可信存储器层次 Dependability

系统的两种服务状态

可靠性的度量

• mean time to failure（MTTF）两次failure产生的时间间隔
• annual failure rate （AFR）= （一年）8760（小时） / MTTF（小时）
• mean time to repair （MTTR）两次正常工作时间之间的failure时间
• mean time between failure （MTBF）= MTTF + MTTR
• availability = MTTF / （MTTF + MTTR）系统正常工作时间的占比
• 提高availability：
  
  fault tolerance：采用冗余措施在系统故障时保障工作。
  下面主要介绍fault tolerance的重要实现方式。

Hamming SEC/DED Code

• 奇偶校验码 odd-parity：计算码字中1的数量，1代表奇数，0是偶数，当一个字被写入时，奇偶校验位也被写入，字的N位和奇偶校验位组成的码字中1的个数永远是偶数。读出数据时将计算出的校验码和储存的比较，不符合则发生错误。所以它只能检测奇数位发生错误的情况。
• Hamming distance：两个数对应位置不同的位的数量。（111和000 距离为3）
• Minimum distance = 2 provides single bit error detection （e.g. odd-parity)
• Minimum distance = 3 provides single error correction (SEC), 2bit error detection(DED)
• 若Minimum distance = n，则可以实现 （n-1）/ 2位的correction和n-1位的error

下面介绍汉明纠错码（Hamming Error Correction Code，ECC）

Encoding

• 与一般顺序相反，从左边开始编号
• 将编号为2的幂的位作为标记位，其他位置作为数据位
• 以图中8位数据汉明纠错码为例，p1（二进制0001）检查1，3，5，7，9，11位（这些位的二进制最右边都是1），p2~p4相同原理。
• 每个数据位至少被两个校验位覆盖。
• 进行偶校验设置校验位。

Decoding

• 对汉明编码字，对每个校验位进行奇偶校验，不为偶性则该组有错误。
• 如何确定出错的位置：若校验位对应组没有错误记为0，有错记为1，以011100101110为例，四个校验组的
• 结果分别是0101，反转形成二进制就是1010，也就是位置10出现错误。
  改正：出错的bit反转。

以上是一位纠错码。
下面对此编码再加一位，Minimum distance变成4，此时可以纠正一位错同时检测两位错。
（原来的parity bits集合叫H，新加的叫Pn）

• H even, Pn even, no error
• H odd, Pn even, double bits error
• H even, Pn odd, error in Pn bit
• H odd, Pn odd, correctable single bit error