メモリーエラー。ECCは本当に機能しているのか？

こんにちは、かわらばん編集長の安藤です。ゴールデンウィークも終わりましたが、どのようにお過ごしになりましたか？今、東京国立近代美術館では「東山魁夷展」が開催されていますね。唐招提寺の襖を飾る荒海や水墨画の風景は圧巻です。

さて今回はIntel i3000チップセットのECC機能とLinuxでのエラー検出に関するお話です。

メモリに記憶されたデータというのは、何らかの原因によってエラーを起こすことがあります。この原因としては、メモリモジュールの故障や宇宙線によるビット反転(ソフトエラー)などが考えられます。

そこで特に信頼性が要求されるサーバなどにはECCメモリが採用されています。このECCメモリとは、本来のデータに誤り訂正用データを付加し冗長性を持たせることによって、１ビット誤った時に訂正を行い、２ビット以上誤った時には修正はできないが、誤りが発生したことを検出してくれる頼もしいメモリです。

Linuxでは2.6.16カーネルより、EDAC(Error Detection and Correction)機能により、このようなECCイベントをOSで検知できるようになりました。すなわち、システムログにECCイベントが記録されるので、障害時の原因切り分けやメモリの故障判別が非常に容易に行えます。

ECCメモリとEDACの組合せは、システムの信頼性を向上させるため大変有効な技術なのですが、Intel i3000のチップセットで検証したところ、これが機能せず、エラーを検知できていないことがわかりました。そこで当社では、EDACの不具合を修正しメモリエラーを検知できるようにしました。修正パッチの内容等詳しいことについてはこちらをご覧下さい。

このパッチについては、EDACプロジェクトのメーリングリストに投稿しましたが、最近リリースされた、linux-2.6.25バニラカーネル自体にも取り込まれることになりました。これによって、ECCエラーイベントをOS上で正常に検知することができるようになります。

サーバ等には必須のECCメモリですが、これで本来の機能を確保できるようになりました。ECCメモリを用いると、エラーの訂正や検出を行うためデータの信頼性が向上します。またEDAC機能により、ECCイベントをOSで検知し故障メモリの早期発見が可能となります。これによってメモリ交換の要・不要を容易に判断できますので、システム全体の信頼性を向上させることができます。

今回はメモリに関する技術的内容についてのお話でした。ご不明な点はこちらからお気軽にお問い合わせ下さい。

今後も最新情報や商品紹介などの情報を発信していきますので、どうぞよろしくお願いいたします。