Fehler korrekt korrigieren - Swissbit

Hardware
SpeicHerbauSteine
Fehler korrekt korrigieren
in modernen embedded Systemen hat die Fehlerkorrektur
einzug gehalten und wird von Herstellern zunehmend
als Verkaufsargument eingesetzt. denn sie bietet zusätzlichen
Schutz gegen einzelbitfehler, verursacht durch
technologieschwächen der Speicherkomponenten wie
auch durch Störungen bei der datenübertragung oder
durch Strahlungseinflüsse. nur wenigen anwendern sind
jedoch Funktion, Leistungsfähigkeit und die Grenzen der
Fehlerkorrektur vertraut. noch schwieriger ist es, ihren
nutzen einzuschätzen.
uLricH brandt
Geht es um die Fehlerkorrektur
in Speichersystemen,
fällt sofort das Kürzel ECC
(Error Correction Code) als Oberbegriff
für fehlerkorrigierende Codes.
Korrekt lautet die Abkürzung für
die in PCs verwendete Funktion
allerdings EDC (Error Detection
and Correction – Fehlererkennung
und -korrektur) oder noch genauer
SECDED (Single Error Correction,
Double Error Detection – Einzelbitfehlerkorrektur,Doppelbitfehlererkennung).
Da sich ECC jedoch als
feststehender Begriff eingebürgert
hat, wollen wir ihn hier auch verwenden.
Die Notwendigkeit einer Einzelbit-
Fehlerkorrektur kam erstmals bei
Großrechnern auf, bei denen Speicherinformationen
durch Alphateilchen
verfälscht wurden. Diese
Strahlung entspringt dem Zerfall
geringster Spuren radioaktiven Ma -
terials in der Vergussmasse von
Speicherbausteinen, die aus Harz
und mineralischen Füllstoffen besteht.
Da zur Zeit der Großrechner
die Strahlungsquellen sehr dicht
an den Speicherkapazitäten der
DRAM-Zellen lag, reichte die Alpha -
strahlung aus, um die Zellinformation
zu korrumpieren. Diese so ge -
nannte Soft-Error-Rate lag damals
bei DRAM-Bausteinen um Zehnerpotenzen
über der harter Defekte.
Hinzu kam, dass sie sich aufgrund
ihrer völlig zufälligen Natur nicht
durch schärfere Ausgangstests redu -
zieren ließen. Dadurch lag die MTBF
14 07 | 2011
(Mean Time Between Failure –
mittlere Zeit zwischen zwei Fehlern)
bei Servern mit hohem Speicherausbau
in einem völlig unakzeptablen
Bereich, wenn keine Fehlerkorrektur
implementiert war.
Durch den Übergang zum BGA-
Gehäuse reduzierte sich die fehlerverursachende
Vergussmasse stark.
Bei modernen Speicherbausteinen
wird die Soft-Error-Rate weniger
durch Alphateilchen, sondern vermehrt
durch kosmische Strahlung
verursacht. Diese größtenteils aus
schnellen Protonen bestehende
Höhenstrahlung beeinflusst die
Speicherbausteine entweder während
des Transports von DRAM-
Produkten als Luftfracht oder beim
Betrieb von Systemen in größeren
Höhen. Die positiv geladenen
Teilchen werden in die Isolationsschicht
der Auswahltransistoren injiziert
und verändern dort die Einsatzspannung.
Die so geschädigte
Zelle kann dann vorübergehend
keine vollständige Zellinformation
mehr speichern und fällt aus.
Als Lösung für diese Einzelbitfehler
wurde ein Mechanismus entwickelt,
der ein verfälschtes Datenbit
erkennen und korrigieren kann.
Damit lässt sich verhindern, dass
Strahlung oder Technologieprobleme
Dateninhalte unbemerkt
verändern.
