Intel準備BFF驅動程式以對抗老化處理器中的卡住位元

**Intel為Linux準備了BFF驅動程式，旨在清理老化處理器中出現的錯誤過濾器，這些處理器的矽片隨著時間的推移會產生卡住的位元。這項技術預計將於2027年與Xeon 7 Diamond Rapids一起推出。

• BFF驅動程式旨在重置可能因瞬時錯誤而飽和的硬體過濾器。
• Intel最初將其與2027年推出的Xeon 7 Diamond Rapids處理器相關聯。
• 該提案目前正在Linux內核的郵件列表中審查，可能會在7.3版本之後納入。

Intel正在為Linux準備一個新驅動程式，以應對與矽片老化相關的問題：隨著時間推移可能會卡住的位元。這項名為BFF的提案以初步補丁的形式進行審查，最初與未來的Xeon 7 Diamond Rapids處理器相關聯，該處理器的發布預計在2027年之後。

這一發展反映了對於在運行數週、數月甚至更長時間的伺服器可靠性日益增長的關注。隨著設計的複雜性增加和製造節點的困難，Intel希望引入能夠區分瞬時錯誤和持續故障的機制，以防止這些問題影響系統的可用性。

控制重複錯誤的過濾器

BFF驅動程式與一種稱為位元修正過濾器的硬體功能相關，該功能旨在防止系統在矽片元件發生卡住位元時重複報告相同的可修正錯誤。這一功能可以減少錯誤記錄的噪音，但當在長時間操作中累積過多瞬時事件時，也需要進行維護。

Intel的工程師Tony Luck解釋說，一些處理器使用這些過濾器來抑制重複的可修正錯誤報告。根據他的描述，當老化的矽片產生卡住的位元時，錯誤可能會持續存在，並需要清理過濾器，以便系統保留空間來檢測更嚴重的故障。

該提案通過在機器檢查的銀行中識別一個黃色標記來確定飽和狀態。當出現該信號時，驅動程式必須清空過濾器並記錄時間戳，這一措施將使管理員和診斷工具能夠了解干預發生的時間。

設計中還考慮到如果過濾器在十分鐘或更短時間內再次溢出，則會發出WARN級別的警告。這一速度將是問題不僅限於孤立的瞬時事件的信號，並可能表明存在需要進一步調查的硬體錯誤。

現場掃描的先例

Intel已經在Sapphire Rapids世代中引入了現場掃描機制（In-Field Scan，IFS），用於對矽片進行故障測試。該工具可以在啟用新伺服器之前使用，但在檢查運行了一段時間的硬體時也同樣重要。

IFS和BFF針對處理器可靠性的不同時刻。現場掃描專注於通過特定測試檢查矽片的狀態，而新驅動程式則旨在在日常操作中管理可能因累積的可修正錯誤而填滿的過濾器結構。

Intel對這些功能的興趣與數據中心處理器的演變相吻合，在這裡，操作的連續性具有核心重要性。一個可修正的錯誤不一定會立即導致故障，但其重複或不當的記錄管理可能會妨礙識別更重要的物理故障。

在這樣的背景下，BFF提出的時間記錄為診斷提供了信息。這不僅僅是刪除一個飽和的結構，而是保留有關過濾器需要重啟的頻率的證據，並在行為發生令人擔憂的變化時發出警報。

Diamond Rapids將是首個目標

控制器的初始補丁與Xeon 7 Diamond Rapids處理器相連，這是Intel為其伺服器路線圖的下一階段準備的平台。消息來源指出，BFF支持在現有的任何Intel處理器模型中都不存在，因此該功能是針對未來的一代，而不是修正當前設備中已可用的能力。

目前模型中缺乏支持也限制了對控制器實際行為的結論。到目前為止，該提案代表了在Linux中集成一種硬件功能，該功能預計將用於尚未上市的平台。

BFF的名稱代表Bitfix Filter，描述了硬件的功能以及將允許從操作系統管理它的控制器。其納入旨在使Linux能夠在過濾器達到極限時以結構化的方式做出反應，而不是讓事件的累積使機器檢查記錄的解釋變得複雜。

對於數據中心的運營商來說，潛在的優勢在於獲得有關處理器劣化的更明確信號。在快速溢出後發出的警告本身並不確認最終故障，但可以指導維護任務、進一步測試或預防性更換組件。

Linux內核中的審查

BFF控制器已以第一系列補丁的形式發送到Linux內核郵件列表進行審查。開發日程顯示，它到達的時間太晚，無法進入Linux 7.3的整合窗口，因此其最終納入將取決於技術審查和後續周期中的新機會。

提到的預期是該代碼可能為Linux 7.4做好準備，儘管這一可能性並不等同於保證納入。內核的過程要求評估實施、與現有架構的兼容性以及控制器如何處理錯誤狀態而不產生不必要的警報。

Diamond Rapids的日程為完成這項工作留出了空間，因為處理器的發布預計在2027年以後。這一空間使Intel能夠調整補丁，回應維護者的觀察，並將操作系統的支持與硬件的可用性對齊。

該提案展示了可靠性問題如何從處理器的物理設計轉移到系統軟件的特定組件。BFF試圖在硅的老化改變硬件的預期行為時，保留診斷能力，而不是將所有可修正的錯誤視為等同事件。

目前可用的信息仍無法衡量控制器的操作影響，也無法確定有多少系統需要該功能。明確的是其目的：清理飽和過濾器，記錄清理的時間，並在溢出發生過快時發出高優先級警告。