服务器内存数据保护技术浅述.docVIP

服务器内存数据保护技术浅述 　　[摘要]介绍几种服务器内存数据保护技术，奇偶校验、ECC、Chipkill以及更高级的内存热备份和内存镜像技术，并就各自优劣进行分析和比较，并提供三年内存使用的模拟实验数据，有力的证实了Chipkill技术的可靠性和实用性。 　　[关键词]奇偶校验 ECC Chipkill 内存热备份 内存镜像 　　中图分类号：TP309.2；TP333.1 文献标识码：A 文章编号：1671－7597(2008)0620040－01 　　 　　一、引言 　　 　　随着服务器性能的不断提高，以及内存容量需求的不断增长，内存可靠性和稳定性的要求也不断提高。从最初的奇偶校验，到在此基础上发展出的ECC技术、高级ECC技术，到现今的CHIPKILL技术，以及更高级的内存热备份和内存镜像技术等，各类内存保护技术日趋成熟和完善，为服务器高度稳定的运行提供了可靠的保障。 　　 　　二、基本内存纠错技术 　　 　　（一）奇偶校验技术 　　90年代初，内存体系采用奇偶校验（Parity Verifying）技术。奇偶校验实现的方式是除传送数据位之外，再传送1位奇/偶校验位，并采用奇校验或偶校验进行验证。这种技术能够检测出传输数据中单比特错误，但不能纠错，发现错误后，只能重发。由于其实现简单，在中低端领域得到了广泛使用。随着应用的发展，在此基础上又产生了ECC（Error Checking and Correcting）。 　　（二）ECC技术 　　ECC也是通过数据外加位来实现的，在ECC纠错体系中，如果数据为N个字节，则外加的ECC位为（logN+5）。每次写数据时，ECC采用特殊的算法生成校验码，并把所有的校验码累加起来，得到一个校验和（Checksum），该校验和与数据存储在一起。每当从内存中读取数据的时，都要重新计算校验和，并与原校验和比较，以判断数据的正确性。当出现单个存储位错误时，ECC体系可以自动纠错，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，SEC/DED体系就无法检测，ECC内存会产生一个不可屏蔽的中断，通知系统数据出现错误。 　　ECC码的长度跟数据的长度是成对数关系，与奇偶校验相比，当数据位多于64位时，ECC码在空间占用上就会凸现优势，而且ECC校验还能纠正单错和检测2位多错。但ECC校验算法比奇偶校验复杂不少，需要专门的芯片支持，且系统需要时间来等待校验结果，所以ECC校验会降低系统速度2％～3％左右，但这小小的代价换来了系统稳定性的大幅提高。 　　（三）高级ECC技术 　　随着RAM芯片数据位宽的不断增加，以及内存容量需求的激增，ECC内存保护的效率也开始降低。为此HP公司开发了高级ECC内存技术，并得到广泛应用。新的ECC技术的内存中，每一个DRAM芯片提供4bit的数据给数据字。从每个芯片中出来的这4bit数据被平均分配给4个带有ECC技术的设备，每个设备1比特，这样一来，每个芯片上发生的错误可以分解为4个独立的单比特错误。其工作原理如图1所示。改进前，每一个ECC设备仅可纠正单错，而改进后的ECC设备可以纠正一个DRAM芯片中最多4比特错误，因此，高级ECC技术提供了更好的内存数据保护。 　　 　　（四）Chipkill内存技术 　　随着服务器CPU性能的不断提高，内存数据访问带宽要求也越来越高，单一内存芯片每次访问时通常要提供4（32位）或8（64位）字节以上的数据。数据访问量的增大，伴随着多位数据出错率的增大，然而ECC对纠多位错误又无能为力，于是IBM公司为此开发了一种新的ECC内存保护技术Chipkill。 　　图2描述了其工作原理。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。 　　 　　图2 Chipkill内存纠错原理 　　 　　图3 三年内由于内存故障导致的服务器延迟数 　　 　　配置32MB奇偶校验内存的服务器，每100台中有7台发生延迟。 　　配置1GB ECC校验内存的服务器，每100台中有9台发生延迟。 　　配置1GBCHIPKILL校验内存的服务器，每10000台中有6台发生延迟。 　　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DRAM芯片中。这样每个DRA