复，系统与BIOS、固件以及操作系统协同工作以恢复或者重启进程从而恢复到正常状态下，系统也可以通过隔离或替代缺陷固件或增加硬件资源在不关机下完成重新配置，恢复到正常状态。

而内存(DRAM)错误是导致计算机崩溃的最常见的硬件错误。Google公司和多伦多大学公布的一项研究结果表明，DRAM内存模块的数据错误率要远远高于人们的预想，而且更有可能成为系统死机和服务中断的罪魁祸首。这项研究采用了上百万台Google服务器，结果表明所有DIMM(Dual-Inline-Memory-Modules)中有大约8.2％受到了可修正错误的影响，平均一个DIMM每年要发生3700次可修正错误。这项报告指出:“我们首次发现内存错误普遍存在。所有在用设备中大约1/3每年至少遇到一次内存错误，平均每年发生的可修正错误为22000次。在不同平台上得出的数据不同，有些平台大约有50％的设备受到可修正错误的影响，有的仅为12％～27％。”错误通常可以分为两种，软错误(soft error)和硬错误(hard error)。“软错误”问题，是指由构成地球低强度背景辐射的核粒子引起的芯片内部电荷贮存状态的改变，这种改变虽然不会对芯片产生有形损坏，但将产生错误数据并造成设备的临时故障。晶体管的尺寸不断变小令每个晶体管本身对背景辐射的影响更加敏感，而芯片复杂性的大幅度提高也意味着芯片上某一部分遭受一个软错误的影响的机率大幅提高。软错误是可以通过再编程修正的。但是在许多情况下，我们所使用的电脑硬件确实就是会损坏。热量或是制造缺陷会导致部件随着时间的推移而磨损，导致电子从一个晶体管渗漏到另一个晶体管，或是导致旨在传输电流的芯片出现故障。这些就是所谓的“硬错误”(hard error)。硬错误是不能通过重写来修正的。正在设计下一代电脑芯片的科学家很担心“软错误”的问题，这是因为一个非常重大的因素：功率。在下一代超级电脑开始上线的情况下，它们将拥有更多的芯片和更小的部件。随着晶体管变得越来越小，这些电脑将需要越来越多的能量，才能阻止粒子对其造成影响。