Ventajas de la memoria RAM DDR5 ECC para aplicaciones de misión crítica

La mayoría de las especificaciones de alojamiento indican la capacidad y la velocidad de la RAM. No explican qué significa ECC ni por qué es importante para las cargas de trabajo de producción. Esa omisión resulta costosa para las empresas que descubren cómo es la corrupción silenciosa de datos solo después de que ya se ha producido.

El servidor dedicado ExtremeInMotion Hosting incluye 192 GB de RAM DDR5 ECC. Ambas partes de esa especificación son importantes por separado. En este artículo se explica qué ofrece cada una, qué aplicaciones necesitan ambas y cómo la combinación cambia la economía del rendimiento para cargas de trabajo con un uso intensivo de bases de datos.

¿Qué hace realmente la memoria RAM ECC?

El problema: errores de bits en la DRAM

La memoria DRAM (memoria dinámica de acceso aleatorio) almacena bits como cargas eléctricas en pequeños condensadores. Los rayos cósmicos, las emisiones de partículas alfa procedentes de trazas de materiales radiactivos en el encapsulado del chip y el ruido eléctrico provocan ocasionalmente cambios en los bits: un 0 almacenado se convierte en un 1, o viceversa. No se trata de una preocupación teórica.

Una investigación del equipo de infraestructura de Google, publicada en 2009 y replicada desde entonces por otros operadores a gran escala, encontró tasas de error de aproximadamente 25 000 a 75 000 errores por cada mil millones de horas de funcionamiento de los dispositivos en grandes flotas de servidores. Para un solo servidor de 192 GB que funciona de forma continua, eso equivale a aproximadamente un error leve cada 1-4 años. En algunos estudios se ha observado que los módulos DDR5 de mayor densidad tienen tasas de error ligeramente superiores a las de los DDR4, lo que hace que el ECC sea más relevante a capacidades más altas, y no menos.

Corrección de errores de un solo bit

La memoria RAM ECC añade bits de datos adicionales a cada palabra de memoria (normalmente 8 bits adicionales por cada palabra de 64 bits) y un circuito de detección y corrección de errores con código Hamming. Cuando se produce un error de un solo bit, el circuito ECC detecta qué bit se ha invertido, lo corrige antes de que los datos lleguen a la CPU y registra el evento. La aplicación nunca detecta el error. El sistema sigue funcionando con normalidad.

Sin ECC, ese cambio de un solo bit corrompe los datos en la memoria. Lo que ocurre a continuación depende totalmente del bit que haya cambiado y de lo que almacenaba. Los posibles resultados van desde un bloqueo del proceso (relativamente benigno) hasta una corrupción silenciosa de los datos escritos en el disco (grave) o un pánico del núcleo que deja todo el servidor fuera de línea.

Detección de errores multibit

El ECC estándar (SECDED: corrección de un solo error, detección de doble error) corrige los errores de un solo bit y detecta (pero no puede corregir) los errores de doble bit. Al detectar un error de doble bit, el sistema activa una excepción de comprobación de la máquina. Esto suele provocar una parada del sistema, lo que es mejor que escribir silenciosamente datos corruptos. Para aplicaciones en las que no se puede aceptar un reinicio no planificado, las implementaciones ECC avanzadas y la memoria con corrección de chipkill proporcionan una corrección multibit más sólida.

¿Qué aplicaciones corren mayor riesgo sin ECC?

Bases de datos

Los servidores de bases de datos son la categoría de implementación de mayor riesgo para la RAM no ECC. Un cambio de bit en un grupo de búferes de base de datos puede dañar una página de índice, una página de datos o una entrada del registro de transacciones. El daño del índice provoca fallos en las consultas o resultados incorrectos que pueden tardar días o semanas en aparecer. El daño de la página de datos escribe datos erróneos en el disco durante un punto de control, lo que hace que el daño sea permanente incluso después de reiniciar el servidor.

