4.2.2. RBER සහ තැටි වයස (PE චක්‍ර හැර).
රූප සටහන 1 මඟින් RBER සහ වයස අතර සැලකිය යුතු සහසම්බන්ධයක් පෙන්නුම් කරයි, එනම් තැටිය ක්ෂේත්‍රයේ ඇති මාස ගණනයි. කෙසේ වෙතත්, මෙය ව්‍යාජ සහසම්බන්ධයක් විය හැකිය, මන්ද එය පැරණි ධාවකයන්ට වැඩි PE ඇති බැවින් RBER PE චක්‍ර සමඟ වඩාත් සහසම්බන්ධ වේ.
PE චක්‍ර හේතුවෙන් වයසට යාමේ බලපෑම ඉවත් කිරීම සඳහා, බහාලුම් අතර කඩඉමක් ලෙස PE චක්‍ර බෙදා හැරීමේ දශම භාවිතා කරමින් අපි සියලුම මාස සේවා බහාලුම්වලට කාණ්ඩගත කළෙමු, උදාහරණයක් ලෙස, පළමු බහාලුමේ සියලුම මාසවල තැටි ආයු කාලය අඩංගු වේ. PE චක්‍ර ව්‍යාප්තියේ පළමු දශම, සහ තව දුරටත්. අපි එක් එක් බහාලුම් තුළ PE චක්‍ර සහ RBER අතර සහසම්බන්ධය තරමක් කුඩා බව සත්‍යාපනය කළෙමු (එක් එක් බහාලුම් PE චක්‍රවල කුඩා පරාසයක් පමණක් ආවරණය කරන බැවින්), පසුව RBER සහ තැටි වයස අතර සහසම්බන්ධතා සංගුණකය එක් එක් බහාලුම් සඳහා වෙන වෙනම ගණනය කළෙමු.
අපි මෙම විශ්ලේෂණය එක් එක් මාදිලිය සඳහා වෙන වෙනම සිදු කළේ, නිරීක්ෂණය කරන ලද සහසම්බන්ධතා බාල සහ වැඩිහිටි ආකෘති අතර ඇති වෙනස්කම් නිසා නොව, එකම මාදිලියේ ධාවකයන්ගේ වයස නිසා පමණි. ඉහත විස්තර කර ඇති ආකාරයට PE චක්‍රවල බලපෑම සීමා කිරීමෙන් පසුව පවා, සියලුම ධාවක මාදිලි සඳහා ධාවකයක් ක්ෂේත්‍රයේ පැවති මාස ගණන සහ එහි RBER (සහසම්බන්ධතා සංගුණක 0,2 සිට 0,4 දක්වා පරාසයක පවතී) අතර සැලකිය යුතු සහසම්බන්ධයක් ඇති බව අපි නිරීක්ෂණය කළෙමු. )
සහල්. 3. RBER සහ නව සහ පැරණි තැටි සඳහා PE චක්‍ර ගණන අතර සම්බන්ධය පෙන්නුම් කරන්නේ, ඇඳීම නිසා ඇතිවන PE චක්‍ර නොසලකා තැටියේ වයස RBER අගයට බලපාන බවයි.
“තරුණ” වයස අවුරුදු 1 දක්වා ධාවකය භාවිතා කරන දින සහ වයස අවුරුදු 4 ට වැඩි ධාවකය භාවිතා කරන දින බෙදීමෙන් අපි ධාවකයේ වයසේ බලපෑම චිත්‍රක ලෙස දෘශ්‍යමාන කර, පසුව එක් එක් RBER සැලසුම් කළෙමු. PE චක්‍ර ගණනට එරෙහිව කණ්ඩායම. රූප සටහන 3 MLC-D ධාවක ආකෘතිය සඳහා මෙම ප්රතිඵල පෙන්වයි. සියලුම PE චක්‍ර පුරාවට පැරණි සහ නව තැටි කාණ්ඩ අතර RBER අගයන්හි කැපී පෙනෙන වෙනසක් අපි දකිමු.
මෙයින් අපි නිගමනය කරන්නේ ක්ෂේත්‍රයේ තැටි භාවිතයේ දින වලින් මනිනු ලබන වයස, PE චක්‍රවලට නිරාවරණය වීම නිසා මතක සෛල පැළඳීමෙන් ස්වාධීනව RBER මත සැලකිය යුතු බලපෑමක් ඇති කරන බවයි. මෙයින් අදහස් කරන්නේ සිලිකන් වයසට යාම වැනි අනෙකුත් සාධක, තැටියේ භෞතික ඇඳුම් සඳහා විශාල කාර්යභාරයක් ඉටු කරන බවයි.
4.2.3. RBER සහ වැඩ බර.
බිට් දෝෂ යාන්ත්‍රණ හතරෙන් එකක් නිසා ඇති වන බව සැලකේ:
- ගබඩා දෝෂ රඳවා ගැනීමේ දෝෂ, මතක සෛලයක් කාලයත් සමඟ දත්ත නැති වූ විට
කියවීම බාධා කිරීමේ දෝෂ, කියවීමේ මෙහෙයුමක් යාබද සෛලයක අන්තර්ගතයට හානි කරයි; - කියවීමේ මෙහෙයුමක් යාබද සෛලයක අන්තර්ගතයට හානි කරන බාධා දෝෂ ලියන්න;
- අසම්පූර්ණ මකාදැමීමේ දෝෂ, මකන මෙහෙයුම සෛලයේ අන්තර්ගතය සම්පූර්ණයෙන්ම මකා නොදමන විට.
