p******e
发帖数: 528 | 1 我知道ECC内存原则上要比一般内存更稳定，而且错误要少。但是我想知道是不是
对于科学计算，我们必须得用ECC内存。换句话说，如果不用ECC内存，会不会说
计算出了错误，而我根本就没法察觉出来呢？
我之所以会有这个问题，是想知道非ECC内存究竟有多不稳定？或者说非ECC内存
会不会产生不可察觉的计算错误。比方说我在一个有ECC内存的服务器上进行计算。
然后把这个结果下载并显示在自己的笔记本上。由于我的笔记本没有ECC内存，
会不会导致在笔记本上的信息产生随机的错误呢？要是非ECC内存真的这么不稳定，
岂不是说我在这个技术的每个环节上都得用服务器才行了吗? |
J*******i
发帖数: 2162 | 2 概率问题吧
比如一个计算持续了一个月才得到最终结果，那么产生错误的概率就比较高
你仅仅拷一下数据最多几个小时，出错的概率还是很低的
ECC的重要性就是把这一个月的计算的出错率大幅降低 |
a*****s
发帖数: 2663 | 3 折腾几个小时的东西，你可以轻松再花几个小时confirm一下。折腾几周数月才能出的
结果还是小心为妙。所以归根结底看你干嘛用。 |
d***a
发帖数: 13752 | 4 最近有过一个在Google data center做的研究，发现内存出错
的概率很高，平均每天每个内存条会出多个错误。后来也有意见
说可能没有那么高，但出错率高是肯定的。
除了内存之外，CPU也是重要环节。Xeon处理器比非Xeon处理器
出错率要低得多，所以比较重要的计算，应该放到服务器上去做。
【在 p******e 的大作中提到】
: 我知道ECC内存原则上要比一般内存更稳定，而且错误要少。但是我想知道是不是
: 对于科学计算，我们必须得用ECC内存。换句话说，如果不用ECC内存，会不会说
: 计算出了错误，而我根本就没法察觉出来呢？
: 我之所以会有这个问题，是想知道非ECC内存究竟有多不稳定？或者说非ECC内存
: 会不会产生不可察觉的计算错误。比方说我在一个有ECC内存的服务器上进行计算。
: 然后把这个结果下载并显示在自己的笔记本上。由于我的笔记本没有ECC内存，
: 会不会导致在笔记本上的信息产生随机的错误呢？要是非ECC内存真的这么不稳定，
: 岂不是说我在这个技术的每个环节上都得用服务器才行了吗?
|
t*****z
发帖数: 1598 | 5 Xeon出错率低是什么原因?Xeon和Core的本质上不是一样的芯片吗?
【在 d***a 的大作中提到】
: 最近有过一个在Google data center做的研究，发现内存出错
: 的概率很高，平均每天每个内存条会出多个错误。后来也有意见
: 说可能没有那么高，但出错率高是肯定的。
: 除了内存之外，CPU也是重要环节。Xeon处理器比非Xeon处理器
: 出错率要低得多，所以比较重要的计算，应该放到服务器上去做。
|
N**D
发帖数: 10322 | 6 质量好。
质量好的是xeon, 差点的是core
当然都是合格品
【在 t*****z 的大作中提到】
: Xeon出错率低是什么原因?Xeon和Core的本质上不是一样的芯片吗?
|
p******e
发帖数: 528 | 7 其实这是个有意思的问题。这些由于内存和cpu造成的错误是不是几乎不可觉察呢？
换句话说大部分情况下这些错误不会造成系统直接down掉。因为我自己一般在工作
中用的普通台式机也是24x7的开着，如果每天在内存或cpu中都会出现一些随机的
错误，那么我的台式机为什么不会经常自己down掉呢？
另外还有一点，我们用木桶理论，一个木桶能装的水是由最短的木棍所决定的，那么
会不会出现说最后出错的瓶颈不在内存而在其他地方呢？比方说一个银行为了系统
稳定而用服务器来存储数据，但是在具体的某个branch里的工作人员用的是普通
的pc（这个只是猜测。）结果服务器上正确的数据由于client上的错误而导致了
最后的显示是不正确的，那岂不是说在server端所做的努力都废掉了吗？
【在 d***a 的大作中提到】
: 最近有过一个在Google data center做的研究，发现内存出错
: 的概率很高，平均每天每个内存条会出多个错误。后来也有意见
: 说可能没有那么高，但出错率高是肯定的。
: 除了内存之外，CPU也是重要环节。Xeon处理器比非Xeon处理器
: 出错率要低得多，所以比较重要的计算，应该放到服务器上去做。
|
d***a
发帖数: 13752 | 8 Xeon内部的寄存器和高速缓存有ECC保护，非Xeon的处理器是没有的。还有一些别的检
错和纠错的功能。
【在 t*****z 的大作中提到】
: Xeon出错率低是什么原因?Xeon和Core的本质上不是一样的芯片吗?
