信服云的ECC机制 有效减少30%服务器宕机故障 (信服云的发展)

文章编号:43758 资讯动态 2024-12-09 软件定义ECC机制信服云

信服云的ECC机制:有效减少30%服务器宕机故障

服务器宕机可能是很多运维工程师最可怕的噩梦。谷歌的一项研究表明:大多数死机故障是由内存问题而引起的,而且每年有1/3的谷歌服务器都会出现可纠正的内存故障,而有1/100的谷歌服务器会出现不可纠正的内存故障,后者是造成系统宕机的典型情况之一。

如果有人说,用软件的方式,可以解决硬件的内存问题,还能减少30%的服务器宕机故障,你觉得可靠吗?

当前的数据中心已经走向软件定义的时代,从最初的软件定义网络SDN到软件定义数据中心SDDC。为了防止服务器宕机的意外发生,越来越多的企业开始考虑软件定义的解决方案,并通过软件定义的可靠性屏蔽服务器、内存等硬件故障带来的影响。

那么软件是如何实现对内存以及服务器可用性的提升呢?

基于MCA的内存ECC技术

内存故障非常多,就看系统能不能识别出来,有些故障是内存单个或多个bit字节故障,有些是内存颗粒故障,有些是内存颗粒上的单行或单列的存储单元出现故障,还有firmware故障、内存控制器故障,还有一些是内存金手指焊接点老化、主板上的内存插槽松动或有灰尘等等。

器件质量类的故障只能通过工艺的改进来解决,而信服云要解决的是软件层面可以控制的bit级故障。往往大故障来自于所谓bit级小故障的持续积累,这时要做的就是“防微杜渐”,在小故障发生的时候就抓住它、,隔离它,避免影响扩大。

Intel有一种机制叫做MCA(Machine Check Architecture),可以监测这种类型错误。这个机制的运行方式是:首先需定义出这些错误模型,把可以自动纠正的错误叫做CE(Correctable Error),这些往往是任意单比特错误、部分单颗粒多比特的错误。但是一些错误无法自动纠正恢复,会导致系统宕机,这些错误被定义为UCE(Uncorrectable Error)。根据统计,CE/UCE类的问题类型占内存所有类型问题的59%。所以,如果能够设计一种故障检查和纠正的机制,其价值会非常大!

这个全套的错误检查和纠正的机制就是ECC(Error Checking and Correcting)。ECC在遇到故障时首先会进行问题识别,通过设计内存主动扫描机制,可以设置一天24小时不休(也可以调整)扫描和发现故障;识别后判断故障位置(这里其实用到了一些特殊的bit计算和校验算法),认定故障位置后,就尝试隔离该有问题的内存空间,避免后续业务再次使用该内存空间。

信服云的内存ECC增强技术

业界主流的IT服务商都会利用Intel的MCA机制进行内存错误处理,但是其软件实现的精细化程度不一,比如有些服务商只是把CE错误屏蔽掉,或者只是简单的告警,没有做进一步处理;还有一些服务商即使有告警但是无法准确定位到发生问题的插槽。而信服云则提出了一个风险区机制,一旦发生内存错误,就将问题单元置于一个“缓冲区”进行观察,当CE错误达到一定阈值则立刻自动隔离有风险的内存区域,避免错误继续扩大引起严重的宕机。

近年来,信服云在内存隔离恢复机制上不断优化,在2022年1月推出的超融合HCI6.7.0中还对ECC机制进行了增强。

该增强机制的运行方式是:首先通过CPU的BIOS设置CE Record选项,使得硬件识别出内存错误,一旦发现CE/UCE错误,硬件就会把这个错误上报给信服云的软件。然后轮到软件机制上场,OS系统先是判断这个内存是否被软件(包括应用软件和操作系统)使用,如果没有使用就直接隔离,不允许再分配给软件使用。

如果被软件使用了,就获取软件的上下文,判断区分其是被操作系统内核(in_kernel)或者被用户应用软件(in_user)使用。

■如果是被应用软件(in_user)使用,对于CE可纠正错误,信服云的内存ECC增强机制就用一块好的内存区域替换掉有错误的内存区域,这个过程中业务完全不受影响。如果是UCE不可纠正的错误,该机制就重新启动该进程,把错误的内存区域释放出来并隔离出去不再使用。进程重启后就可以使用完全正常的内存了。

■如果是被操作系统内核(in_kernel)使用,信服云的内存ECC增强机制就把有错误的内存区域的信息记录下来,在系统再次启动的时候,该机制会隔离这些有错误的内存,以保证其不会被再次使用。