අවසාන වර්ග තුනේ දෝෂ (කියවීමට බාධා කිරීම, ලිවීමට බාධා කිරීම, අසම්පූර්ණ මකා දැමීම) වැඩ බර සමඟ සහසම්බන්ධ වේ, එබැවින් RBER සහ වැඩ බර අතර සහසම්බන්ධය අවබෝධ කර ගැනීම විවිධ දෝෂ යාන්ත්‍රණවල ව්‍යාප්තිය තේරුම් ගැනීමට අපට උපකාරී වේ. මෑත අධ්‍යයනයක දී, "ක්ෂේත්‍රයේ ෆ්ලෑෂ් මතක අසමත්වීම් පිළිබඳ මහා පරිමාණ අධ්යයනයක්" (MEZA, J., WU, Q., KUMAR, S., MUTLU, O. "Flash memory අසාර්ථක වීම් පිළිබඳ මහා පරිමාණ අධ්යයනයක් ක්ෂේත්‍රය." නිව් යෝර්ක්, 2015, නිව් යෝර්ක්, පරිගණක පද්ධති මැනීම සහ ආකෘතිකරණය පිළිබඳ 2015 ACM SIGMETRICS ජාත්‍යන්තර සම්මන්ත්‍රණයේ ක්‍රියාපටිපාටියේදී, SIGMETRICS '15, ACM, pp. 177-190) නිගමනය කළේ, කියවීමේදී ගබඩා දෝෂ ප්‍රමුඛ වන බවයි. තරමක් සුළු වේ.
රූප සටහන 1 පෙන්නුම් කරන්නේ යම් මාසයක තැටි ආයු කාලය තුළ RBER අගය සහ සමහර මාදිලි සඳහා එම මාසයේ කියවීම්, ලිවීම් සහ මකා දැමීම් සංඛ්‍යාව අතර සැලකිය යුතු සම්බන්ධතාවයක් (උදාහරණයක් ලෙස, MLC - B සඳහා සහසම්බන්ධතා සංගුණකය 0,2 ට වඩා වැඩිය. ආකෘතිය සහ SLC-B සඳහා 0,6 ට වැඩි). කෙසේ වෙතත්, මාසික වැඩ බර මුළු PE චක්‍ර ගණනට සම්බන්ධ විය හැකි බැවින් මෙය ව්‍යාජ සහසම්බන්ධයක් විය හැකිය.
පෙර PE චක්‍ර මත පදනම්ව මාස ගණනක ධාවන ක්‍රියාකාරිත්වය හුදකලා කිරීමෙන් සහ පසුව එක් එක් බහාලුම් සඳහා වෙන වෙනම සහසම්බන්ධතා සංගුණක තීරණය කිරීමෙන් PE චක්‍රවල බලපෑමෙන් වැඩ බරෙහි බලපෑම් හුදකලා කිරීමට අපි 4.2.2 වගන්තියේ විස්තර කර ඇති ක්‍රමවේදයම භාවිතා කළෙමු.
PE චක්‍ර සීමා කිරීමේදී පවා MLC-B සහ SLC-B ආකෘති සඳහා ලබා දී ඇති තැටියේ ආයු කාලය සහ එම මාසයේ RBER අගය අතර සහසම්බන්ධය පවතින බව අපි දුටුවෙමු. සමගාමී ලිවීම් සහ මකා දැමීම් සංඛ්‍යාව මත කියවීම්වල බලපෑම බැහැර කළ අපි සමාන විශ්ලේෂණයක් නැවත නැවතත් කළ අතර, RBER සහ කියවීම් සංඛ්‍යාව අතර සහසම්බන්ධය SLC-B ආකෘතිය සඳහා සත්‍ය වන බව නිගමනය කළෙමු.
රූප සටහන 1 මගින් RBER සහ ලිවීමේ සහ මකන මෙහෙයුම් අතර සහසම්බන්ධය ද පෙන්වයි, එබැවින් අපි කියවීම, ලිවීම සහ මකන මෙහෙයුම් සඳහා එකම විශ්ලේෂණය නැවත සිදු කළෙමු. PE චක්‍ර සහ කියවීම් වල බලපෑම සීමා කිරීමෙන් RBER අගය සහ ලිවීම් සහ මකාදැමීම් ගණන අතර සම්බන්ධයක් නොමැති බව අපි නිගමනය කරමු.
මේ අනුව, කියවීම උල්ලංඝනය කිරීමේ දෝෂ RBER මත සැලකිය යුතු බලපෑමක් ඇති තැටි ආකෘති ඇත. අනෙක් අතට, ලිවීමේ උල්ලංඝනය කිරීම් දෝෂ සහ අසම්පූර්ණ මකාදැමීමේ දෝෂ හේතුවෙන් RBER බලපාන බවට කිසිදු සාක්ෂියක් නොමැත.
4.2.4 RBER සහ ලිතෝග්රැෆි.
වස්තුවේ ප්‍රමාණයේ වෙනස්කම් එකම තාක්ෂණය භාවිතා කරන ධාවක ආකෘති අතර RBER අගයන්හි වෙනස්කම් අර්ධ වශයෙන් පැහැදිලි කළ හැකිය, එනම් MLC හෝ SLC. (මෙම අධ්‍යයනයට ඇතුළත් කර ඇති විවිධ මාදිලිවල ලිතෝග්රැෆි පිළිබඳ දළ විශ්ලේෂණයක් සඳහා වගුව 1 බලන්න).
