Memory 无ECC平台的软件内存位翻转检测
大多数可用的桌面（廉价）x86平台现在仍然没有ECC内存支持（）。但内存位翻转错误率仍在增长（，：“其内存模块的位错误率为10-12…观察到的错误率比预期低4个数量级”；2009年谷歌）。对于具有数据密集型负载（8 GB/s的读取）的当前硬件，这意味着每分钟（CERN07的10-12 BER）或两天（CERN07的10-16 BER）可能发生一次单位翻转。谷歌09表示，每兆比特（每十亿小时发生一次故障）最多可以有25000-75000个一位适合，这相当于8GB内存每小时1-5位错误（“平均可纠正错误率为每年每GB 2000-6000”） 所以，我想知道，是否有可能以系统范围的方式添加某种软件错误检测（检查用户和内核内存）。例如，为Linux内核和/或系统编译器创建一个补丁，为每个内存页添加一些校验和，并尝试通过定期重新计算校验和来检测静默内存损坏（位翻转） 例如，我们是否可以看到所有对内存的写入（来自用户和内核空间），以区分预期的内存更改和内存中的位翻转？或者，我们能不能用一些助手来检测所有代码 我知道任何类型的软件内存ECC都可能会花费大量的性能，并且不会捕获所有的错误，但我认为，在将其重新用于以后的计算或存储到硬盘驱动器之前，尽早检测至少一些内存位翻转是有用的Memory 无ECC平台的软件内存位翻转检测,memory,linux-kernel,error-detection,Memory,Linux Kernel,Error Detection,大多数可用的桌面（廉价）x86平台现在仍然没有ECC内存支持（）。但内存位翻转错误率仍在增长（，：“其内存模块的位错误率为10-12…观察到的错误率比预期低4个数量级”；2009年谷歌）。对于具有数据密集型负载（8 GB/s的读取）的当前硬件，这意味着每分钟（CERN07的10-12 BER）或两天（CERN07的10-16 BER）可能发生一次单位翻转。谷歌09表示，每兆比特（每十亿小时发生一次故障）最多可以有25000-75000个一位适合，这相当于8GB内存每小时1-5位错误（“平均可纠正
我也知道，更好的防止内存位翻转的数据保护方法是切换到ECC硬件，但大多数PC仍然是非ECC的。问题的答案是肯定的，评论中发布的软件就是证明
请注意，SofteC是一个内核级解决方案。如果使用用户登录应用程序，这将是第三阶段的冗余，这似乎是不必要的。问题是，与“软件ECC对策”相比，ECC非常便宜。您可以轻松检测到他们是否有ECC模块，如果没有，您可以投诉（或打印警告） 例如，我们是否可以看到所有对内存的写入（来自用户和内核空间），以区分预期的内存更改和内存中的位翻转？或者，我们能不能用一些助手来检测所有代码 呃，你永远不会在公共汽车上“看到”这一点。它们实际上是由一个粒子撞击公羊，稍微翻转而引起的。直到很久以后，你才注意到你读的东西与你写的不同。要仅通过总线检测到这一点，您需要所有RAM的副本（即，创建真实RAM中内容的卷影副本，以便验证每次读取都返回写入该位置的内容。） 尝试通过定期重新计算校验和来检测静默内存损坏（位翻转） Redis的家伙写了一篇很好的关于测试RAM问题的算法的文章。但这实际上是在寻找RAM错误，而不是随机位翻转 If“重新计算校验和”仅在不写入内存时有效。这可能“足够好”，但您需要找出哪些页面没有被写入 为了捕获100%的错误，每次写入都必须通过计算该内存块的校验和，然后将其与记录的校验和进行比较（以确保该块在RAM中没有降级）来进行。只有这样，才可以安全地进行写操作，然后更新校验和。正如您所能想象的，这将是可怕的性能（至少慢100倍） 我知道任何类型的软件内存ECC都可能会花费大量的性能，并且不会捕获所有的错误，但我认为，在将其重新用于以后的计算或存储到硬盘驱动器之前，尽早检测至少一些内存位翻转是有用的 嗯，有一种简单的方法可以检测100%的错误，但要付出50%的性能代价：一次在两个盒子上运行计算（或者在一个盒子上运行两个不同的时间，如果你有妄想症，可能在两个盒子之间进行RAM测试）。如果结果不同，那么你检测到了错误 另见：
一些链接：2005年、Libsdc 2011年、RedMPI 2012（）和来自NCSU的David Fiala的其他论文（）还有Derek Jones，《代码的形状》博客帖子：，是的，有很多软件解决方案，请参阅本文：为什么是“第三”？SoftECC是第一位的，只有在与SoftECC同时使用时，用户空间（libsdc）才是第二位的。我问的是没有硬件ECC的硬件。似乎你问的是软件错误检测。Brave，是的，ECC内存DIMM很便宜（芯片成本仅高出1/8），但使用ECC校正/检测的硬件平台并不便宜。例如，Intel在桌面CPU的所有内存控制器（如Core2、i3/i5/i7）中禁用ECC支持。只有Xeon启用了ECC电路。对AMD不太清楚。PS：感谢您提出的内存复制的想法（-30-40%的性能，+100%的内存开销）。支持ecc的平台并不便宜，而且通常并非所有平台都受支持。如果您想避免使用Intel x86/i64平台，例如使用Arm soc，那么找到一个具有ecc内存的平台的机会为零。我认为OP并不是真的在询问校验和，而是一个错误纠正代码，例如。通过使用一些额外的位，您可以确定给定的字是否有效。一些代码只能检测单个位错误，其他代码可以检测和纠正多个位错误。不过，在软件中实现这一点会很尴尬，因为在添加奇偶校验位后，您需要从非标准字长开始，以适应大多数计算机的32/64位字。@osgx AMD在几乎所有方面都支持ECC。这主要是主板支持的问题。然而，我怀疑，与其在代码中添加一个很有可能破坏性能的黑客攻击，这可能是一个很好的选择