硬件相關磁盤或內存損壞的可能性？

Question

我有幾百臺運行應用程序的電腦。在一臺計算機上，我看到兩個單一位的實例在我從SQLite中拔出的某些字符串上被錯誤設置。如果這是我的開發計算機，我會認爲我有一個地方的錯誤，但肯定有一些安裝在哪一點上，我會開始看到罕見的硬件錯誤。

這當然取決於我做了多少IO，但有沒有什麼經驗法則可以看到這種事情？例如，對於TCP數據包，this paper確定沉默，未檢測到的損壞將發生在「大約1/1600萬到100億個數據包」中。

不幸的是，在有問題的機器上運行mem/disk檢查器不太可能發生。

Answer 1

當我看到奇怪的事情發生了，我的策略是：

1. 檢查，如果有一個bug 代碼
2. 檢查是否有在使用的庫/工具的錯誤（SQLite的，這裏）
3. 檢查如果在編譯器中的錯誤
4. 然後，只有到那時，檢查硬件故障

在我10年的職業生涯中，99.99％的錯誤與軟件有關。

希望這會有所幫助。

Answer 2

帶有微妙的錯誤，它可以隨時發生，並從幾個來源，甚至most unlikely。

正如您可以看到單臺機器上發生的錯誤，您的最佳選擇是處理損壞，而不是依靠統計數據告訴您什麼時候出現問題。雖然錯誤可能是由於外部因素造成的，但如果您看到多個錯誤，那麼讓計算機上運行的memchecker檢查其硬件是否有問題將是明智之舉。另一種選擇是相信運氣，你不會看到徹底的失敗。

Answer 3

會發生誤碼。考慮使用CRC或其他某種錯誤檢測/糾正機制來保護您的數據。它發生的可能性取決於你有什麼樣的硬件。如果您擁有ECC的內存，那麼它的可能性會比不如例如，但即使ECC內存不佳也可能無法糾正錯誤。有數百臺電腦，我會說奇怪的硬件錯誤很可能會發生，可能是肯定的，每天都會發生。

Answer 4

"Wikipedia: ECC memory" 說 「最近的DRAM測試給廣泛變化的錯誤率超過7個數量級的差別，範圍從10^-10〜10^-17錯誤/位·h時，大致一個比特錯誤，每小時，每千兆字節的內存到一位錯誤，每個世紀，每GB的內存。[7] [11] [12]「

即使我們使用每個世紀每千兆字節一個位錯誤的最樂觀估計，有一組100臺計算機，每臺計算機有2 GB的內存，這意味着每年會出現兩次錯誤。 （這隻包含RAM位錯誤，您提到TCP數據包未檢測到損壞，您可能還會考慮磁盤驅動器故障，意外拔掉電源線，冷卻風扇故障等）。 更悲觀的估計意味着你會更經常地看到位錯誤 - 就像Steve Baker所說的那樣，有點錯誤是不可避免的。

Answer 5

將機器切換出。在我現在的位置（〜7年），我看到過一次由硬件內存錯誤導致的藍屏。如果您在同一臺計算機上看到兩次錯誤失敗，那麼您很有可能找到了罪魁禍首。在同一段時間，我看到數十個磁盤控制器故障/磁盤故障/註冊表損壞藍屏。所以他們很少見，但他們確實發生。

在網絡方面，我們有一個情況下一個3D第三方供應商的廣域網壓縮設備是我們的應用程序的TCP數據包壓縮在一起，不正確的，然後把好的CRC就可以了。這至少可以說是一場浩劫。