උදාහරණයක් ලෙස, 2nm ලිතෝග්රැෆි සහිත SLC මාදිලි 34ක් (මාදිලි SLC-A සහ SLC-D) RBER ඇති අතර එය 2nm ක්ෂුද්‍ර ඉලෙක්ට්‍රොනික ලිතෝග්රැෆි (මාදිලි SLC-B සහ SLC-C) මාදිලි 50කට වඩා විශාලත්වයේ අනුපිළිවෙලකි. MLC මාදිලි සම්බන්ධයෙන් ගත් කල, 43nm මාදිලියේ (MLC-B) පමණක් මධ්‍ය RBER ඇති අතර එය 50nm ලිතෝග්රැෆි සහිත අනෙකුත් මාදිලි 3 ට වඩා 50% වැඩි වේ. එපමනක් නොව, රූප සටහන 4 හි පෙන්වා ඇති පරිදි ධාවක දිරාපත් වන විට RBER හි මෙම වෙනස 2 ගුණයකින් වැඩි වේ. අවසාන වශයෙන්, තුනී ලිතෝග්රැෆි මගින් MLC ධාවකවලට සාපේක්ෂව eMLC ධාවකවල ඉහළ RBER පැහැදිලි කළ හැක. සමස්තයක් වශයෙන්, ලිතෝග්රැෆි RBER වලට බලපාන බවට අපට පැහැදිලි සාක්ෂි තිබේ.
4.2.5 වෙනත් දෝෂ පැවතීම.
RBER සහ නිවැරදි කළ නොහැකි දෝෂ, කල් ඉකුත් වීමේ දෝෂ වැනි වෙනත් ආකාරයේ දෝෂ අතර සම්බන්ධය අපි විමර්ශනය කළෙමු, විශේෂයෙන්, වෙනත් ආකාරයේ දෝෂවලට නිරාවරණය වීමෙන් මාසයකට පසු RBER අගය වැඩි වන්නේද යන්න.
රූප සටහන 1 පෙන්නුම් කරන්නේ පෙර මාසයේ RBER අනාගත RBER අගයන් (0,8 ට වැඩි සහසම්බන්ධතා සංගුණකය) පිළිබඳව පුරෝකථනය කරන අතර, නිවැරදි කළ නොහැකි දෝෂ සහ RBER අතර සැලකිය යුතු සහසම්බන්ධයක් නොමැති බවයි (රූපය 1 හි දකුණු පස ඇති අයිතම සමූහය). වෙනත් ආකාරයේ දෝෂ සඳහා, සහසම්බන්ධතා සංගුණකය ඊටත් වඩා අඩුය (රූපයේ පෙන්වා නැත). අපි මෙම පත්‍රිකාවේ 5.2 වගන්තියේ RBER සහ නිවැරදි කළ නොහැකි දෝෂ අතර සම්බන්ධය තවදුරටත් ගවේෂණය කළෙමු.
4.2.6. වෙනත් සාධකවල බලපෑම.
අපගේ දත්තවලට ගණන් ගත නොහැකි RBER මත සැලකිය යුතු බලපෑමක් ඇති කරන සාධක ඇති බවට අපට සාක්ෂි හමු විය. විශේෂයෙන්ම, දී ඇති තැටි ආකෘතියක් සඳහා RBER තැටිය යොදවා ඇති පොකුර අනුව වෙනස් වන බව අපි දුටුවෙමු. හොඳ උදාහරණයක් වන්නේ රූප සටහන 4, විවිධ පොකුරු තුනක (ඉරි සහිත රේඛා) MLC-D ධාවකයන් සඳහා PE චක්‍රවල ශ්‍රිතයක් ලෙස RBER පෙන්වන අතර මුළු ධාවකයන් ගණනට (ඝන රේඛාව) සාපේක්ෂව මෙම ආකෘතිය සඳහා RBER සමඟ සංසන්දනය කරයි. තැටියේ වයස හෝ කියවීම් ගණන වැනි සාධකවල බලපෑම සීමා කරන විට පවා මෙම වෙනස්කම් පවතින බව අපට පෙනී යයි.
මේ සඳහා විය හැකි එක් පැහැදිලි කිරීමක් නම්, අපි නිරීක්ෂණය කරන පරිදි, ඉහළම කියවීමේ/ලිවීමේ අනුපාත ඉහළම ඇති පොකුරුවලට ඉහළම RBER ඇති බව නිරීක්ෂණය කරන නිසා, පොකුරු හරහා වැඩ බර වර්ගයෙහි වෙනස්කම් වේ.
සහල්. 4 a), b). විවිධ පොකුරු තුනක් සඳහා PE චක්‍රවල ශ්‍රිතයක් ලෙස මධ්‍ය RBER අගයන් සහ විවිධ පොකුරු තුනක් සඳහා PE චක්‍ර ගණන මත කියවීමේ / ලිවීමේ අනුපාතය රඳා පවතී.
උදාහරණයක් ලෙස, MLC-D ධාවක ආකෘතිය සඳහා විවිධ පොකුරු කියවීමේ / ලිවීමේ අනුපාත රූප සටහන 4 (b) පෙන්වයි. කෙසේ වෙතත්, කියවීමේ / ලිවීමේ අනුපාතය සියලු මාදිලි සඳහා පොකුරු අතර වෙනස්කම් පැහැදිලි නොකරයි, එබැවින් පාරිසරික සාධක හෝ වෙනත් බාහිර වැඩ බර පරාමිතීන් වැනි අපගේ දත්ත ගණන් නොගන්නා වෙනත් සාධක තිබිය හැකිය.
