什么ECC RAM失败看起来像
对于非ECC内存，我有一个体面的想法是什么故障看起来像; 某些随机事件开始出错（例如，PNG校验和validation失败，而不是下一次），那样的事情。 但是我对ECC RAM比较新。 当ECC RAM出现故障时，我期望什么？ 我知道是否有一位翻转，它应该自动纠正，但我怎么知道是否有更严重的问题，或如果模块需要更换？
我发现有一份报告指出，系统可能会自动closures或不能开机，但是我不清楚为什么会这样。
Linux使用一个SIGBUS信号，使用翻转位超出恢复位的内存页（因此一个ECC字有2个翻转）来杀死程序。 然后将该页面黑名单，以免重复使用。
当重复地遇到纠正的错误时（通常不是瞬时翻转，而是纠正后仍然存在的硬错误），页面会透明地迁移到另一个物理页面，但使用相同的虚拟地址。 这是通过一个“泄漏桶”计数器来完成的，该计数器在过去的X个单位时间内对每页的ECC错误进行计数。
这些方法分别被称为硬和软页面离线。 您可以阅读更多的信息，并通过mcelog访问错误统计信息/日志，这是从2.6版开始的所有Linux内核的一部分。 请注意，如果您愿意，可以对其进行设置，以便在出现每个错误时内核会出现故障并重启机器。
这也存在于Solaris系统中的内存页退休的名称下，其他操作系统无疑有它们自己的版本，尽pipe我不知道我头上的名字或引用。
简而言之，硬件报告错误，操作系统减轻其影响。 所以你不会有很多症状，但你可能会问你的操作系统或工具的统计数据。
我只看到一次ECC错误。 这是在戴尔服务器上，问题出现在几个地方：
- 在vCenter服务器（这是一个VMWare主机）通过IPMI
- 在BIOS日志文件中 – 通常，您可以在启动时进入安装程序以查看logging的错误
- 通过戴尔远程pipe理工具或其他系统的类似
鉴于许多服务器中存在大量内存，单个错误可能不会损害正在运行的程序，足以导致崩溃。 如果错误发生在尚未分配给特定程序的RAM中，则可能只会导致微妙的问题，或者根本不会造成任何问题。
而且，由于它是ECC RAM，单个位错误是可纠正的，不会损害正在运行的程序。 具有ECC RAM的点或多或less是上面给出的两件事情：
- 检测和logging错误的能力
- 纠正单个位错误的能力
所以 – 你在pipe理工具中寻找错误，一般来说，你应该比使用非ECC内存更less的错误。 如果错误开始出现，即错误率增加到（非常低）背景事件率以上，则总是build议更换模块。 希望能够清楚一点。
编辑：也看到这个问题更多关于同一主题。
编辑2：我实际上只是有另一个 – 这是一个屏幕截图为那些感兴趣的，看起来像在VMWare的vCenter（硬件ID炒）： 