Funktionsweise der ecc
Ein Standarddatenwort eines DRAM-
Busses und damit die Organisation
eines Speichermoduls hat eine
Breite von 64 Bit. Wird Fehlerkor-
rektur unterstützt, so generiert der
Speichercontroller beim Schreiben
in den Speicher durch Paritätsbildung
jeweils unterschiedlicher Datenbits
zusätzliche acht Paritätsbits,
die so genannten Checkbits. Diese
schreibt der Speichercontroller zusammen
mit den Nutzdatenbits in
ein 72 Bit breites Speichermodul
(Bild 1). Beim Lesen holt sich der
Controller die abgelegten 64 Nutzdatenbits
und die acht dazugehöri-
bild 1: Schreiben mit ecc
gen Checkbits. Mit dem identischen
Algorithmus wie beim Schreiben
erzeugt die Fehlerkorrektureinheit
einen zweiten Satz von Checkbits
und vergleicht diese mit den gelesenen
(Bild 2). Das Ergebnis des
bitweisen Vergleichs der acht neuen
und acht gespeicherten Checkbits
nennt sich Syndrom. Es zeigt an, ob
ein Bit verfälscht wurde und wenn
ja, welches. Ein einfaches Invertieren
dieses Bits stellt dann die
ursprüngliche Information wieder
her. Das Auftreten eines Fehlers
wird in Statusregistern abgelegt,
die von Servicetechnikern ausgewertet
werden können. So können
diese einen defekten Speicher austauschen,
bevor er zu Systemabstürzen
führt.
Es gibt vielfältige Varianten, um
Checkbits zu erzeugen. Moderne
Codes können jeden beliebigen
Fehler eines einzelnen Datenbits
erkennen und korrigieren, und jede
Kombination von zwei fehlerhaften
Bits sowie eine hohe Prozentzahl
weiterer Mehrfachfehler erkennen.
Mit sehr ausgeklügelten Codes
können die neuesten Speichercontroller
einen Ausfall einzelner bis
hin zu allen Datenleitungen einer
einzelnen Speicherkomponente
erkennen und korrigieren. Dieses
Verfahren nennt sich »Chipkill«
(SDDC, Single Device Data Correction
– Korrektur eines Bausteinausfalls)
und ist die mächtigste Form
von Fehlerkorrektur in kommerziell
erhältlichen Plattformen.
Da für die Unterstützung von ECC
ein 72 Bit breiter Speicherbus notwendig
ist, sind bei Modulen aus
8-Bit-organisierten Speicherkomponenten
neun anstelle von acht
Chips nötig. Auch der Speichersockel
muss genügend Platz für
die elf zusätzlichen Signale bieten
(achtmal DQ sowie DQS, DQS# und
DM). Die Mehrkosten für die hinzukommenden
Speicherbausteine,
der höhere Aufwand auf dem Motherboard
und die zwar geringen,
aber doch messbaren Leistungseinbußen
durch die ECC-Funktion
haben bisher den breiten Einsatz in
Desktop- und Notebook-Systemen
verhindert, wo der Systempreis
eines der Hauptkaufkriterien ist.
Anders sieht es bei Servern und
Workstations aus, wo sehr häufig
ECC-Module eingesetzt werden, um
die Ausfallsicherheit zu erhöhen.
Mit der Einführung von leistungsstarken
Notebooks als Ersatz für
Workstations gibt es jetzt aber
auch bei Systemen mit kleinen
Formfaktoren einen Bedarf an Ausfallsicherheit.
Dieser Bedarf hat zur
Entwicklung von speziellen, stromsparendenNotebook-Speichercontrollern
mit ECC-Funktion geführt.
Für die Embedded-Computing-Industrie
ist dies ein willkommener
Fortschritt, um bei ihren kritischen
Anwendungen höhere Datensicherheit
und niedrigere Verlustleistung
miteinander zu verbinden.

Einzelbitfehler in
Embedded Systemen
Die Fehlerkorrektur, wie sie bei
Embedded Systemen implementiert
ist, kann nur Einzelbitfehler korrigieren.
Dabei ist es irrelevant, ob
es sich um eine einzelne Zelle, eine
Bitleitung, einen Datenpin oder
einen Steckerkontakt handelt, solange
die Auswirkungen pro Daten -
wort nur ein Bit betreffen. Der Ausfall
eines Steuersignals oder eines
ganzen Chips lässt sich durch diese
Form der ECC nicht beheben.
Gerade bei Embedded Systemen,
die häufig unter extremen Temperaturbedingungen
arbeiten, sind
Einzelbitfehler durch schwache
Zellen die häufigste Fehlerursache,
gefolgt von hochohmigen Lötstellen
auf Datenleitungen. Aufgrund
Bild 2: lesen mit Ecc
der kompakten Bauweise, der geringen
Kühlung und des Einsatzes
in Industrieanlagen können die
Speichermodule bis an ihre Spezifikationsgrenze
aufgeheizt werden.
