论NVIDIA下一代GPU中的ECC内存应用情况

论NVIDIA下一代GPU中的ECC内存应用情况
作者: David Kanter 关键字: NVIDIA GPU ECC 内存  

　　GPU计算的潮流

　　图形显示之外的用于图形计算的GPU市场正在不断增长着，而Nvidia公司的企业战略已经紧紧依赖于这个新兴市场。具体来说，Nvidia正努力把CUDA推向高性能计算(HPC)市场——也就是把图形处理器的强大计算能力和内存带宽，直接转化为计算性能。Nvidia的Tesla产品（为计算而不是显示设计的GPU）已经做了一些宣传推广，但目前其用途还极为有限。至少部分是因为错误检测和纠正（error detection and correction）机制的缺少，GPU集群基本上还不存在。但是我们相信Nvidia的下一个产品版本将会改变这一情况。

　　HPC对ECC的纠错机制的需要

　　特别对于HPC世界中典型的重计算负荷的机器——集群服务器来说，ECC已经是基本配置了。所有服务器已经在ECC内存和可靠性、可用性、可维护性(RAS)方面建立了标准(例如ECC缓存功能)。通常，这些RAS特性只是Itanium、PowerPC、SPARC、zArch等专用微处理器家族所特有的，而对作为产业标准的x86服务器在这方面往往落后了一点。没有ECC，建立可靠的集群机简直是不可能事情，因为在DRAM内存里的软错误率太高了——而这一点客户都很清楚。

　　此外，工艺的改进和半导体设备的按比例缩小趋势导致SRAM、DRAM错误的出现更为普遍。增加密度，提高信号传输率，降低电压，并减少出现单个bit突然成倍增加软错误(SER)风险的情况(这种情况会导致内存数据异常)。不幸的是，半导体的发展都是一些相同的变化——随着时间的推移，价格