4.3 වේගවත් කල්පැවැත්ම පරීක්ෂා කිරීමේදී RBER.
බොහෝ විද්‍යාත්මක කටයුතු මෙන්ම කාර්මික පරිමාණයෙන් මාධ්ය මිලදී ගැනීමේදී සිදු කරන ලද පරීක්ෂණ, වේගවත් කල්පැවැත්ම පරීක්ෂණවල ප්රතිඵල මත පදනම්ව ක්ෂේත්‍රයේ උපාංගවල විශ්වසනීයත්වය පුරෝකථනය කරයි. එවැනි පරීක්ෂණවල ප්රතිඵල ඝන-රාජ්ය ගබඩා මාධ්ය ක්රියාත්මක කිරීමේ ප්රායෝගික අත්දැකීම් වලට අනුරූප වන ආකාරය සොයා ගැනීමට අපි තීරණය කළා.
ගූගල් දත්ත මධ්‍යස්ථාන වෙත සපයනු ලබන උපකරණ සඳහා සාමාන්‍ය ත්වරණය කළ පරීක්ෂණ ක්‍රමවේදය භාවිතයෙන් සිදු කරන ලද පරීක්ෂණ ප්රතිඵල විශ්ලේෂණයෙන් පෙන්නුම් කළේ ක්ෂේත්‍ර RBER අගයන් පුරෝකථනය කළ ප්‍රමාණයට වඩා සැලකිය යුතු ලෙස ඉහළ මට්ටමක පවතින බවයි. උදාහරණයක් ලෙස, eMLC-a ආකෘතිය සඳහා, ක්ෂේත්‍රයේ ක්රියාත්මක වන තැටි සඳහා මධ්‍ය RBER (පරීක්ෂා කිරීම අවසානයේ PE චක්‍ර සංඛ්‍යාව 600 දක්වා ළඟා විය) 1e-05 වන අතර, ප්‍රාථමික කඩිනම් පරීක්ෂණ ප්රතිඵල අනුව, මෙම RBER අගය PE චක්‍ර 4000කට වඩා අනුරූප විය යුතුය. රසායනාගාර පරීක්ෂණවලින් ලබාගත් RBER ඇස්තමේන්තු මත පදනම්ව ක්ෂේත්‍රයේ RBER අගය නිවැරදිව පුරෝකථනය කිරීම ඉතා අපහසු බව මෙයින් පෙන්නුම් කෙරේ.
වේගවත් පරීක්‍ෂණයකදී ඇතැම් දෝෂ ප්‍රතිනිෂ්පාදනය කිරීම තරමක් අපහසු බව ද අපි සටහන් කළෙමු. උදාහරණයක් ලෙස, MLC-B ආකෘතිය සම්බන්ධයෙන්, ක්ෂේත්‍රයේ ඇති ධාවකයන්ගෙන් 60%කට ආසන්න ප්‍රමාණයක් නිවැරදි කළ නොහැකි දෝෂ අත්විඳින අතර 80%ක් පමණ ධාවකයන් නරක බ්ලොක් වර්ධනය කරයි. කෙසේ වෙතත්, වේගවත් විඳදරාගැනීමේ පරීක්ෂණය අතරතුර, ධාවකයන් PE චක්‍ර සීමාව මෙන් තුන් ගුණයකට වඩා වැඩි වන තෙක් උපාංග හයෙන් කිසිවකට නිවැරදි කළ නොහැකි දෝෂ අත්විඳ නැත. eMLC මාදිලි සඳහා, ක්ෂේත්‍රයේ ධාවකයන්ගෙන් 80% කට වඩා වැඩි ප්‍රමාණයක නිවැරදි කළ නොහැකි දෝෂ ඇති වූ අතර, වේගවත් පරීක්ෂාවේදී එවැනි දෝෂ 15000 PE චක්‍ර කරා ළඟා වීමෙන් පසුව සිදු විය.
පාලිත පරිසරයක අත්හදා බැලීම් මත පදනම් වූ පෙර පර්යේෂණ කටයුතුවල වාර්තා කරන ලද RBER ද අපි සොයා බැලූ අතර අගයන් පරාසය අතිශයින් පුළුල් බව නිගමනය කළෙමු. උදාහරණයක් ලෙස, එල්.එම්. Grupp සහ අනෙකුත් අය ඔවුන්ගේ 2009 -2012 වැඩ වාර්තාවේ RBER අගයන් PE චක්‍ර සීමාවන් කරා ළඟා වීමට ආසන්න ධාවකයන් සඳහා වේ. උදාහරණයක් ලෙස, අපගේ කාර්යයේ (25-50nm) භාවිතා කරන ලද ලිතෝග්රැෆි ප්‍රමාණයන් සහිත SLC සහ MLC උපාංග සඳහා, RBER අගය 1e-08 සිට 1e-03 දක්වා පරාසයක පවතී, බොහෝ ධාවක මාදිලි 1e- ට ආසන්න RBER අගයක් සහිතව පරීක්ෂා කර ඇත. 06.