Unter solchen Bedingungen verlieren
Speicherzellen ihre Zellinformationen
besonders schnell, deshalb
muss jede Zellinformation alle
64 ms wieder aufgefrischt werden.
Ulrich BrandT
ist head of Business Unit
draM Products bei Swissbit
Besonders schwache Zellen, wie sie
im normalen Fertigungsprozess immer
wieder auftreten, werden im
Gut-Fall während des Tests beim
Speicherchiphersteller erkannt und
durch fehlerfreie, redundante Zellen
ersetzt. Dies setzt voraus, dass
das Testprogramm diese schwachen
Zellen entdeckt. Schlüpft eine solche
Zelle unbemerkt durch, so kann sie
völlig unauffällig im normalen
Temperaturbereich funktionieren,
fällt aber plötzlich aus, wenn das
System unter Volllast bis an die
Spezifikationsgrenze erwärmt wird.
Eine andere Besonderheit von Embedded
Systemen ist der Einsatz in
Fabrikationshallen oder Transportsystemen,
wo erhöhte Vibrationen
und mechanische Stöße auf das
System einwirken. Hier können
schwache Lötverbindungen aufge-
hen oder Steckerkontakte kurzzeitig
hochohmige Übergänge bilden
und einzelne Datenleitungen unterbrochen
werden.
Der Einfluss eines einzelnen defekten
Bits auf ein Industriesystem
kann von vernachlässigbar bis zu
fatal reichen: Ein verfälschtes Pixel
in einem medizinischen Bild
hat meist keine große Bedeutung,
ein falsches Vorzeichenbit in einer
Robotersteuerung kann jedoch zur
Zerstörung von Werkzeugen führen
oder die Berechnung der Strahlungsdosis
bei einer radiologischen
Behandlung verfälschen. Das kann
je nach Position des Bits lebens-
bedrohliche Folgen haben. Die
Beispiele zeigen, dass der Nutzen
der Fehlerkorrektur anwendungsabhängig
zu beurteilen ist.
Fehlerkorrektur bei
kleinem Formfaktor
Kann man in der Anwendung Datenverfälschung
tolerieren oder ist
ein Systemabsturz zwar unschön,
aber nicht mit zu hohen materiellen
oder immateriellen Folgekosten
verbunden, kann man auf ECC
verzichten. Das ist in der Regel der
Fall etwa bei Informationssystemen
oder bildverarbeitenden Applikationen.
Handelt es sich jedoch um
medizinische Behandlungsgeräte,
Fertigungssteuerungen, Zahlungssysteme
oder Spielautomaten, wo
es um Geld oder Gesundheit geht,
ist die zusätzliche Sicherheit durch
ECC auf jeden Fall ratsam.
Für solche Anwendungen bieten sich
die neuen DDR3-SO-UDIMMs an.
Nicht größer als die bekannten SO-
DIMMs, aber mit 72 Bit breitem Datenbus,
ermöglichen sie die ECC-
Unterstützung auf begrenztem Raum.
Sie benutzen den gleichen Sockel
wie SODIMMs, haben jedoch aufgrund
der höheren Anzahl an Signalen
eine andere Steckerbelegung
und sind somit nicht pinkompatibel.
Damit wird der Embedded-Markt
zwangsläufig zwei Produktlinien an -
bieten müssen: einerseits kostengünstigere
Boards für herkömmliche
SODIMMs, andererseits hochzuverlässige
Plattformen mit Unterstützung
für SOUDIMMs mit ECC.
Als Produkt gemäß offizieller JEDEC-
Spezifikation und mit Unterstützung
durch eine Vielzahl an modernen
Speichercontrollern ist das SOU-
DIMM-Modul keine proprietäre
Lösung mehr, sondern ein verfügbarer
und immer häufiger eingesetzter
Standard zu wettbewerbsfähigen
Preisen. So bietet Swissbit
beispielsweise DDR3-SO-UDIMMs
in Größen von 1 GByte bis 4 GByte
und Geschwindigkeiten bis DDR3-
1333 an, sowohl im kommerziellen
(0 °C bis +70 °C) als auch im
industriellen Temperaturbereich
(-40 °C bis +85 °C). (rh)
Swissbit
Telefon: 00 41/71/91 30 30 3
www.swissbit.com
07 | 2011 15