[发明专利]单芯片和双芯片备援

说明书

背景技术

计算设备可能遭受任何数量的不同类型的故障。一个特定类型的故障是组成存储器系统的存储器芯片中的故障。单独存储器芯片的故障可以减少对系统可用的存储器的量。因为存储器芯片通常不是单独可维修的，所以替换故障存储器芯片可能需要完整替换存储器模块，其可能包含许多非故障芯片。此外，在计算机操作时存储器典型地不可维修，并且因此可能需要停机时间来实施故障存储器模块的替换。

附图说明

图1描绘了存储器系统的示例的框图。

图2描绘了具有芯片故障的存储器系统的示例的另一个框图。

图3（a-b）描绘了具有芯片故障的存储器系统的附加示例。

图4（a-c）描绘了具有多个芯片故障的存储器系统的示例。

图5描绘了从芯片故障恢复的示例流程图。

图6描绘了从芯片故障恢复的另一个示例流程图。

图7描绘了从芯片故障恢复的示例流程图。

图8描绘了从多个芯片故障恢复的示例流程图。

具体实施方式

由于需要替换有故障的存储器部件，所以计算系统中的存储器故障可以导致意外的系统停机时间。当今计算环境中的意外停机时间（其中计算系统的高可用性被预期）可能是无法忍受的。当故障在服务器系统中发生时，由于存储器故障所引起的问题可能进一步被恶化，因为许多不同的用户可以被系统停机时间影响。此外，许多组织依赖于在其计算机上运行的应用的连续可用性，以实现组织的目标。由于存储器故障引起的意外停机时间对于那些目标可能是不利的。

为了缓解存储器故障的影响，数个技术是可用的。一个这种技术可以被称为单芯片备援（SCS）。在SCS系统中，存储器控制器可以在存储器中存储缓存行，使得任何单个存储器芯片的故障不导致缓存行变为不可用。例如，缓存行可以被存储在具有错误修正代码（ECC）保护的存储器中。能够检测和修正单芯片的故障的ECC可以从多个可用错误修正代码中被选择。当存储器中的芯片故障时，ECC可以被用于确保缓存行仍然可用。

SCS系统能够继续运行，甚至在ECC码字内的单个存储器芯片故障的情形下。此外，SCS系统能够以高效的方式利用存储器和存储器控制器之间的带宽。然而，SCS系统遭受它们仅能够从ECC码字内的单芯片故障恢复的固有问题。码字内的第二存储器芯片的故障最低可以导致对替换故障存储器的系统停机时间的需求。

可以被用来缓解存储器中的故障的另一个技术可以被称为双芯片备援（DCS）。在DCS中，缓存行再次被存储在具有许多已知错误修正代码中的一个的保护的存储器中，所述错误修正代码能够在每个ECC码字内检测和修正最多两个存储器芯片故障。与SCS相比较，能够在两个错误芯片中修正故障的错误修正代码典型地横跨大量芯片分布缓存行，从而当芯片故障时减少被损坏的位的数量。例如，缓存行可以在两个分离的存储器总线上包含的芯片之间被分布，或在单个总线上的芯片之间被分布但在单个总线上的地址之间分布，使得存储缓存行的两个芯片的任何错误不使所述行不可用。缓存行的分布可以在不同总线上的存储器模块、相同总线上的不同存储器模块、或相同存储器模块上的不同排列（rank）之间发生。

DCS具有如下优点：在需要停机时间以便修理之前，能够经受住ECC码字内的两个存储器芯片中的故障。因此，第一故障可以发生，并且系统可以继续操作。甚至当第二故障发生时，系统继续操作。因此，与SCS相比较，系统管理员可以被给予更宽的机会窗口来在计划维护时段期间致力于解决存储器故障。第一存储器芯片的故障不导致其中接下来的故障可能导致系统不可用的情形。可能不需要维修直到第二芯片故障，第二芯片故障直到第一芯片故障之后的相当大的时间量才可能会发生。

然而，由DCS提供的增加的保护是要付出代价的。如所提及的，DCS通过横跨多个总线或单个总线内的存储器地址的多个不同范围存储缓存行进行操作。访问多个总线或地址范围的需求导致从存储器到存储器控制器的数据转移的低效率，因为需要额外的周期来配置从不同总线或单个总线上的不同范围读取/写入到不同总线或单个总线上的不同范围。为获取DCS的保护，多达40%的总线带宽可能被损失。即使还不具有任何存储器芯片的故障，总线带宽的损失也发生。