අපගේ අධ්‍යයනයේ දී, PE චක්‍ර සීමාවට ළඟා වූ ධාවක ආකෘති තුනෙහි 3e-08 සිට 8e-08 දක්වා පරාසයක RBERs තිබුණි. අපගේ සංඛ්‍යා අඩු මායිම් බව සහ නිරපේක්ෂ නරකම අවස්ථාවක 16 ගුණයකින් විශාල විය හැකි බව සැලකිල්ලට ගනිමින් හෝ RBER හි 95 වන ප්‍රතිශතය සැලකිල්ලට ගනිමින්, අපගේ අගයන් තවමත් සැලකිය යුතු ලෙස අඩුය.
සමස්තයක් ලෙස, සත්‍ය ක්ෂේත්‍ර RBER අගයන් වේගවත් කල්පැවැත්ම පරීක්ෂාව මත පදනම්ව පුරෝකථනය කරන ලද අගයන්ට වඩා ඉහළ මට්ටමක පවතින අතර, ඒවා වෙනත් පර්යේෂණ පත්‍රිකාවල වාර්තා කර ඇති සහ රසායනාගාර පරීක්ෂණවලින් ගණනය කරන ලද බොහෝ RBER වලට වඩා අඩුය. මෙයින් අදහස් කරන්නේ ඔබ වේගවත් කල්පැවැත්ම පරීක්ෂාවෙන් ව්‍යුත්පන්න කර ඇති අනාවැකි ක්ෂේත්‍ර RBER අගයන් මත විශ්වාසය නොතැබිය යුතු බවයි.
5. නිවැරදි කළ නොහැකි දෝෂ.
මෙම ලිපියේ 3 වන වගන්තියේ සාකච්ඡා කරන ලද නිවැරදි කළ නොහැකි දෝෂ (UEs) බහුලව දක්නට ලැබෙන බැවින්, මෙම කොටසේදී අපි ඒවායේ ලක්ෂණ වඩාත් විස්තරාත්මකව ගවේෂණය කරමු. අපි UE මැනීමට කුමන මෙට්‍රික් භාවිතා කළ යුතුද, එය RBER හා සම්බන්ධ වන්නේ කෙසේද සහ විවිධ සාධක මගින් UE බලපාන්නේ කෙසේද යන්න සාකච්ඡා කිරීමෙන් ආරම්භ කරමු.
5.1 UBER අනුපාතය තේරුමක් නැත්තේ ඇයි.
නිවැරදි කළ නොහැකි දෝෂ සහිත සම්මත මෙට්‍රික් යනු UBER නිවැරදි කළ නොහැකි බිට් දෝෂ අනුපාතයයි, එනම් නිවැරදි කළ නොහැකි බිට් දෝෂ සංඛ්‍යාවේ මුළු බිටු ගණනට අනුපාතයයි.
නිවැරදි කළ නොහැකි දෝෂ සංඛ්‍යාව කෙසේ හෝ කියවන ලද බිටු සංඛ්‍යාවට බැඳී ඇති බවත්, එම නිසා මෙම සංඛ්‍යාවෙන් සාමාන්‍යකරණය කළ යුතු බවත් මෙම මෙට්‍රික් ව්‍යංගයෙන් උපකල්පනය කරයි.
මෙම උපකල්පනය නිවැරදි කළ හැකි දෝෂ සඳහා වලංගු වේ, එහිදී දී ඇති මාසයක නිරීක්ෂණය කරන ලද දෝෂ ගණන එම කාල සීමාව තුළ කියවීම් සංඛ්‍යාව සමඟ ඉහළ සහසම්බන්ධයක් ඇති බව සොයා ගනී (Spearman සහසම්බන්ධතා සංගුණකය 0.9 ට වඩා වැඩි). මෙතරම් ප්‍රබල සහසම්බන්ධයක් ඇති වීමට හේතුව නම්, ECC භාවිතයෙන් නිවැරදි කළ හැකි තාක්, එක් නරක බිට් එකක් වුවද, එය විසින් ප්‍රවේශ වන එක් එක් කියවීමේ ක්‍රියාවන් සමඟම දෝෂ සංඛ්‍යාව වැඩි කිරීම දිගටම කරගෙන යනු ඇත, මන්ද නරක බිට් අඩංගු සෛලය ඇගයීම දෝෂයක් අනාවරණය වූ විට වහාම නිවැරදි නොකෙරේ (තැටි කාලානුරූපව හානි වූ බිටු සහිත පිටු නැවත ලියන්නේ පමණි).
නිවැරදි කළ නොහැකි දෝෂ සඳහා එම උපකල්පනය අදාළ නොවේ. නිවැරදි කළ නොහැකි දෝෂයක් හානියට පත් කොටස තවදුරටත් භාවිතා කිරීම වළක්වයි, එබැවින් අනාවරණය වූ පසු, එවැනි අවහිරයක් අනාගතයේ ඇති දෝෂ ගණනට බලපාන්නේ නැත.
මෙම උපකල්පනය විධිමත් ලෙස තහවුරු කිරීම සඳහා, අපි විවිධ සහසම්බන්ධතා සංගුණක (පියර්සන්, ස්පියර්මන්, කෙන්ඩල්) ඇතුළුව, ලබා දී ඇති තැටි ආයුකාලයේ මාසයක කියවීම් සංඛ්‍යාව සහ එම කාල සීමාව තුළ නිවැරදි කළ නොහැකි දෝෂ සංඛ්‍යාව අතර සම්බන්ධතාවය මැනීමට විවිධ ප්‍රමිතික භාවිතා කළෙමු. , මෙන්ම ප්රස්තාර දෘශ්ය පරීක්ෂාව . නිවැරදි කළ නොහැකි දෝෂ ගණනට අමතරව, අපි නිවැරදි කළ නොහැකි දෝෂ සිදුවීම්වල සංඛ්‍යාතය (එනම්, යම් කාල සීමාවක් තුළ තැටියකට අවම වශයෙන් එවැනි සිදුවීමක් සිදුවීමේ සම්භාවිතාව) සහ මෙහෙයුම් කියවීමට ඇති සම්බන්ධතාවය ද අපි සොයා බැලුවෙමු.
