什么是 ECC ram，为什么它更好？

优秀的真实世界研究：

野外 DRAM 错误：大规模现场研究(pdf)

本文提供了该领域对 DRAM 内存错误的首次大规模研究。它基于从 Google 的服务器机群在两年多的时间里收集的数据，这些数据构成了数百万个 DIMM 天。我们研究中的 DRAM 涵盖了多个供应商、DRAM 密度和技术（DDR1、DDR2 和 FBDIMM）。

该论文解决了以下问题：在实践中记忆错误有多常见？它们的统计特性是什么？它们如何受到外部因素（如温度和系统利用率）的影响？它们如何随芯片特定因素（例如芯片密度、内存技术和 DIMM 使用年限）而变化？

我们发现，在许多方面，现场 DRAM 错误的行为与通常假设的非常不同。例如，我们观察到 DRAM 错误率比之前报告的要高几个数量级，FIT 率（每十亿设备小时的时间故障）为每 Mbit 25,000 到 70,000 次，每年受影响的 DIMM 超过 8%。我们提供了强有力的证据，表明记忆错误主要是硬错误，而不是以前大多数工作关注的软错误。我们发现，在影响 DIMM 在现场的错误行为的所有因素中，温度的影响非常小。最后，与人们普遍担心的不同，我们没有观察到任何迹象表明每 DIMM 的错误率会随着新一代 DIMM 的增加而增加。

有趣的是，大多数内存错误都是硬错误——硬内存错误是不可恢复的，这意味着内存必须被物理替换为 failed，而软内存错误可以通过用正确的值覆盖内存来修复。这表明 ECC 的价值是相当有限的。

内存系统中通常会发生两种错误。第一个称为可重复或硬错误。在这种情况下，一个硬件坏了，会一直返回不正确的结果。一个位可能会被卡住，因此无论写入什么，它总是返回“0”。硬错误通常表示内存模块松动、芯片烧毁、主板缺陷或其他物理问题。它们相对容易诊断和纠正，因为它们是一致的和可重复的。

听起来研究中的所有服务器都使用了 ECC，所以我们无法知道 ECC 与非 ECC 的错误率。

本文研究了大量商品服务器中 DRAM 错误的发生率和特征。我们的研究基于 2 年多来收集的数据，涵盖了多个供应商、世代、技术和容量的 DIMM。所有 DIMM 都配备了纠错逻辑 (ECC) 以纠正至少一位错误。

通过使用奇偶校验位，ECC RAM 可以从位的小错误中恢复。由于服务器是正常运行时间和可靠性很重要的共享资源，因此通常使用 ECC RAM，价格差异不大。ECC RAM 也用于 CAD/CAM 工作站，小的位错误可能导致计算错误，当设计进入制造阶段时，这将成为更严重的问题。

ECC 与奇偶校验相比有几个优势。一方面，它可以检测和修复单位错误，并且无需停止整个系统即可。多位错误仍会返回奇偶校验错误，但在 PC 的生命周期内发生这种情况的几率非常低，除非内存本身有缺陷。ECC 就像汽车保险：它涵盖了大多数可能出错的事情，但它不能防止多车相撞。

更多详细信息：ECC 内存：服务器必备，而非台式机

为了简单起见，引用维基百科：

计算机系统内部的电或磁干扰会导致 DRAM 的一位自发翻转到相反的状态。最初认为这主要是由于芯片封装材料中的污染物排放的 α 粒子，但研究 [5] 表明，DRAM 芯片中的大多数一次性（“软”）错误是由背景辐射引起的
...
这个问题可以通过使用包含额外内存位的 DRAM 模块和利用这些位的内存控制器来缓解。这些额外的位用于记录奇偶校验或使用纠错码