Por eso, el hardware de bases de datos empresariales (Oracle Exadata, dispositivos IBM Db2, sistemas SAP HANA empresariales) lleva décadas utilizando la memoria RAM ECC como especificación básica. No es opcional para sistemas en los que la integridad de los datos es innegociable.

Sistemas financieros y transaccionales

Un cambio de bit en un cálculo financiero que se ejecuta en la memoria puede modificar el importe en dólares en función del valor del bit cambiado. Un cambio en el bit 20 de un entero de 32 bits que representa un importe en dólares modifica el valor en 1 048 576 dólares. La probabilidad de que se produzca esta situación concreta es baja, pero las consecuencias de una corrupción no detectada en los datos financieros son tan graves que el riesgo es inaceptable.

Esto sorprende a muchas organizaciones que han estado ejecutando aplicaciones financieras en hardware de consumo sin ECC sin incidentes. La ausencia de errores observados no es prueba de que no se estén produciendo errores; el registro ECC revelaría si los errores se han corregido de forma silenciosa.

Informática científica y de investigación

Las simulaciones científicas que se ejecutan durante horas o días acumulan los resultados de miles de millones de operaciones de coma flotante. Un solo resultado intermedio corrupto se propaga a lo largo del cálculo. Sin ECC, los investigadores pueden completar una simulación de varios días solo para descubrir que el resultado es incorrecto, sin forma de determinar dónde se produjo el error.

Cachés en memoria

Redis y Memcached almacenan los datos íntegramente en la memoria RAM. Un cambio de bit en los datos almacenados en caché proporciona datos corruptos a las aplicaciones. Para una aplicación web que almacena en caché los resultados de las consultas a la base de datos, esto significa que los usuarios reciben datos incorrectos de forma silenciosa. Dependiendo de lo que se haya corrompido, esto podría ser inofensivo (el cuerpo de un artículo almacenado en caché) o tener consecuencias (un conjunto de permisos de usuario almacenado en caché o un precio almacenado en caché).

DDR5 frente a DDR4: la historia del rendimiento

Ancho de banda de memoria

La DDR4 a 3200 MT/s con 4 canales de memoria proporciona un ancho de banda máximo teórico de aproximadamente 102 GB/s. La DDR5-4800 con 4 canales proporciona aproximadamente 153 GB/s. Ese aumento teórico del 50 % en el ancho de banda se traduce en diferencias de rendimiento reales en cargas de trabajo que dependen del ancho de banda de la memoria.

Tipo de memoria	Velocidad	Ancho de banda de 4 canales	Latencia (CAS)
DDR4-3200	3200 MT/s	~102 GB/s	22-26 ns típico
DDR5-4800	4800 MT/s	~153 GB/s	28-34 ns típico
DDR5-6400 (futuro)	6400 MT/s	~204 GB/s	~32-38 ns

La DDR5 tiene una latencia ligeramente superior a la DDR4 en nanosegundos absolutos, debido a los cambios en la forma en que la DDR5 gestiona el direccionamiento de bancos y los ciclos de actualización. Esto es importante en cargas de trabajo en las que la latencia es crítica, como las pequeñas consultas OLTP, en las que un solo acceso a la memoria determina el tiempo de respuesta. En el caso de las cargas de trabajo con limitaciones de ancho de banda (escaneos de grandes conjuntos de datos, procesamiento de vídeo, simulación científica), la mejora del ancho de banda lo compensa con creces.

Cargas de trabajo en las que el ancho de banda DDR5 es importante

• Grandes grupos de búferes de bases de datos: MySQL y PostgreSQL grandes exploraciones de tablas o páginas de índices desde el grupo de búferes, se benefician de un mayor ancho de banda cuando los conjuntos de datos con los que se trabaja son grandes.
• Análisis en memoria: Spark DataFrames, operaciones Pandas en conjuntos de datos grandes y herramientas similares suelen estar limitadas por el ancho de banda de la memoria en lugar de por la capacidad de cálculo cuando los conjuntos de datos son grandes.
• Cálculo científico: las operaciones matriciales , las transformadas de Fourier y el análisis de elementos finitos son cargas de trabajo clásicas limitadas por el ancho de banda de la memoria, en las que la ventaja de DDR5 es más pronunciada.
• Procesamiento de vídeo: los fotogramas de vídeo 4K sin comprimir con color de 10 bits requieren un ancho de banda de memoria sostenido para procesarse en tiempo real; DDR5 proporciona el margen necesario.