කියවීම් සංඛ්‍යාව සහ නිවැරදි කළ නොහැකි දෝෂ සංඛ්‍යාව අතර සහසම්බන්ධයක් පිළිබඳ කිසිදු සාක්ෂියක් අපට හමු නොවීය. සියලුම ධාවක මාදිලි සඳහා, සහසම්බන්ධතා සංගුණක 0.02 ට වඩා අඩු වූ අතර, කියවීම් සංඛ්‍යාව වැඩි වන විට ප්‍රස්ථාර UE හි කිසිදු වැඩිවීමක් නොපෙන්වයි.
මෙම පත්‍රිකාවේ 5.4 වගන්තිය තුළ, ලිවීමේ සහ මකා දැමීමේ මෙහෙයුම්වලට නිවැරදි කළ නොහැකි දෝෂවලට කිසිදු සම්බන්ධයක් නොමැති බව අපි සාකච්ඡා කරමු, එබැවින් කියවීමේ මෙහෙයුම් වෙනුවට ලිවීම හෝ මකන මෙහෙයුම් මගින් සාමාන්‍යකරණය කරන ලද UBER හි විකල්ප අර්ථ දැක්වීමේ තේරුමක් නැත.
එබැවින් අපි නිගමනය කරන්නේ UBER යනු සමහර විට පරීක්ෂා කරන්නා විසින් කියවීම් සංඛ්‍යාව සකසන ලද පාලිත පරිසරයක පරීක්ෂා කළ විට මිස අර්ථාන්විත මෙට්‍රික් එකක් නොවන බවයි. ක්ෂේත්‍ර පරීක්ෂා කිරීමේදී UBER මෙට්‍රික් එකක් ලෙස භාවිතා කරන්නේ නම්, එය ඉහළ කියවීම් සංඛ්‍යාවක් සහිත ධාවකයන් සඳහා කෘත්‍රිමව දෝෂ අනුපාතය අඩු කරන අතර කියවීම් සංඛ්‍යාව නොසලකා නිවැරදි කළ නොහැකි දෝෂ ඇති බැවින් අඩු කියවීම් සංඛ්‍යාවක් සහිත ධාවකයන් සඳහා දෝෂ අනුපාතය කෘතිමව පුම්බනු ඇත.
5.2 නිවැරදි කළ නොහැකි දෝෂ සහ RBER.
RBER හි අදාළත්වය පැහැදිලි කරනුයේ එය ධාවකයේ සමස්ත විශ්වසනීයත්වය තීරණය කිරීමේ මිනුමක් ලෙස ක්‍රියා කරන බැවිනි, විශේෂයෙන්, නිවැරදි කළ නොහැකි දෝෂ ඇතිවීමේ සම්භාවිතාව මත. ඔවුන්ගේ කාර්යයේ දී, 2008 දී N. Mielke et al විසින් RBER හි ශ්‍රිතයක් ලෙස අපේක්ෂිත නිවැරදි කළ නොහැකි දෝෂ අනුපාතය නිර්වචනය කිරීමට ප්‍රථම වරට යෝජනා කරන ලදී. එතැන් සිට, බොහෝ පද්ධති සංවර්ධකයින් RBER සහ ECC වර්ගයේ ශ්‍රිතයක් ලෙස අපේක්ෂිත නිවැරදි කළ නොහැකි දෝෂ අනුපාතය ඇස්තමේන්තු කිරීම වැනි සමාන ක්‍රම භාවිතා කර ඇත.
මෙම කොටසෙහි පරමාර්ථය වන්නේ RBER නිවැරදි කළ නොහැකි දෝෂ පුරෝකථනය කරන්නේ කෙසේද යන්න සංලක්ෂිත කිරීමයි. නිවැරදි කළ නොහැකි UE දෝෂ අත්විඳින ලද ඒවා භාවිතයේ සිටි දින ප්‍රතිශතයට එරෙහිව පළමු පරම්පරාවේ ධාවක මාදිලි ගණනාවක් සඳහා මධ්‍ය RBER සැලසුම් කරන රූප සටහන 5a සමඟ ආරම්භ කරමු. විශ්ලේෂණාත්මක තොරතුරු නොමැතිකම හේතුවෙන් ප්‍රස්ථාරයේ පෙන්වා ඇති ආකෘති 16 න් සමහරක් වගුව 1 හි ඇතුළත් කර නොමැති බව සටහන් කළ යුතුය.
සහල්. 5a. මධ්යන්ය RBER සහ විවිධ ධාවක ආකෘති සඳහා නිවැරදි කළ නොහැකි දෝෂ අතර සම්බන්ධතාවය.
සහල්. 5b. එකම මාදිලියේ විවිධ ධාවකයන් සඳහා මධ්යන්ය RBER සහ නිවැරදි කළ නොහැකි දෝෂ අතර සම්බන්ධතාවය.
