DRAM 错误与宇宙射线：太空入侵者还是科幻小说？
分布式、并行与集群计算
2024-11-04 v3
摘要
普遍接受宇宙射线是高性能计算(HPC)系统中 DRAM 错误的可能原因，各种研究表明它们可能解释某些观察到的 DRAM 错误行为的某些方面。但是，这一现象在生产环境中研究不足。我们分析了宇宙射线与两种 HPC 集群上 DRAM 错误之间的相关性：一台拥有服务器级 DDR3-1600 的生产超级计算机和一台无硬件错误纠正的 LPDDR3-1600 原型机。我们的错误日志覆盖 MareNostrum 3 超级计算机的 20000 亿 MB 小时和 Mont-Blanc 原型机的 1.35 亿 MB 小时。我们的分析结合了定量分析、形式统计方法和机器学习。我们未检测到宇宙射线对 DRAM 错误有任何影响的迹象。为了理解所发现的发现是否特定于所研究的系统，位于海平面 100 米处，应在其他 HPC 集群上重复分析，尤其是位于更高海拔的集群。此外，分析可以（并且应该）应用于重新审视和扩展大量以宇宙射线作为假设解释器来解释观察到的 DRAM 错误行为的以前的研究。
引用
@article{arxiv.2407.16487,
title = {DRAM Errors and Cosmic Rays: Space Invaders or Science Fiction?},
author = {Isaac Boixaderas and Jorge Amaya and Sergi Moré and Javier Bartolome and David Vicente and Osman Unsal and Dimitris Gizopoulos and Paul M. Carpenter and Petar Radojković and Eduard Ayguadé},
journal= {arXiv preprint arXiv:2407.16487},
year = {2024}
}
备注
Accepted for publication in SBAC-PAD'24