Què és la memòria ECC?

Alguna memòria RAM, o memòria d'accés aleatori, s'anuncia com a memòria ECC. ECC significa Error Correcting Code i és un procés d'identificació i correcció d'errors a la memòria. Els errors a la memòria RAM poden provocar la corrupció o l'alteració de les dades, la qual cosa pot provocar bloquejos del dispositiu i fins i tot vulnerabilitats de seguretat. Normalment, la memòria RAM ECC no és compatible amb el maquinari de PC de grau de consum.

Què són els errors de memòria?

Els errors de memòria són un problema on es canvia el valor emmagatzemat a la memòria. Les dades de la RAM s'emmagatzemen en binària, amb valors d'1 o 0. Si el valor d'un 1 es canvia a un 0 o viceversa, en un procés anomenat "bit-flipping", les dades que s'emmagatzemen a la RAM canvien.

Per exemple, el bit canviat es podria utilitzar per emmagatzemar un valor en un full de càlcul. En aquest cas, el valor del full de càlcul es podria canviar a un número completament diferent que afectaria el resultat de qualsevol càlcul, per exemple, alterant les previsions econòmiques d'un negoci. En altres casos, el bit canviat podria desactivar una funció de seguretat o crear una errada que altera la forma en què s'executa un programa. Aquests dos exemples són extremadament difícils de detectar i resoldre sense utilitzar la memòria ECC. En un escenari extrem, s'inverteix un únic bit podria provocar un error catastròfic que provoqui una fallada del sistema.

Bit-flipping té moltes causes potencials, la causa més comuna és el resultat de la radiació de fons, causada principalment per neutrons creats per esdeveniments de raigs còsmics. Un raig còsmic és una partícula d'alta energia, normalment un protó, que viatja gairebé a la velocitat de la llum. Són emesos per cossos estel·lars, inclòs el Sol i altres objectes astronòmics d'alta energia. Quan un raig còsmic colpeja un àtom, es crea una pluja de neutrons i altres partícules subatòmiques, aquests neutrons tenen interaccions secundàries.

Es creu que aquestes interaccions de neutrons secundaris són la font principal d'errors de canvi de bits. Els raigs còsmics són més freqüents a altituds més altes amb un augment de 3,5 vegades a 1,5 km sobre el nivell del mar i un augment de 300 vegades a l'altitud de creuer dels avions de línia. Aquest augment del risc en altitud requereix mesures de fiabilitat addicionals.

Què tan freqüents són els errors de memòria?

La majoria de la gent no veu que els seus ordinadors es fan malbé cada dia, així que seria fàcil pensar que això és principalment un risc teòric. La investigació dels centres de dades d'hiperescala s'ha utilitzat per analitzar la taxa d'incidents de canvi de bits. La investigació realitzada per Google als seus centres de dades ha mostrat una taxa d'error d'aproximadament 1 error d'un bit per gigabyte de memòria RAM cada 1,8 hores.

La missió Cassini-Huygens de la Nasa que es va llançar el 1997 per viatjar a Saturn es va configurar amb dos ordinadors de vol idèntics cadascun amb 2,5 Gb de RAM. Durant els dos primers anys i mig del seu viatge, la nau espacial va observar 280 errors d'un sol bit al dia. Durant un dia, quan Cassini-Huygens estava en el camí d'una erupció solar, es va observar un augment de quatre vegades d'errors de bits, proporcionant més proves que el Sol era la causa de la majoria dels problemes de canvi de bits.

Hi havia preocupacions que l'augment continuat de la densitat dels mòduls de RAM portaria a les versions posteriors de RAM cada cop més vulnerables als canvis de bits. Estudis més recents han demostrat que de fet és el contrari, ja que els errors han disminuït a mesura que la geometria del procés ha disminuït.

Com protegeix la memòria ECC dels errors?

La memòria ECC utilitza codis de correcció d'errors, com ara codis Hamming, per corregir errors d'un sol bit a la memòria RAM. Els errors de doble bit es poden detectar però no corregir. Els codis de correcció d'errors Hamming funcionen mitjançant una matriu de bits de paritat. En conjunt, aquests bits de paritat es poden utilitzar per detectar si ha canviat algun bit de dades. Si s'identifica que un bit s'ha invertit, es canvia automàticament.

Consell: un error d'un sol bit és un incident de canvi de bit quan només s'inverteix un bit. En errors de doble 0 bits, s'inverteixen dos bits. Els dos bits no s'han d'invertir en el mateix incident, el segon bit-flip només s'ha de produir abans que es corregeixi el primer bit invertit.

S'inclou un bit de paritat més del necessari als codis de correcció d'errors de Hamming. Aquest bit de paritat addicional dóna al codi la capacitat de detectar l'aparició d'errors de doble bit, però, aquests errors no es poden corregir.

El procés de detecció i correcció d'errors es realitza al controlador de memòria a bord de la memòria RAM.

Disponibilitat i suport al consumidor

La majoria del maquinari de PC de grau de consum no admet memòria ECC. Això és parcialment com un mètode per distingir artificialment el maquinari del servidor del de consum. La memòria RAM ECC, però, costa més i funciona una mica més lent. A més, l'estabilitat addicional que proporcionaria als consumidors domèstics és mínima, ja que els errors de canvi de bits no són la causa principal dels errors del sistema.

Cap de les CPU de qualitat per a consumidors i entusiastes d'Intel admet memòria ECC, només les CPU de qualitat de servidor, com ara les CPU de la gamma Xeon. Les CPU de grau de consum d'AMD no admeten ECC, però, les seves CPU de grau de servidor i d'estació de treball, Threadripper i EPYC, respectivament, admeten memòria ECC.