එකම පරම්පරාවේ සියලුම මාදිලි එකම ECC යාන්ත්‍රණයක් භාවිතා කරන බව මතක තබා ගන්න, එබැවින් ආකෘති අතර වෙනස්කම් ECC වෙනස්කම් වලින් ස්වාධීන වේ. RBER සහ UE සිදුවීම් අතර කිසිදු සහසම්බන්ධයක් අපි දුටුවේ නැත. අපි 95 වැනි ප්‍රතිශත RBER එදිරිව UE සම්භාවිතාව සඳහා එකම බිම් කොටස නිර්මාණය කළ අතර නැවත සහසම්බන්ධයක් නොදුටුවෙමු.
ඊළඟට, අපි තනි තැටිවල කැටිතියකින් විශ්ලේෂණය නැවත නැවතත් කළෙමු, එනම්, ඉහළ RBER අගයක් ඉහළ UE සංඛ්‍යාතයකට අනුරූප වන තැටි තිබේදැයි සොයා බැලීමට අපි උත්සාහ කළෙමු. උදාහරණයක් ලෙස, රූප සටහන 5b MLC-c මාදිලියේ එක් එක් ධාවකය සඳහා UE ගණනට එදිරිව මධ්‍ය RBER සැලසුම් කරයි (95 වැනි ප්‍රතිශත RBER සඳහා ලබාගත් ප්‍රතිඵලවලට සමාන ප්රතිඵල). නැවතත්, අපි RBER සහ UE අතර කිසිදු සහසම්බන්ධයක් දුටුවේ නැත.
අවසාන වශයෙන්, ඉහළ RBER සහිත ධාවකයන්ගේ මෙහෙයුම් මාස UEs සිදු වූ මාසවලට අනුරූප වේ දැයි පරීක්ෂා කිරීමට අපි වඩාත් නිවැරදි කාල විශ්ලේෂණයක් සිදු කළෙමු. නිවැරදි කළ නොහැකි දෝෂ සහ RBER අතර සහසම්බන්ධතා සංගුණකය ඉතා අඩු බව රූප සටහන 1 දැනටමත් පෙන්වා දී ඇත. අපි RBER හි ශ්‍රිතයක් ලෙස UE හි සම්භාවිතාව සැලසුම් කිරීමේ විවිධ ක්‍රම අත්හදා බැලූ අතර සහසම්බන්ධතාවයේ කිසිදු සාක්ෂියක් සොයාගත නොහැකි විය.
මේ අනුව, අපි නිගමනය කරන්නේ RBER යනු UE පුරෝකථනය කිරීම සඳහා විශ්වාස කළ නොහැකි මෙට්‍රික් එකක් බවයි. මෙයින් අදහස් කරන්නේ RBER වලට තුඩු දෙන අසාර්ථක යාන්ත්‍රණ නිවැරදි කළ නොහැකි දෝෂ වලට තුඩු දෙන යාන්ත්‍රණවලට වඩා වෙනස් බවයි (උදා: තනි සෛල තුළ ඇති දෝෂ සහ සම්පූර්ණ උපාංගය සමඟ ඇති වන විශාල ගැටළු).
5.3 නිවැරදි කළ නොහැකි දෝෂ සහ නරක් වීම.
ෆ්ලෑෂ් මතකයේ ඇති ප්‍රධාන ගැටළු වලින් එකක් වන්නේ වෙහෙසට පත්වන බැවින්, PE චක්‍රවල කාර්යයක් ලෙස නිවැරදි කළ නොහැකි ධාවකයේ දෝෂ වල දෛනික සම්භාවිතාව රූප සටහන 6 පෙන්වයි.
රූපය 6. PE චක්‍ර මත පදනම්ව නිවැරදි කළ නොහැකි ධාවකයේ දෝෂ ඇතිවීමේ දෛනික සම්භාවිතාව.
ධාවකයේ වයස සමඟ UE හි සම්භාවිතාව අඛණ්ඩව වැඩි වන බව අපි සටහන් කරමු. කෙසේ වෙතත්, RBER සමඟ මෙන්, වැඩිවීම සාමාන්‍යයෙන් උපකල්පනය කරනවාට වඩා මන්දගාමී වේ: ප්‍රස්ථාර පෙන්නුම් කරන්නේ UEs PE චක්‍ර සමඟ ඝාතීය ලෙස නොව රේඛීයව වර්ධනය වන බවයි.
RBER සඳහා අප විසින් කරන ලද නිගමන දෙකක් UE සඳහාද අදාළ වේ: පළමුව, PE චක්‍ර සීමාව 6ක් වන MLC-D ආකෘතිය සඳහා රූප සටහන 3000 වැනි PE චක්‍ර සීමාව ළඟා වූ පසු දෝෂ විභවයේ පැහැදිලි වැඩිවීමක් නොමැත. දෙවනුව, දෙවනුව , දෝෂ අනුපාතය විවිධ මාදිලි අතර, එකම පන්තිය තුළ පවා වෙනස් වේ. කෙසේ වෙතත්, මෙම වෙනස්කම් RBER සඳහා තරම් විශාල නොවේ.
