ARM故障分类 ---RAS

ARM故障分类

图 1arm错误分类

ARM错误分类需要遵循ARM RAS architecture文档（RAS_Extension_PRD03-PRDC-010953-25）来定义，具体分类如下：

1. Corrected error：可纠正错误（CE），该错误被检测到并且被纠正，不影响系统运行，比如内存DDR单bit错误，可以通过ECC纠正。
2. Deferred error：延迟的错误（DE），没有被沉默（silently）传播，可能是系统潜在的错误。比如内存控制器写数据到内存条，发现要写的数据存在不可纠正错误，它会将该错误数据写到内存，并打上poison标记，则为deferred错误。
3. Uncorrected error：不可纠正错误（UE），该错误被检测到且未被纠正或延迟，它又可划分为下面几个子类：潜伏错误或可重启错误（UEO）、带标记错误或可恢复错误（UER）、不可恢复错误（UEU）、不可抑制错误（UC）。
   1. 潜伏错误或可重启错误（Latent/Restartable，均缩写标记为UEO）：Latent错误对应生产者模式，错误非沉默传播，错误被检测到但没有被消费，并且没有被记录为deferred错误，比如node通过scrubbing自己内存检测到不可纠正错误；Restartable错误对应消费者模式，错误非沉默传播，node因为消费错误而中止操作，不需要依赖修复错误就能继续操作，比如speculative读。
   2. 带标记错误或可恢复错误（Signaled/Recoverable，均缩写标记为UER）：Signaled错误对应生产者模式，错误非沉默传播，错误已经或者可能已经被消费，没有被记录为deferred错误，比如node在读的时候检测到错误并通知消费者；Recoverable错误对应消费者模式，错误非沉默传播，node处于中止状态，如果软件能够定位并修复错误，被中止的操作将继续，比如PE在做架构读的时候在消费数据前收到错误状态并中止。
   3. 不可恢复错误（Unrecoverable，缩写标记为UEU）：在生产者模式，错误非沉默传播，node不能继续操作，比如2个部件间的数据链路失效；在消费者模式，node处于中止状态不能够从中止状态恢复，比如PE在做架构读的时候在消费数据后收到错误信息并中止。
   4. 不可抑制错误（Uncontainable，缩写标记为UC）：错误被沉默传播，如果该错误不能被隔离，软件将系统关机以避免灾难性错误。