内存对抗损坏的坚实堡垒：封装后修复（PPR）是什么？

就像生物终不免死去一样，设备的老化和损坏不可避免。如果问你现代计算机系统什么东西最容易损坏？首先映入你脑海中的是什么？在最严苛环境中7天24小时运行的云服务器可以告诉你答案。据IDC 2020年的数据，主板上失效率前四位分别是：硬盘、内存、IO设备和CPU。为了对抗失效率，为客户提供可靠的服务（RAS），服务器在设计的时候一定要考虑错误检测、汇报和修复。发生错误不可避免，如何才能无感的修复用户珍贵的数据呢？那一定是靠冗余了。排在第一的硬盘失效对抗方法十分成熟，在SMART信息预警后，依靠RAID或者分布式存储，让数据避免损失。那么同样存储了重要数据的内存呢？

内存开始老化出错的时间之早也许出乎你的意料。在24小时运行在高温的服务器环境下，由精挑细选的高品质DDR颗粒组成的服务器内存条，也平均在不到2年就开始有单比特错误了。这种错误并不会造成数据错误，会自动被修正。但这种错误往往是永久的，如果你忽略（甚至没有）这种报警，不理睬通过WHEA或者带外BMC的温柔抱怨，后果将是越来越严重的。就像屋角的霉斑不加处理会滋生蔓延一样，单比特错误的弱单元（weak cell），附近的Cell质量也一定不太好，错误将慢慢扩展。也许是相邻Row，也许是相邻Column，也许是隔壁Bank里的Cell也开始有错误了！Intel有一系列办法对抗这种传播，ADDDC，PLCS等，可以对抗甚至修复双比特的错误，但请出这些神器之前，JEDEC标准组织在制定标准的时候有没有考虑过修复错误呢？

答案是肯定的，JEDEC在DDR4标准制定的时候就加入相关考量，提出封装后修复（Post Package Repair，PPR）。PPR还分Hard PPR （以下简称hPPR）和Soft PPR（以下简称sPPR）。那么PPR究竟是怎么工作的，hPPR和sPPR有什么区别呢？DDR5在PPR有哪些改进呢？今天我们一起来了解一下。

内存中的冗余

对抗错误的大都是冗余，所以内存颗粒在设计的时候也考虑增加冗余，对抗错误。这种错误可以是生产中带来的，也可以是使用中。和Flash颗粒一样，DRAM内存颗粒在制作的时候也拥有多余的行，和相关的Fuse线路：

和大多数半导体设备一样，内存颗粒的可靠性我们可以通过失效率来衡量。如果我们以时间为x轴，y轴为失效率。失效率曲线如下：

综合上面三种曲线，综合失效率是紫色曲线，它呈现两头高，中间低的特征，形状像个浴缸，我们把它叫做浴缸曲线（Bathtub）模型。内存颗粒在生命周期中的这种特点，表现在开始时故障率很高，如果没有问题，则可以稳定工作很久，到最后开始老化失效，故障率急剧升高。

内存颗粒在成产结束后，在封测期间，会被放入高温的环境下洗个澡（heat soaking），并加上高压。这样几个小时就相当于过了好几周。再拿出来测试，这时颗粒已经进入了浴缸曲线的底部稳定期。这个工序叫做老化（Burn-in）。如图：

这时测试，发现有坏的行（Row），就用备份的单元整个Row换掉，同时更改行解码的逻辑。这个过程叫做Fuse。如果坏行太多，整个颗粒就报废了。Fuse是一次性的，变更后，用户没有办法再次更改映射关系。Fuse结束后，颗粒就可以出厂了，用户也不会有任何影响。

这些多余的Row往往用不完，那么剩余的Row是不是浪费了呢？我们的PPR是时候登场了。

Post Package Repair（PPR）

Post Package，顾名思义，是封装后再修复，也就是出厂后在用户那里修复。JEDEC DDR4标准规定，8Gb及以上的颗粒必须留一条冗余Row给每个Bank Group（什么是BG可以看我之前的文章，文下也有链接），而4Gb及以下的颗粒是可选的。

我们算一下，x4和x8的颗粒有4个bank group，x16只有2个bank group（为什么见这篇文章 老狼：选择内存条的必备知识：x16内存条为什么这么慢？2R和1R重要吗？），那么就是说x4和x8的颗粒，整个只有4个空闲Row，x16的颗粒甚至只有2个row，可以说非常之少了。现实中的内存厂家，如美光或者国产的长鑫存储DDR颗粒，会提供超过标准的Repair row。如美光每个bank提供至少一个row，而不是每个bank group，相比标准提高了4倍，如果生产fuse用到的少，则可以留存的更多。而长鑫存储的颗粒也有类似设计。

冗余空间准备好了，PPR是怎么工作的呢？PPR分为Hard PPR （以下简称hPPR）和Soft PPR（以下简称sPPR）。内存支付PPR与否、哪一种，可以通过读取MR（Mode Register）获得。

hPPR是一种永久的PPR修复，也就是会通过一次性更改fuse的办法来更改地址路由，用冗余Row替换受损Row。这种更改可以理解为熔断了一部分路由，所以是一次性和永久的，所以这种替换是永久的和不可逆的。它优点是更改后永久有效，内存就算修好了，掉电或者拿去别的机器也一样有效；缺点是耗时较长。

sPPR是一种临时性修复，是更改颗粒里面的软路由，将冗余row临时替换受损Row。可以理解为一个软件路由表更新了一下。它的优点是速度很快，缺点也是明显的，在掉电或者颗粒reset之后，改动就消失了。也就是如果还出错，还要再做一次。

hPPR和sPPR具体选择哪种？作为专栏的读者，也许你已经猜到了，服务器BIOS有个专门的选项，用户可以自己选择，也可以两者都不选。

PPR发生在什么时候？理论上，应该越早做越好。在实践中，发生在Write DQ/DQS Training后。在服务器环境下，因为需要5个9等长时间开机，理论上也可以在线修复，这叫做Runtime PPR。

hPPR和sPPR可以共存吗？不可以，但上一次做好了hPPR，如果还有row留下来，还可以做sPPR。

具体hPPR和sPPR的步骤，JEDEC DDR4 SPEC写的十分详细，感兴趣的同学可以参考一下。

DDR5对PPR的提升

DDR5对PPR提高比较有限。主要表现在删除了associated row的内容。DDR4在做Runtime PPR的时候，要备份Target Row和所有associated row，而DDR5只需要备份Target Row即可，速度可以大大提升。

在我的公众号里面留言“资料”可以有些芯片公开资料分享，有些同学留言还需要JEDEC的内存标准资料。因为这些资料不是公开资料，我不能分享，但其实想要这些资料也十分简单，完全可以自己去下载，大部分资料都是可以免费下载的。

打开JEDEC网站[1]：Home | JEDEC

例如我们需要DDR4 spec，可以输入DDR4，开始搜索：

搜到145个资料：

好些如图所示是Free download，我们仅仅要做的是注册一下而已。

欢迎大家关注本专栏和用微信扫描下方二维码加入微信公众号"UEFIBlog"，在那里有最新的文章。关注公众号，留言“资料”，有一些公开芯片资料供下载。

其他内存相关文章：