内存的容错设计是怎样的？内存容量比你看到的更大！

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】

如果生活阅历足够丰富，你就会慢慢地懂得这个世界上没有什么是完美无缺的。年轻时看病总是希望根治，认为可以治好，满血复活。痴长了几岁后在医生那里开始听到了“不太影响生活”这样的句子，渐渐地对慢性疾病也变得云淡风轻起来，尝试与生活中那些不完美和平共处。人生观也改变了许多，对那些号称美好而无瑕疵的东西常抱有怀疑的态度，Too good to be true。同样道理，芯片制造行业也是一个和不完美打交道的行业，且不说工程师人为引入的各种硬件软件bug，单单从芯片生产的源头来讲，缺陷就已经深埋其中了。

由高纯净单晶硅做出来圆柱体的硅锭本身就自带缺陷：

硅锭在切片后得到元晶圆自然有问题：

这些缺陷就像撒芝麻粒，分布在整个Wafer上：

缺陷管理是芯片设计和生产必须处理的重要问题。

由Wafer生产出来的CPU中，我们可以在封测阶段关掉不好的内核或者功能：

CPU制造的那些事之一：i7和i5其实是孪生兄弟？！

由Wafer生产的Flash产品中，我们也可以提供冗余。在内存设计和生产过程中，怎么处理缺陷呢？其实还是提供冗余。下面我们就从封测阶段和使用阶段分别来讲一下各自用到的技术。

封测阶段

和Flash一样，DRAM内存颗粒在制作的时候也拥有多余的行，和相关的Fuse线路：

和大多数半导体设备一样，内存颗粒的可靠性我们可以通过失效率来衡量。如果我们以时间为x轴，y轴为失效率。失效率曲线如下：

失效率曲线

综合上面三种曲线，综合失效率是紫色曲线，它呈现两头高，中间低的特征，形状像个浴缸，我们把它叫做浴缸曲线（Bathtub）模型。内存颗粒在生命周期中的这种特点，表现在开始时故障率很高，如果没有问题，则可以稳定工作很久，到最后开始老化失效，故障率急剧升高。

内存颗粒在成产结束后，在封测期间，会被放入高温的环境下洗个澡（heat soaking），并加上高压。这样几个小时就相当于过了好几周。再拿出来测试，这时颗粒已经进入了浴缸曲线的底部稳定期。这个工序叫做老化（Burn-in）。如图：

这时测试，发现有坏的行（Row），就用备份的单元整个Row换掉，同时更改行解码的逻辑。这个过程叫做Fuse。如果坏行太多，整个颗粒就报废了。

Fuse是一次性的，变更后，用户没有办法再次更改映射关系。Fuse结束后，颗粒就可以出厂了，用户也不会有任何影响。

现在问题来了，如果颗粒很好，备份的空间完全没有用上，是不是我们可以把它们作为更多的内存自己来用呢，就像标称8Gb，实际可以用8.1Gb呢？答案是不行的，至于为什么，大家可以回去思考一下，也可以在评论区相互讨论。

既然不可以废物利用，这个空间浪费了好可惜啊，有没有别的办法可以用到它们呢？办法还是有的。

运行阶段

Believe me or not，内存故障在服务器故障中占比非常大：

内存的单元Cell出错后，有时可以被ECC等级制纠正，有时并不行。无论结果如何，操作系统都会被告知：

计算机硬件出错了会发生什么？

开始的时候只有个别cell出错，慢慢它附近的cell也开始出错。滴水汇合成小溪，溪流汇聚成江河，频繁的出差，即使是可以纠正的出错，也会严重影响性能。而不可以纠正的出错，可能会造成服务器宕机，对个人用户来说就是蓝屏了：

以前内存Cell损坏，整根内存条只有报废了。聪明的工程师把目光瞄准了冗余的内存单元，提出一种叫做Post Pacakge Repair（PPR）的技术，也叫做Fail Row Address Repair。顾名思义，所谓Post Package，就是封装后还可以修复，可以把损坏的部分行Row，用冗余的行代替。它分为软PPR和硬PPR，区别在于是否更改Fuse而变成永久性的替换。这样我们在使用中也可以变费为宝，延长DRAM的使用时间，太棒了！

尽管PPR技术只出现在LPDDR4的标准中，不在DDR4的JEDEC标准中，但几乎所有主流内存颗粒厂商都在普通的DDR4中，支持了这个功能。当然最终主板支持与否，要依赖不同厂家的BIOS，准确的来说就是内存初始化代码。

结语

除了内存冗余，DDDC和SDDC等技术也可以看作某种程度的冗余:

服务器的黑科技：服务器是怎么做到每年只停机30秒的？

【注：本文作者原创作品，未经允许禁止抄袭。侵权必究！全网追踪】