|
d***a
发帖数: 13752 | 9 一次出错只有一个bit的错误。对绝大多数的计算应用来说，程序的代码小，数据量大
。比如说做矩阵运算，代码量可以小到1MB以下，数据量可以达到若干个GB。数据出错
（非指针）不会让程序crash。如果代码出错，出错的代码并不一定会被执行，或者执
行了也不一定就crash。
在非服务器级机器上，也是有软件方法，以损失性能的方式增加可靠性。最简单的办法
，是把所有的计算做两次（或三次）。实际上现在有些高性能计算的任务，在服务器上
都选择这样来做，进一步提高可靠性。
有很多玩家喜欢把desktop级的处理器拿来超频。在实际的高性能计算中，超频是从来
不用的，会大大增加出错的风险。
【在 p******e 的大作中提到】
: 其实这是个有意思的问题。这些由于内存和cpu造成的错误是不是几乎不可觉察呢？
: 换句话说大部分情况下这些错误不会造成系统直接down掉。因为我自己一般在工作
: 中用的普通台式机也是24x7的开着，如果每天在内存或cpu中都会出现一些随机的
: 错误，那么我的台式机为什么不会经常自己down掉呢？
: 另外还有一点，我们用木桶理论，一个木桶能装的水是由最短的木棍所决定的，那么
: 会不会出现说最后出错的瓶颈不在内存而在其他地方呢？比方说一个银行为了系统
: 稳定而用服务器来存储数据，但是在具体的某个branch里的工作人员用的是普通
: 的pc（这个只是猜测。）结果服务器上正确的数据由于client上的错误而导致了
: 最后的显示是不正确的，那岂不是说在server端所做的努力都废掉了吗？
|
a*o
发帖数: 19981 | 10 我等屌丝对偶尔出个错啥的不是很怕，但是对超频带来的快感那是相当的享受。
来不用的，会大大增加出错的风险。
【在 d***a 的大作中提到】
: 一次出错只有一个bit的错误。对绝大多数的计算应用来说，程序的代码小，数据量大
: 。比如说做矩阵运算，代码量可以小到1MB以下，数据量可以达到若干个GB。数据出错
: （非指针）不会让程序crash。如果代码出错，出错的代码并不一定会被执行，或者执
: 行了也不一定就crash。
: 在非服务器级机器上，也是有软件方法，以损失性能的方式增加可靠性。最简单的办法
: ，是把所有的计算做两次（或三次）。实际上现在有些高性能计算的任务，在服务器上
: 都选择这样来做，进一步提高可靠性。
: 有很多玩家喜欢把desktop级的处理器拿来超频。在实际的高性能计算中，超频是从来
: 不用的，会大大增加出错的风险。
|
|
|
d***a
发帖数: 13752 | 11 那是...超频确实是很有意思的事情。不少做硬件的人也喜欢做，虐待一下处理器。:)
对有些应用，超频是可以的。比如说搞搞video encoding，处理照片什么的，出几个
bit的错也不怕。
【在 a*o 的大作中提到】
: 我等屌丝对偶尔出个错啥的不是很怕，但是对超频带来的快感那是相当的享受。
:
: 来不用的，会大大增加出错的风险。
|
m*****n
发帖数: 3644 | 12 xeon也可以超。
【在 a*o 的大作中提到】
: 我等屌丝对偶尔出个错啥的不是很怕，但是对超频带来的快感那是相当的享受。
:
: 来不用的，会大大增加出错的风险。
|
l*****e
发帖数: 227 | 13 如果ECC和Non-ECC内存混用，ECC将失效。
请问如果Non-ECC内存和Xeon混用，Xeon的ECC等纠错功能还会有效吗？
另外registered，unbuffered这些区别很大吗？
想作电路模拟，TCAD simulation ECC内存是否很关键？ |
m*****n
发帖数: 3644 | 14 那我不超频，CPU换个强大点的散热器，内存也全贴上散热片，也可以大大减少出错的
风险了。这个成本比换Xeon低多了
【在 d***a 的大作中提到】
: 一次出错只有一个bit的错误。对绝大多数的计算应用来说，程序的代码小，数据量大
: 。比如说做矩阵运算，代码量可以小到1MB以下，数据量可以达到若干个GB。数据出错
: （非指针）不会让程序crash。如果代码出错，出错的代码并不一定会被执行，或者执
: 行了也不一定就crash。
: 在非服务器级机器上，也是有软件方法，以损失性能的方式增加可靠性。最简单的办法
: ，是把所有的计算做两次（或三次）。实际上现在有些高性能计算的任务，在服务器上
: 都选择这样来做，进一步提高可靠性。
: 有很多玩家喜欢把desktop级的处理器拿来超频。在实际的高性能计算中，超频是从来
: 不用的，会大大增加出错的风险。
|
d***a
发帖数: 13752 | 15 CPU的出错概率和温度有关，但低温下一样出错。
内存的出错概率和温度没有强关联，至少目前为止的研究没有证实。
【在 m*****n 的大作中提到】
: 那我不超频，CPU换个强大点的散热器，内存也全贴上散热片，也可以大大减少出错的
: 风险了。这个成本比换Xeon低多了
|
k*h
发帖数: 3668 | 16 呃，你这个想法太奇特了。
出错率是个概率，如果XEON的概率是10E(-20)，core是10E(-10),然后每降10度，出错
率降一个量级，那core系芯片再怎么散热也赶不上XEON。再说了，core系cpu可以贴散
热片，XEON也可以呀。
当然这些数字都是我瞎说的，只是个大概idea而已。没有官方公布的错误率和温度的关
系（估计也很难测），很难量化差距。对计算精度有要求的，相当于就是花钱买个安心
，尽可能地降低错误率。
【在 m*****n 的大作中提到】
: 那我不超频，CPU换个强大点的散热器，内存也全贴上散热片，也可以大大减少出错的
: 风险了。这个成本比换Xeon低多了
|
a***e
发帖数: 27968 | 17 CPU出错概率不大，比内存小多了
内存的概率大多了，挡不住量大
Dram还不是双稳电路
也看你算法，搞蒙特卡罗错点
也就是outlier
【在 m*****n 的大作中提到】
: 那我不超频，CPU换个强大点的散热器，内存也全贴上散热片，也可以大大减少出错的
: 风险了。这个成本比换Xeon低多了
|