信服云的ECC机制:有效减少30%服务器宕机故障 (信服云ECC自动纠错机制原理)

推出上述机制后,信服云在1000台主机环境中进行了验证。结果证明,通过软件控制的ECC机制,信服云能够提前发现内存异常,并且100%自动隔离成功,可以提前处置以规避更大的故障影响,总体上相对原有方式能够减少30%的服务器宕机故障。

回到开头的问题,用软件可以解决硬件层面带来的问题吗?毫无疑问,当然可以!信服云的ECC机制就通过创新性的软件技术更加准确、智能地控制了服务器的内存故障问题,有效地提高了IT系统的可靠性。

以上就是本期《信服云黑板报》关于软件定义可靠性和ECC机制的分享。关注“深信服科技”微信公众号,可以持续获取更多技术干货内容!

版权文章,未经授权禁止转载。详情见 转载须知 。

极简tab

极简tab包含极简壁纸和极简插件,极简壁纸是一个高质量4K电脑桌面壁纸网站;极简插件是浏览器主页扩展插件,插件可以自定义浏览器主题和美化浏览器主页,极简插件基于Chromium内核浏览器的可扩展性,在Chrome应用商店或MicrosoftEdge扩展商店中获取,在浏览器主页中使用

新猫和老鼠第四季动画

汤姆猫和和老鼠杰瑞生活在同一屋檐下,不同于其他水火不容的猫鼠关系,他们更像是一对欢喜冤家、一对打闹不断却拆不散的朋友。本季猫和老鼠的故事主要围绕四个主题展开,分别为汤姆和杰瑞的日常故事、由汤姆和杰瑞组成的侦探小分队侦破各种案件、诡异夜晚怪物频出的夜晚被赶出家门的汤姆和镇上的怪物猎人杰瑞的故事以及城堡中的管家汤姆和不受待见的老鼠杰瑞的故事。

花圈

彼岸花圈店-国内领先的花圈网领先品牌,专注花圈代送服务15年,销量居首位!网站可24小时预订花圈,同城送花圈、异地送花篮服务,网上订花圈后最快1-3小时快递上门,网站覆盖国内2000多城市!

不锈钢小便池生产厂家

【厂家电话:139-6307-4377】不锈钢小便池生产厂家专业定做不锈钢小便槽,学校专用不锈钢小便槽,幼儿园不锈钢小便池,304不锈钢小便槽,卫生间白钢小便槽,厕所不锈钢小便池厂家批发,不锈钢小便槽多少钱一米?价格实惠,支持定制,全国发货,有合格证,有检验报告。

羽古会羽古会

羽古会国内最专业的羽绒服设计机构,内外贸专业设计开发,拥有自主全球最全的市场零售爆款数据库,意大利,韩国,俄罗斯,中国广州,北京五大设计中心同步研发。助力服装企业在零售市场,产品快速迭代更新,打造爆款集中营。

高品质补钙药品

高品质补钙药品,络合钙吸收快,不伤肠胃的补钙产品,武汉西莫制药有限公司,于2013年6月成立,位于武汉市东湖开发区高新大道858号生物医药园A85-2栋,是国内首个三类补钙新药、具有自主知识产权。

半导体行业观察

半导体行业观察,中国电子工程师的首选网站(嵌入式,单片机,DSP,EDA,测试测量,元器件,医疗电子,智能电网)

影视会员批发

影视会员批发(www.sqyhyw.com)隶属于河南售权益网络科技有限公司,本公司主营业务有影视会员货源,影视会员批发,影视货源网站搭建等业务,支持全网各大系统对接使用!

塑料机械

余姚市国泰橡塑机械有限公司主要产品有塑料异型材管材机组、塑料造粒机组、塑料电线机组、塑料中空成型机组,及各类配套辅机。

XU5设计软件库丨xu5.cc

XU5设计软件库是一个集合专业设计软件的导航网站,免费下载供学习使用,本站承诺无毒无广告,纯公益项目,不以此盈利

中国创新网

中国创新网-互联网科技创新

北京专业同传翻译公司

全球领先的翻译公司,专业翻译语言有英语、日语、韩语、西班牙语、意大利语、葡萄牙语、德语、法语、俄语、蒙语、藏语、阿拉伯语等180个语种。擅长各类投标招标文件翻译、法律文件翻译、合同公证翻译、出国留学、移民材料翻译认证,是政府唯一认证的服务机构。