Capacidad de 192 GB: por qué cambia lo que es posible

La combinación de la protección ECC y la capacidad de 192 GB abre categorías de carga de trabajo que no son viables en sistemas con menos memoria:

Operación completa de la base de datos en memoria

Una PostgreSQL con un conjunto de datos de trabajo de 100 GB almacenado íntegramente en shared_buffers se ejecuta completamente desde la memoria después del calentamiento. Todas las consultas acceden a la caché del búfer en lugar de al disco. La E/S del disco solo es relevante para las escrituras WAL y las operaciones de vacío. La latencia de las consultas pasa a depender de la CPU en lugar de la E/S.

En un servidor de 64 GB, esa misma base de datos de 100 GB obliga a realizar constantes expulsiones de páginas y relecturas desde el disco. La diferencia de rendimiento no es lineal. Las aplicaciones que se ejecutaban con un tiempo medio de consulta de 200 ms en un servidor de 64 GB suelen tener un tiempo de consulta de entre 20 y 40 ms en un sistema en el que el conjunto de trabajo cabe en la memoria.

Capas de almacenamiento en caché grandes

Redis, con 80-100 GB de datos, funciona cómodamente en un sistema de 192 GB junto con la aplicación y el sistema operativo. Esto elimina la necesidad de un servidor Redis independiente para cargas de trabajo de almacenamiento en caché con gran cantidad de memoria. La infraestructura reducida (un servidor en lugar de dos) también elimina el recorrido de ida y vuelta de la red entre la aplicación y la caché, lo que normalmente reduce la latencia de acceso a la caché de 0,3-1 ms (red + TCP) a menos de 0,1 ms (loopback).

Múltiples zonas de aislamiento

Un servidor de 192 GB puede alojar simultáneamente una base de datos de producción (búfer de 60 GB), un entorno de prueba (20 GB), una capa de almacenamiento en caché Redis (40 GB), servicios de aplicaciones (20 GB) y margen del sistema operativo (16 GB) sin que ninguna carga de trabajo ejerza presión sobre las demás. Esta consolidación no es posible en configuraciones de memoria más pequeñas sin comprometer el rendimiento.

ECC en el contexto de las copias de seguridad y RAID

Un error común es pensar que RAID y las copias de seguridad periódicas hacen que ECC sea innecesario. No protegen contra el mismo modo de fallo.

• RAID: Protege contra fallos físicos del disco. No protege contra la corrupción de la memoria que se escribe simultáneamente en ambos discos duplicados.
• Copias de seguridad: protéjase contra el borrado accidental, el ransomware y los fallos catastróficos del disco duro. Una copia de seguridad de datos dañados es una copia de seguridad de datos dañados.
• ECC: Protege contra errores de bits en memoria antes de que lleguen al almacenamiento. Detecta errores que RAID y las copias de seguridad no pueden detectar.

Las tres capas de protección sirven para diferentes modos de fallo. Un servidor de base de datos de producción necesita las tres: RAM ECC para la integridad de la memoria, RAID para la tolerancia a fallos de la unidad y copias de seguridad externas para la recuperación ante desastres. InMotion HostingPremier CareInMotion Hosting incluye 500 GB de almacenamiento de copias de seguridad automatizadas con la opción Extreme Dedicated Server, lo que cubre dos de las tres capas.

Cómo empezar

Para servidores de bases de datos de producción, aplicaciones financieras y cualquier carga de trabajo en la que no se pueda aceptar la corrupción silenciosa de datos, la memoria RAM ECC no es una actualización opcional. El servidor dedicado Extreme la incluye como especificación básica a un precio que compite con las configuraciones de servidores dedicados sin ECC de muchos proveedores.