發布日期：2022-07-14 點擊率：41
到底為什么我們要討論軟錯誤呢？誠然,這一問題在幾十年前就提出來了,但問題是,相關的措施到位嗎？當然,就某種程度而言,是到位的。諸如降低串擾等設計層面的措施,以及不使用硼磷硅玻璃、采用低α封裝和無鉛化等制造層面的手段,所有這些都顯著降低了由軟錯誤導致的出錯幾率。
問題在于,這些減少軟錯誤的技術都無法徹底根除軟錯誤。另外,要減少由宇宙射線引發的錯誤,恐怕需要筑上幾英尺厚的防護掩體,而這基本上是不現實的。更糟糕的是,軟錯誤對當今復雜系統造成影響的嚴重程度可能比以前對簡單系統的影響高幾個數量級。例如,遭遇一個特殊軟錯誤時,當如今的一個復雜系統很可能會要求重新啟動,從而嚴重影響服務質量(QoS)。這就是為什么起源于航空和航天應用中靜態隨機存取存儲器(SRAM)的軟錯誤問題如今對網絡設備供應商提出越來越嚴峻的考驗,迫使他們采用更嚴苛的軟錯誤規范,并施以更嚴格的約束。
隨著工藝技術節點的微縮,SRAM的每百萬位失效率(FIT)也在隨之下降。但三重內容可尋址存儲器(TCAM)的情況又怎樣？在90nm節點,TCAM的故障率與SRAM基本相當,但就過去的兩個節點而言,TCAM的故障率反有增加的趨向,所以我們必須對在65nm節點TCAM的故障率將超過SRAM的情況做出心理準備。另外,因故障率是以每百萬位為計算給出的,所以,隨著存儲器容量的不斷增加,該問題將進一步惡化。這種趨勢非常關鍵,因為TCAM是網絡搜索引擎中使用的一種底層技術,負責對網絡信息包進行分類,并對數據包進行轉發。
對此,軟錯誤評估工具、軟錯誤專業服務和輻射測試服務提供商iRoC Technologies公司總裁Olivier Lauzeral指出:“SRAM和TCAM中發生的絕大多數錯誤都是由單粒子反轉(SEU)或單點錯誤(SBE)引起的。因此,為確保最高水準的網絡QoS,并為了符合服務等級協議,TCAM必須采用最先進的糾錯碼(ECC)技術。那么,這些技術具體又是怎樣的呢？
為將軟錯誤存續時間降至最短,需要在系統中的不同層級配置糾錯碼(ECC)。例如,在高可靠性系統中,為確保正確的系統功能,要從自應用層起的功能鏈中各個環節都施加ECC。但是 ,在發現錯誤(或更準確地說是其造成的后果)的這個點上,將對QoS產生顯著影響。對系統盒體級和網絡系統級對錯誤進行持續監視并予以消除當然能夠很好地避免許多災難性的錯誤。但是,如果“遲”至應用級,則有可能無法對錯誤進行糾錯。所以,在芯片級進行偵錯的方法具有最高可靠性。
問題在于:是將ECC集成進TCAM,還是在外部應用ECC？畢竟,外部ECC方法已實施多年,業內經過時間洗禮,是一種被證明行之有效的存儲器糾錯方法。但是,外部ECC要求系統設計師在開發所需的電路時花費更多設計時間、付出更大努力和開銷,且所用的器件成本和PCB面積也更高更大。它還需要系統處理器發布命令和進行控制,但這樣也會增加系統延遲,進而可能對系統性能帶來負面影響。隨著TCAM變得越來越大,這些不利因素(特別是性能方面的影響)將會更嚴重。
將ECC集成進TCAM將免去所有這些問題。集成的ECC電路是專門為TCAM優化設計的,從而使完成相應功能所需增加的絕對門數和成本都最少。另外,ECC的工作會被器件延遲所“掩蓋”,而在整個工作條件下,器件的延遲參數是具體及可預測的。另外,該設計和驗證工作是由半導體廠商完成的；所以,系統設計師不必再為此勞心費力。
正因為這些原因,IDT將ECC集成進其搜索加速器。ECC可在內核內糾正單一錯誤并偵測出雙重錯誤,它還檢測接口的總線奇偶性。非常重要的是,它還檢測最近一直沒訪問過的內容以偵測“沉默”的錯誤。所謂“沉默錯誤”,就是那些直到數據被訪問前一直保留并可能導致災難性后果(例如,一個轉錯了的911緊急呼叫)的錯誤。另外,集成ECC工作在后臺模式,從而不會對搜索性能產生影響。
隨著工藝技術節點的不斷精進,以及TCAM變得越來越大,加之我們想方設法要從中獲取更多性能方面的好處,對設備供應商來說,用于軟錯誤糾正的集成ECC是唯一具成本效益的方案。糾正軟錯誤不必等到“事后諸葛亮”。
作者:Dave CechIDT
IP協處理器產品線管理與營銷總監
IDT公司
