PCT speciál – jak jsem stavěl domácí server 1. díl | Kapitola 7

ECC RAM

Druhou položkou, která by neměla v počítači zaměřeném na spolehlivost chybět, jsou paměti s kontrolou chyb - paměti s ECC. Ty brání tomu, aby byly do vašich dat náhodně vnášeny chyby vlivem nespolehlivost hardware. ECC RAM se dnes používají prakticky ve všech serverech a v některých pracovních stanicích. Příliš se nepoužívají v desktopech a u notebooků, kde se na spolehlivost obvykle neklade příliš důraz.

i Zdroj: PCTuning.cz

Paměťový modul DDR3 Unbuffered ECC – všimněte si devíti čipů

Jak funguje paměť ECC ? Standardní DIMM modul má datovou šířku 64 bitů a skládá se z osmi paměťových čipů po 8 bitech. Takový modul nechrání proti selhání dat. Modul ECC naproti tomu má šířku 72 bitů (64 bitů + 8 bitů korekce) a sestává z devíti paměťových čipů. Uchovává stejné množství údajů, devátý modul je zde přítomen proto, aby do něj byly uloženy informace o kontrolním součtu. ECC modul umožňuje detekovat 2 bity chyb a opravit 1 bit chybu. To je dostatečná míra spolehlivost na drtivou většinu situací.

Proč je tato kontrola důležitá? Paměti totiž nejsou stoprocentně spolehlivé. Vlivem elektromagnetického záření (zejména z počítačového zdroje, kosmického záření), teploty, napěťových špiček atp. se můžou nahodile měnit hodnoty uložené v paměti. Jinými slovy jedničky se můžou změnit na nuly a nuly na jedničky. Tyto nahodilé změny jsou označovány termínem Soft Errors. Množství takto vygenerovaných chyb se pak označuje termínem Soft Error Rate (SER). Podle dokumentu zveřejněného AMD se u moderních paměťových modulů vyskytuje zhruba jeden Soft Error za 2 až 4 týdny na 1 GB paměti RAM. To v praxi znamená, že při dnes docela běžných 4 GB dojde k poškození dat zhruba jednou až dvakrát do týdne, při 8 GB se tak může stávat zhruba dvakrát až čtyřikrát do týdne.

i Zdroj: PCTuning.cz

Na screenshotu výše z mého domácího serveru je v systémovém logu zaznamenána oprava chyby v paměti. Počítač obsahuje 8 GB RAM ve dvou modulech a k chybě dochází cca jednou až dvakrát za týden. V případě intenzivní zátěže je výskyt chyb častější. V běžném systému bez ECC RAM takové chyby nejsou vůbec odhaleny, natož aby byly opraveny. Za normálních okolností chybu nepoznáte, protože může způsobit třeba jen nestabilitu nějakého programu, nepostřehnutelnou chybu v čísle atp. Někdy ale můžou být následky horší, např. když se poškodí archiv s cennými údaji. 

Podotýkám, že počítač uvedený výše je schopen stresového testu Prime95 64 bit 10 dní non-stop bez chyby.

Zda zvolit do počítače paměti s ECC není ani tak otázka jejich nutnost jako spíše vaší tolerance k chybám. Někteří uživatelé argumentují, že jejich počítač běží třeba půl roku a stále stabilně. Faktem ale je, že jakožto uživatel chybu v paměti většinou nepoznáte. Obvykle k ní totiž dojde v datové oblasti, kde důsledek nebude fatální (např. havárie systému). Těžko si třeba všimnete, že obrázek na ploše má jeden pixel jiné barvy, než kterou by měl mít. Stejně tak si asi nevšimnete, že video uložené na disk je jiné, než jaké by mělo být. Máte-li ale cenná data, je asi nevhodné pohřbít spolehlivost počítače tím, že umožníte vznik takovýchto chyb, přestože situace s fatálními následky nemusí být právě běžná.

Režimy práce ECC RAM

Paměti typu ECC mají hned několik režimů práce. Základní schéma ECC ve formě 64 bit + 8 bit korekce jsem již popsal. Toto schéma je samozřejmě možné rozšířit na dva řadiče a získat 128 bit + 16 bit korekce, přičemž ochrana je stejná, a sice že pokud dojde k dvěma opravitelným chybám současně, musí se tak stát vždy po jedné v každém modulu. V opačném případě chyby nemůžou být opraveny. Druhou obvyklou možností práce je Chip Kill mód, který je funkční jen při dvojici paměťových řadičů operujících v synchronním režimu (tzv. ganged mode). V takovém případě je korekce rozdistibuována mezi více čipů, a tedy může být opravováno víc chyb v jednom modulu, pokud není překročen maximální počet v jednom okamžiku přítomných chyb.

i Zdroj: PCTuning.cz

Vhodné je ale i zmínit se o tom, kdy ke korekci dochází. Běžně k ní totiž dochází jen při čtení údajů z paměti. Kontrolu totiž fyzicky provádí řadič a ne paměť samotná, z čehož plyne, že jediný okamžik, kdy k opravě může dojít, je když řadič data přečte a zkontroluje. A to se běžně děje jen v okamžiku, kdy jsou data vyžadována. U počítačů s procesory AMD je ale možné zapnout také memory scrubber. To je vlastnost, kdy řadič v určitých časových intervalech (nastavitelných) čte postupně celou paměť a provádí její kontrolu. Díky této vlastnosti je možné výrazně omezit pravděpodobnost nastání situace, kdy dojde k druhé (a tudíž neopravitelné) chybě v paměti před tím, než je první chyba přečtena a opravena. Schubbery takto opravují i data v cache procesoru a to ve všech úrovních (L1, L2 a L3).

i Zdroj: PCTuning.cz

Doporučené nastavení pro RAM scrubbing 

Scrubber pochopitelně znamená určitou ztrátu výkonu a zvýšení spotřeby, na druhou stranu bez jeho použití je spolehlivost ECC RAM značně nižší. AMD doporučuje nastavit memory scrubbing na základě zejména těchto faktorů:

• Velikost paměti RAM

• Uživatelova tolerance vůči možným chybám

• Uživatelovy nároky na výkon počítače 

• Geografická lokace počítače (včetně nadmořské výšky)

Pokud tedy bydlíte v místě, kde je třeba větší radiace (v ČR docela typické, neboť velká část území je pokryta radonem, který se rozpadá na alfa záření), je vhodné využít častější interval scrubberu.