අවසාන වශයෙන්, 5.2 වගන්තියේ අපගේ සොයාගැනීම් වලට සහය දැක්වීමක් ලෙස, තනි මාදිලි පන්තියක් (MLC එදිරිව SLC) තුළ, දී ඇති PE චක්‍ර ගණනකට අඩුම RBER අගයන් සහිත ආකෘති අවශ්‍යයෙන්ම අඩුම ඒවා නොවන බව අපට පෙනී ගියේය. UE සිදුවීමේ සම්භාවිතාව. උදාහරණයක් ලෙස, PE චක්‍ර 3000කට වඩා, MLC-D මාදිලිවල RBER අගයන් MLC-B මාදිලිවලට වඩා 4 ගුණයකින් අඩු විය, නමුත් එම PE චක්‍ර සංඛ්‍යාව සඳහා UE සම්භාවිතාව MLC-B සඳහා වඩා තරමක් වැඩි විය. ආකෘති.
රූප සටහන 7. විවිධ වර්ගවල පෙර දෝෂ ඇතිවීමේ කාර්යයක් ලෙස නිවැරදි කළ නොහැකි ධාවකයේ දෝෂ ඇතිවීමේ මාසික සම්භාවිතාව.
5.4 නිවැරදි කළ නොහැකි දෝෂ සහ වැඩ බර.
වැඩ බර RBER වලට බලපෑ හැකි එකම හේතූන් මත (4.2.3 වගන්තිය බලන්න), එය UE වලටද බලපානු ඇතැයි අපේක්ෂා කළ හැක. උදාහරණයක් ලෙස, කියවීම උල්ලංඝනය කිරීමේ දෝෂ RBER වලට බලපාන බව අප නිරීක්ෂණය කළ බැවින්, කියවීමේ මෙහෙයුම් නිවැරදි කළ නොහැකි දෝෂ ඇතිවීමේ සම්භාවිතාව වැඩි කරයි.
අපි UE මත වැඩ බරෙහි බලපෑම පිළිබඳ සවිස්තරාත්මක අධ්යයනයක් සිදු කළා. කෙසේ වෙතත්, 5.1 වගන්තියේ සඳහන් කර ඇති පරිදි, අපි UE සහ කියවීම් ගණන අතර සම්බන්ධයක් සොයා ගත්තේ නැත. අපි ලිවීමේ සහ මකා දැමීමේ මෙහෙයුම් සඳහා එකම විශ්ලේෂණය නැවත නැවතත් කළ අතර නැවත සහසම්බන්ධයක් නොදුටුවෙමු.
මුලින්ම බැලූ බැල්මට, මෙය නිවැරදි කළ නොහැකි දෝෂ PE චක්‍ර සමඟ සහසම්බන්ධ වන බව අපගේ පෙර නිරීක්ෂණයට පටහැනි බව සලකන්න. එබැවින්, ලිවීමේ සහ මකා දැමීමේ මෙහෙයුම් ගණන සමඟ සහසම්බන්ධයක් අපේක්ෂා කළ හැකිය.
කෙසේ වෙතත්, PE චක්‍රවල බලපෑම පිළිබඳ අපගේ විශ්ලේෂණයේ දී, ඇඳීමේ බලපෑම මැනීම සඳහා ධාවකය සිය ජීවිත කාලය පුරාම අත්විඳින ලද මුළු PE චක්‍ර සංඛ්‍යාව සමඟ දී ඇති මාසයක නිවැරදි කළ නොහැකි දෝෂ සංඛ්‍යාව සංසන්දනය කළෙමු. වැඩ ප්‍රමාණයේ බලපෑම අධ්‍යයනය කරන විට, අපි යම් මාසයක වැඩිම කියවීම්/ලිවීම/මැකීම් මෙහෙයුම් සංඛ්‍යාවක් ඇති Drive මෙහෙයුම් මාස දෙස බැලුවෙමු, එය නිවැරදි කළ නොහැකි දෝෂ ඇති කිරීමට වැඩි ඉඩක් ඇත, එනම්, අපි සැලකිල්ලට නොගත්තෙමු. කියවීමේ/ලිවීමේ/මැකීමේ සම්පූර්ණ මෙහෙයුම් ගණන.
එහි ප්‍රතිඵලයක් වශයෙන්, අපි නිගමනය කළේ උල්ලංඝනය කිරීමේ දෝෂ කියවීම, උල්ලංඝනය කිරීමේ දෝෂ ලිවීම සහ අසම්පූර්ණ මකාදැමීමේ දෝෂ නිවැරදි කළ නොහැකි දෝෂ වර්ධනය කිරීමේ ප්‍රධාන සාධක නොවන බවයි.
අප සමඟ රැඳී සිටීම ගැන ඔබට ස්තුතියි. ඔබ අපේ ලිපි වලට කැමතිද? වඩාත් රසවත් අන්තර්ගතය බැලීමට අවශ්‍යද? ඇණවුමක් කිරීමෙන් හෝ මිතුරන්ට නිර්දේශ කිරීමෙන් අපට සහාය වන්න, ඔබ වෙනුවෙන් අප විසින් නිර්මාණය කරන ලද ප්‍රවේශ මට්ටමේ සේවාදායකයන්ගේ අද්විතීය ප්‍රතිසමයක් මත Habr භාවිතා කරන්නන් සඳහා 30% ක වට්ටමක්: (RAID1 සහ RAID10, cores 24 දක්වා සහ 40GB DDR4 දක්වා ඇත).
Dell R730xd 2 ගුණයක් ලාභදායීද? මෙතන විතරයි නෙදර්ලන්තයේ! Dell R420 - 2x E5-2430 2.2Ghz 6C 128GB DDR3 2x960GB SSD 1Gbps 100TB - $99 සිට! ගැන කියවන්න
මූලාශ්රය: www.habr.com