服务器之 ECC 内存的工作原理

大家好，我是飞哥！

在开始今天的分享之前，我先给大家看两个 1R * 8 的内存条。

现在的 CPU 都是 64 位的，每次和内存通信都要传输 64 比特的数据。1R * 8 类型的内存中的 1R 指的是该内存条只有一个 rank，8 指的是在每一次 64 比特的内存 IO 过程中，每个内存颗粒分别提供 8 比特的数据。这样计算一下，64 比特的数据就需要 8 个内存颗粒共同来组成。

这两个内存条中，为什么一个是 8 个颗粒，另一个是 9 个颗粒呢？这个故事还要从比特翻转说起。

一、比特翻转和 ECC 内存

我们的电脑在运行的时候，CPU 一直都需要和内存进行数据交互。但在交互的过程中，由于周围电磁场的干扰，会有概率发生比特翻转。

据统计，一根 8 GB 的内存条平均大约每小时会出现 1 - 5 个这样的错误。

我们使用个人电脑在办公的时候，由于内存主要都用来处理图片、视频等数据。即使内存出现了比特翻转，可能影响的只是一个像素值，很难感觉出来，没有太大的影响。即使是比特翻转真的发生在关键的系统代码导致运行出问题，也不是什么大事，重启一次就解决了。

但在服务器应用中，处理的一般都是非常重要的计算，可能是一笔订单交易，也可能是一笔存款。另外就是服务器经常是连续要运行几个月甚至是几年，没有办法通过重启的方式来解决问题。因此服务器对比特翻转错误的容忍度很低。需要有技术方案能够一定程度解决比特翻转问题所带来的影响。

ECC 就是这样一种内存技术。它的英文全称是 “Error Checking and Correcting”，对应的中文名称就叫做“错误检查和纠正”。从它的名称中我们可以看出，ECC 不但能发现内存中的错误，而且还可以进行纠正。

相比没有使用 ECC 技术的个人电脑内存，内存颗粒中全部都用来存储数据即可。在 ECC 内存中每 64 比特的数据都需要额外的 8 比特数据作为校验位，用来辅助发现或者纠正错误。

所以，开篇的问题我们就有答案了。普通的内存条中全部颗粒都用来存储真正的数据。而 ECC 内存中除了数据外，还需要存储 8 比特的校验位。

在普通的 1R * 8 的内存中需要 64 / 8 = 8 个颗粒就够了。但是 ECC 内存中一次 IO 要传输 72 比特的数据，所以总共需要 72 / 8 = 9 个内存颗粒。

问题已经弄明白了。但是咱们「开发内功**」的风格是不光要知道，还要弄懂原理。所以我们再接着看 ECC 纠错算法是如何工作的。

二、ECC 纠错原理

那么为什么 ECC 内存有了额外的 8 比特的冗余校验数据就能够发现和纠正错误了呢？我们先来看下最简单的奇偶校验。

2.1 简单的奇偶校验

简单的奇偶校验可以用来发现单比特翻转。注意重点关键字是“发现”和“单比特”。该算法只能用作发现，无法纠错。而且也只针对单比特翻转有效，无法处理两个比特同时翻转的情况。

其原理是在要监测的数据前面加入 1 比特的数据，用来保证整个二进制数组中（包括校验位）的 1 的个数是偶数。

例如下面是一个 8 比特的二进制数组。

对于情况1：假设原始数据中已经是偶数个 1 了，所以校验位设置为 0 就可以了，这样整体上 1 的个数是偶数个。

对于情况2：假设原始数据中 1 的个数为奇数个，所以校验位需要设置为 1 ，以保证整个数组中 1 的个数是偶数个。由于校验位并不是真正的用户数据，所以并不影响数据的正确读取。

总的来说，在加完 1 比特校验位的二进制数组中，正确的情况下 1 的个数永远是偶数个。

如果有 1 比特位发生了翻转的话，必然会导致二进制数组中 1 的个数变成了奇数个。这样，我们通过观察数据中 1 的个数是不是偶数个就可以知道有没有单比特翻转发生了。

了解完原理你也就知道前面提到的简单奇偶校验的两个局限性了

一是只能发现出错了，但并不知道哪个位置出错，所以无法纠错。
二是只能发现单比特翻转，对于两个比特的翻转无能为力。

2.2 海明码介绍

为了解决纠错和两个数据出错的问题，Richard Hamming 于 1950 年在简单奇偶校验算法的基础上提出了也叫海明校验码算法。Richard Hamming 本人也因为该算法获得了 1968 年的图灵奖。该虽然至今已经过去了 70 多年，但至今仍然广泛应用在服务器的 ECC 内存上。

首先要说的是海明码是有局限性的。对于以下几种情况：

如果 64 比特数据中发生了单比特翻转的话，海明码不但能够发现发生了错误，还能够找到错误的位置并纠正。
如果发生了两个比特翻转，海明码只能够发现出了错误。但无法定位到具体的位置无法纠错，只能通过重传的方式来解决。
如果发生了 3 个或者以上的比特翻转的话，海明码就无能为力了。

在实际中，内存中 64 比特数据中 3 个或者更多比特同时发生的概率非常非常的低。另外就是内存在运行上要求速度要足够的快，海明码用硬件实现起来性能损耗大约只有 2% - 3%。所以虽然海明码不能应对 3 比特以上的比特翻转，但目前仍然广泛地应用在服务器端的内存的错误检查和纠正上。在 SSD 硬盘中由于应用场景的不同，采用的是支持多比特翻转校验和纠错的 LDPC 码。