موسوعة AIXX › مفهوم تقني › صحة ذاكرة العرض وتشخيص الأعطال
ذاكرة الفيديو هي أكثر مكوّنات GPU انشغالًا بالعمل وأكثرها خوفًا من الحرارة — والدرس الأول في تقييم صحتها هو آلية ECC (رموز تصحيح الأخطاء). وفقًا للنص الحرفي في أدلة NVIDIA الرسمية: «الأخطاء أحادية البت يصحّحها العتاد تلقائيًا دون تلف في البيانات، أما أخطاء البتين فيمكن اكتشافها دون إمكانية تصحيحها» — الأخطاء الأحادية (القابلة للتصحيح) لا تُشعرك بأي شيء في المراحل الأولى من تدهور الخلايا، لكن استمرار ارتفاع عدّادها غالبًا نذير تقادم الرقائق؛ أما أخطاء البتين (غير القابلة للتصحيح) فتهدد صحة الحسابات مباشرة، وترتبط بها أخطاء منتصف التدريب وتدهور نتائج الاستدلال.
جهّزت NVIDIA ثلاث طبقات احتياطية للخلايا التالفة: تقاعد الصفحات (يُفعَّل بتكرار أخطاء أحادية البت في الصفحة نفسها أو بخطأ واحد مزدوج البت، حيث يخفي التعريف الصفحة التالفة)، وإعادة تعيين الصفوف (تحويل الصف التالف إلى صف احتياطي، مدعوم منذ معمارية Ampere، بحد أقصى 64 مرة في A100 و512 مرة في H100 — وفقًا لوثائق NVIDIA الرسمية)؛ أما على مستوى الرقائق فتتضمن HBM3 منذ إطلاقها رموز تصحيح أخطاء مدمجة على الشريحة (وفق إعلان SK hynix الرسمي). لقراءة قراءات الأدوات راجع مدخل دليل فحص البطاقات في المكتبة، وهذا المدخل يشرح الآلية خلف القراءات.
| البند | القيمة / المنهجية |
|---|---|
| أحادي البت مقابل مزدوج البت | الأحادي يُصحّحه العتاد تلقائيًا · المزدوج يُكتشف ولا يُصحّح (دليل nvidia-smi الرسمي من NVIDIA) |
| عدّادان بمعيارين | متطاير (يبدأ من تحميل التعريف) / تراكمي (عدّ مدى الحياة) · التراكمي لا يُصفّر منذ Ampere (دليل NVIDIA) |
| حدّ إعادة تعيين الصفوف | A100 حتى 64 مرة · H100 حتى 512 مرة (وثيقة NVIDIA GPU Memory Error Management) |
| خط الدفاع على مستوى الرقائق | رموز تصحيح أخطاء مدمجة على الشريحة منذ HBM3 (إعلان SK hynix الرسمي 2021) |
يجاء هذا الجيل ببطاقة سعة 288GB من HBM3e، فصحة ذاكرة الفيديو تحدد مباشرة عمر الجهاز بالكامل: عند فحص بطاقة مستعملة ابدأ بقراءة ECC — عدّاد متطاير يقارب الصفر مع عدّاد تراكمي مرتفع يعني أن البطاقة خدمت وهي متعبة؛ وبما أن العدّ التراكمي لا يُصفّر منذ Ampere، فهذا العدّ مدى الحياة من أقوى ما يستند إليه مشترو البطاقات المستعملة. البطاقات التي اقتربت عمليات إعادة تعيين صفوفها من الحد الأقصى (512 مرة في H100) يجب تقييم قيمتها المتبقية على أساس «سعة الذاكرة على وشك التناقص».
فحص ثلاثي على المستوى الفيزيائي: تواصل PCIe (نقاط التلامس الذهبية) للبحث عن الأكسدة والتآكل وآثار التركيب والفك — تغلّظ متسود ومحترق يعني تداولًا متعدد الأيدي أو خطر تلامس سيئ؛ والمشتت الحراري لآثار الفك وتركيب، وتقادم الوسادات الحرارية، ودرجة حرارة جانب الذاكرة (GPU-Z يقرأ درجة حرارة الذاكرة ومصنّع الرقائق، انظر مدخل دليل فحص البطاقات) — الحرارة المرتفعة المطوّلة للذاكرة هي الدافع الأول لتراكم أخطاء البت الواحد، وأثناء اختبار الضغط راقب درجة حرارة الذاكرة وزيادات ECC معًا.