數據中心小零件釀大危機 不明故障頻生 歸咎晶片太複雜 2022年2月10日 StartupBeat 創科鬥室

數據中心小零件釀大危機
不明故障頻生 歸咎晶片太複雜

數據中心支撐全球科網運作，但任何高科技設備中的零部件都可能存在技術失誤，而且往往要在爆出嚴重事故後，隱藏漏洞才會浮現。美國《紐約時報》報道，近年雲端網絡龐大複雜，不少巨企擔心數據中心伺服器的晶片不夠可靠，隨時引發不明硬件故障，甚至釀成大規模系統癱瘓。

Google年均4%伺服器意外關機

《紐約時報》引述史丹福大學一位電機工程師Subhasish Mitra指出，大型科網平台系統故障，問題較多出於伺服器硬件運作錯誤，而根源來自底層硬件，包括晶片。

早於2015年，工程界權威刊物IEEE Spectrum引述一份研究報告提到，Google數以百萬計伺服器硬件中，每年平均有4%因一些無法偵測的錯誤而意外關機。

報告提到，在一枚擁有數十億個晶體管的微處理器或電腦記憶體中，每一個可以儲存0和1（電腦最原始基本語言）的微型開關（Tiny Switches），只要出現任何微小錯誤，都足以拖垮每秒執行數十億次運算的電腦系統。社交平台Facebook有研究員認為，微型開關愈來愈容易磨損，令電腦記憶體及處理器的壽命比以前更短。

一直以來，設計電腦的科學家都希望透過添加特殊電路，偵測及自動修正不良數據。然而，Google近年接報一些難以診斷的硬件錯誤，部分只會在某些特定條件下，例如運算速度或溫度產生變化時出現。研究人員相信，這跟處理器設計愈見複雜、晶體管愈趨細小，以及廠方測試不足等因素有關。

助測錯誤監控軟件需求飆

美國晶片商超微半導體（AMD）前年的一份報告，認為DDR4記憶體晶片的可靠程度反而比起上一代的DDR3產品差5.5倍。電腦製造商聯想（00992）曾告知客戶，美國晶片生產商英特爾（Intel）新一代處理器可能比上代產品暗藏更多難以修正的錯誤。

針對硬件錯誤漸趨頻繁，《紐約時報》指出，一些能夠監控晶片健康狀況和硬件錯誤的新型軟件，需求大大增加。此外，英特爾已啟動一個新項目，透過開源軟件協助數據中心營運商，偵測和修正晶片電路未偵測的硬件錯誤，並且改變處理器的設計。

放大圖片 / 顯示原圖