RISC-V架構(gòu)以追趕者的姿態(tài)在多個(gè)應(yīng)用領(lǐng)域與X86架構(gòu)和ARM架構(gòu)展開競爭。在服務(wù)器應(yīng)用領(lǐng)域，RISC-V架構(gòu)正在重新定義服務(wù)器芯片領(lǐng)域必備的安全、虛擬化和RAS等規(guī)格和規(guī)范。

服務(wù)器CPU芯片作為服務(wù)器核心部件，承擔(dān)了CPU算力、高速內(nèi)存接口和高速IO傳輸接口等功能。從應(yīng)用場景和需求出發(fā)，RAS（Reliability、Availability、Serviceability）已經(jīng)成為服務(wù)器系統(tǒng)必備的功能屬性：高可靠性（Reliability）可以延長整個(gè)系統(tǒng)硬件“滿血”運(yùn)行的持續(xù)時(shí)間，此階段為服務(wù)器系統(tǒng)最理想狀態(tài)；高可用性（Availability）使得硬件系統(tǒng)發(fā)生隨機(jī)或者持續(xù)硬件故障時(shí)，通過軟硬件協(xié)同處理，系統(tǒng)仍然可以維持“殘血”運(yùn)行，不至于因?yàn)殛P(guān)機(jī)導(dǎo)致服務(wù)中斷；高可維護(hù)性（Serviceability）使得在系統(tǒng)崩潰時(shí)，能夠迅速定位故障，通過替換部件等方式對服務(wù)器進(jìn)行“補(bǔ)血”，為系統(tǒng)盡快恢復(fù)運(yùn)行提供保障。

（圖1:RAS定義框架）

進(jìn)迭時(shí)空以RISC-V高性能算力計(jì)算核心SpacemiTX100 Core為基礎(chǔ)構(gòu)建的服務(wù)器CPU芯片，充分考慮了服務(wù)器的RAS需求，集成了包含RAS組件功能特性和RAS管理功能特性的完整RAS軟硬件方案，并在應(yīng)用層上對X86和ARM服務(wù)器的RAS方案做了兼容適配：RAS處理機(jī)制遵循Firmware First準(zhǔn)則；通過RISC-V協(xié)議棧，支持ACPI的APEI規(guī)范，獲得面向OS的錯(cuò)誤信息格式兼容。進(jìn)迭時(shí)空的RAS方案完全遵循RISC-V RERI(RAS ErrorRecordRegisterInterface)故障處理接口規(guī)范，通過內(nèi)存映射的寄存器接口統(tǒng)一了各種RAS信息的記錄和上報(bào)。

進(jìn)迭時(shí)空RAS組件架構(gòu)

進(jìn)迭時(shí)空服務(wù)器CPU芯片的RAS硬件方案主要圍繞SpacemiTX100Core、DDR控制器、PCIe控制器、片上互連總線等幾個(gè)核心部件展開。

（圖2:進(jìn)迭時(shí)空RAS組件架構(gòu)）

SpacemiT X100 Core 和 Cluster

• 實(shí)現(xiàn)L1/L2 Cache的Parity校驗(yàn)和ECC，TLB 的Parity校驗(yàn)，對于Parity錯(cuò)誤和ECC不可糾正錯(cuò)誤會進(jìn)行Cachelineinvalid并Reload，對于ECC可糾正錯(cuò)誤會進(jìn)行數(shù)據(jù)回刷 (Scrubbing)；
• 實(shí)現(xiàn)系統(tǒng)總線數(shù)據(jù)的Data check和Data poison檢測，在Core讀取Cache line時(shí)若檢測到數(shù)據(jù)錯(cuò)誤則觸發(fā)異常中斷;
• 集成Core Boot MBIST，在啟動中測試CPU內(nèi)部的所有RAM單元，若MBIST failed則通知系統(tǒng)啟動固件對Core進(jìn)行隔離；
• 集成RISC-V規(guī)范RAS RERI接口模塊;
  
• 支持Warm Reset，允許在保留RAS錯(cuò)誤信息的同時(shí)重啟CPU核。

DDR控制器

• 實(shí)現(xiàn)控制器端系統(tǒng)總線數(shù)據(jù)的Data check和Data poison；
• 實(shí)現(xiàn)控制器內(nèi)部RAM的Parity校驗(yàn)；
• 通過ECC機(jī)制實(shí)現(xiàn)對DRAM的命令式和自動式巡檢回刷 (Scrubbing)；
• 對DRAM讀寫數(shù)據(jù)進(jìn)行CRC校驗(yàn)，若有錯(cuò)誤自動Retry；
• 支持DDR5的EAPAR（Encoded Address Parity）機(jī)制；
• 支持72-bit和80-bit的DDR5 ECC DIMM，可以實(shí)現(xiàn)內(nèi)存顆粒Chipkill功能；
• 支持對DRAM顆粒的PPR（Post Package Repair）修復(fù)功能。

PCIe控制器

實(shí)現(xiàn)控制器端系統(tǒng)總線數(shù)據(jù)的Data check和Data poison；

實(shí)現(xiàn)控制器內(nèi)部RAM的Parity校驗(yàn)；

支持傳輸層的ECRC校驗(yàn)；

支持鏈接層的LCRC校驗(yàn)；

在Lane training failed時(shí)，可以進(jìn)行Lane isolation；

支持PCIe設(shè)備熱插拔。

片上互連總線

實(shí)現(xiàn)所有總線數(shù)據(jù)的Data check和Data poison；

實(shí)現(xiàn)互連總線的錯(cuò)誤Response傳遞；

支持SLC和SF的RAMECC；

支持片間互連總線接口的ECRC和LCRC校驗(yàn)。

進(jìn)迭時(shí)空RAS管理架構(gòu)

（圖3:進(jìn)迭時(shí)空RAS管理架構(gòu)）

服務(wù)器CPU芯片對RAS信息的處理主要通過SpacemiT X100 Core 主CPU單元和RMU管理單元實(shí)現(xiàn)，兩者協(xié)同分工，實(shí)現(xiàn)了對本芯片中所有重要系統(tǒng)組件和多芯互連系統(tǒng)中其他芯片的RAS處理（如OS交互、BIOS固件執(zhí)行、帶外BMC通信等），極大提升了RAS處理的可靠性，它的管理架構(gòu)特性主要有：

SpacemiT X100 Core 支持RAS中斷接口，通過Cluster內(nèi)部RERI模塊，實(shí)現(xiàn)符合RISC-V RERI規(guī)范的CPU核故障記錄和異常中斷；

PCIe支持符合規(guī)范的AER（Advanced Error Reporting）；

通過CPU芯片的管理單元（RMU），實(shí)現(xiàn)整芯片RAS錯(cuò)誤故障的異常處理：故障信息收集和存儲、故障的軟件通知和處理；

通過CPU芯片的帶外接口，實(shí)現(xiàn)BMC芯片的帶外RAS故障收集和交互。

進(jìn)迭時(shí)空通過由RAS功能組件和RAS管理軟硬件架構(gòu)協(xié)同組建的RAS系統(tǒng)，實(shí)現(xiàn)完整的RISC-V架構(gòu)服務(wù)器RAS解決方案，即將推出業(yè)界首個(gè)完整支持服務(wù)器RAS的CPU產(chǎn)品。

文字：博志、風(fēng)行、Stephen、hw、Zetalog審核：Sophie