Reliability, Availability, Serviceability (RAS)

Установка карты памяти

Усиленная конструкция для высокой надежности:

• Электроника устанавливается в специальные карты (формат book)
• Направляющие рельсы
• Направляющие штыри
• Фиксация замком
• Результат:
  • Не повреждаются штыри
  • Надежное соединение

Расположение элементов внутри CEC хорошо продумано и обеспечивает электромагнитнуюсовместимость, снижает вероятность возникновения ошибок, вызванных электрическими помехами, а также обеспечивает надежное крепление, которое предотвращает разрыв критически важных соединений при ударах или вибрации.

Встроенная избыточность

• Резервные чипы памяти
• N+1 вентиляторы, источники питания
• Избыточные каналы ввода-вывода
• Резервный сервисный процессор
• Резервная HMC

Внутри корпуса N+1 подсистема питания и охлаждения обеспечивают полнуюизбыточность на случай выхода из строя блоков питания, контроллеров питания, устройств охлаждения, и даже кабелей питания. Как и в мэйнфреймах zSeries, возможна немедленная замена компонентов питания и охлаждения.

В серверах pSeries имеется резервный внутренний аккумулятор IBF (Internal Battery Features), который поддерживает работоспособность системы в случае падения напряжения. Для защиты от полного отключения питания сервер pSeries может использовать блоки бесперебойного питания (UPS) в сочетании с IBF или вместо него.

Замена компонентов без остановки системы

• Жесткие диски
• Вентиляторы, воздушные фильтры
• Блоки питания
• PCI адаптеры

Дисковая корзина позволяет производить горячуюзамену дисков, обеспечивая динамическуюреконфигурациюи замену дисков. Каждый PCI-адаптер имеет функциюгорячей замены и доступен с тыльной стороны корзины ввода/вывода. Таким образом, при обслуживании PCI-адаптеров нет необходимости переключать корзину в режим обслуживания, при котором необходимо выдвинуть корзину и все подключенные к ней кабели для извлечения PCI адаптера из верхней части корзины. Такие движения корзины туда и обратно могут вызвать дополнительные сбои, связанные с повреждением самих адаптеров или подключенных к ним кабелей.

Активная защитная система

• Технология bit-steering в модулях памяти с избыточностью для поддержания работоспособности сервера
• Исправление одиночных сбоев (ECC) в оперативной памяти и L2, L3 кэшах
• Технология error scrubbing для предотвращения сбоев памяти

Стандартные чипы памяти имеют схему исправления одиночных ошибок и обнаружения двойных (ECC). Чип памяти устроен так, что выход из строя одного модуля памяти влияет только на один бит ECC слова (bit scattering), таким образом, есть возможность исправить ошибку и продолжить работу даже при выходе из строя целого модуля памяти (Chipkill recovery).

В чипах памяти также используется "чистка" памяти (Memory scrubbing) и устанавливается критическое число исправляемых ошибок, превышение которого приводит к замене соответствующего модуля на резервный (dynamic bit steering).

"Чистка" памяти – это процесс, состоящий из чтения содержимого памяти во время бездействия, проверки и исправления одиночных ошибок. Одиночные ошибки могут быть устойчивыми (заводской брак) или случайными (вызванные, например, электрическим шумом).

Память Chipkill

• Раз в год в одном из пяти серверов с памятью 1GB может возникнуть многобитовая ошибка памяти^{1Данные IBM MicroElectronics}
  • Восстановление сервера с 4GB памяти после системного сбоя занимает 8-12 часов
• Память Advanced ECC или Chipkill обеспечивает наилучшие возможности по выявлению и исправлению ошибок памяти
  • Исправляет ошибки памяти до 4-х бит на одну линейку чипа, т.е. компесирует потерючипа памяти
  • Высокоэффективная технология IBM обеспечивает исправление ошибок "на лету" прямо в DIMM
  • Базируется на стандартной памяти ECC
  • Надежность по сравнению с ECC возрастает в 600 раз

Если удалось обнаружить ошибку, то данные пропускаются через ECC логику и исправленные данные записываются обратно по соответствующим адресам. Такой алгоритм используется и после замены неисправного модуля на резервный. "Чисткой" занимается контроллер памяти и производит ее только во время бездействия, поэтому процесс чистки никак не отражается на производительности памяти.

Если возникает ситуация, когда в модуле памяти возникает ошибка, а все резервные биты уже исчерпаны, то для предотвращения отказа системы сервисный процессор инициирует запрос на обслуживание модуля памяти.

Управление электропитанием

System Power Control Network (SPCN)

• Набор контроллеров и датчиков слежения за состоянием внутри системы, соединенных последовательной шиной
• Функция управления может быть интегрирована в сервисный процессор
  • Включение и выключение электропитания для отдельных устройств
  • Выключение элементов системы при нарушениях в электропитании
  • Контроль за состоянием вентиляторов, температурой и оповещение сервисного процессора о нештатном значении параметров
  • Оповещение об нарушениях (индикаторная панель, сигнал сервисному процессору)
  • Запись о сбойном состоянии устройств в память устройства