[发明专利]处理在差错处理程序执行期间出现的差错的方法

说明书

背景

诸如来自宇宙射线的中子和来自半导体器件封装中的放射性痕量组分的α粒 子之类的高能亚原子粒子在它们通过这一器件时会产生电子-空穴对。晶体管的源 极和漏极端会收集这些电荷，并且最终足够的电荷累积会导致含有该晶体管的逻辑 器件反转状态或翻转，从而将逻辑错误引入电路工作中。这些错误是瞬时的，因为 它们不是器件的永久性故障，并且因此被称为软差错或瞬时差错。一种常见形式的 软差错是构成存储器单元(诸如，高速缓存单元或寄存器单元)的一部分的晶体管 内引起由这一单元表示的比特从其应有值翻转的差错。

软差错影响处理器或其他半导体器件的可能性取决于片上晶体管的个数。尤 其是在处理器的情况下，片上晶体管的个数已经飞快地增加，因此由软差错引起的 差错率也成比例地增加。因此，减轻软差错对处理器操作的影响的重要性增加。

图1为了清楚起见以流程图示出了在诸如寄存器或高速缓存等处理器存储器 单元中的软差错的分类。当出现软差错时(110)，如果受影响的比特未被读取， 则可认为该错误是良性的(120和140)。如果该比特被读取，但是诸如高速缓存 线或寄存器组等受影响单元具有内置的差错保护(130)，则该差错是可恢复或者 至少是可检测的。此类纠错是周知的，并且例如可包括奇偶校验和ECC方案。在 一比特不具备差错保护并且该比特影响了处理器中任何正在进行的计算的正确性 的情况下，认为无记载数据讹误(silent data corruption)已经出现(180)。这是处 理器设计人员试图最小化其发生概率的不希望状态。

如果差错被检测到并能够被纠正(150)，则将该比特设置或将复位为其初始 值，且处理器操作正常继续(190)。如果该差错无法被纠正，但已被检测到，则 处理器因为这一差错被认为是不可恢复的而可采取额外的行动(170)。此类差错 被称为测得的不可恢复差错或DUE。

DUE通常至少会导致正在执行的试图读取差错比特的进程因差错而终止，并 且有时候还会导致在处理器上运行的整个操作系统因差错终止，从而导致机器停机 或重启。当然，优选终止一进程而不是整个系统以将DUE的总体影响减到最小。 在诸如关键用途服务器等高度可靠的系统中，设计人员试图确保系统终止DUE之 间的平均时间非常高，例如25年。

当检测到DUE时，处理器进入软件差错处理例程。使用寄存器差错日志，该 例程确定该DUE是否保证一进程或系统终止以及如何行进下去。在一种情况下， 第二DUE会在用于第一DUE的差错处理例程的执行期间出现。虽然出现这种情 况的可能性相对较小，但是高度可靠处理器的设计人员仍需考虑这一情况。

附图简述

图1以流程图描述了取决于检测、影响与缓和的软差错及各种结果的影响(现 有技术)。

图2描述了一个实施例中的基于处理器的系统。

图3是一个实施例中在响应于第一DUE激活差错处理例程之后的可能状态的 状态图。

图4是一个实施例中用于减轻第二DUE在第一DUE的差错处理期间出现的 影响的基于软件的解决方案的流程图。

详细描述

图2描述了一个实施例中的基于处理器的系统。这一系统包括处理器210、以 及包括用以存储数据与可由处理器执行程序的读-写随机存取存储器(RAM存储 器)270、只读存储器(ROM存储器)290和诸如磁盘系统280等非易失性存储单 元的存储子系统，它们由系统总线260互连并通过系统输入/输出(I/O)设备和外 围设备250与外部网络接口。处理器可以包括为在处理器上执行的各个进程存储常 用数据的一组通用寄存器220；指示处理器操作的各方面的状态的一组状态标志或 比特240；以及允许各状态标志之间的交互的信令逻辑230。如所公知的，诸如高 速缓存、逻辑单元、流水线等的许多其他组件也可作为处理器的组件存在，并且类 似地在基于处理器的系统内也可以有其他的组件，但为清楚起见在此不做描述。