RISC-V架構以追趕者的姿態在多個應用領域與X86架構和ARM架構展開競爭。在服務器應用領域，RISC-V架構正在重新定義服務器芯片領域必備的安全、虛擬化和RAS等規格和規范。

服務器CPU芯片作為服務器核心部件，承擔了CPU算力、高速內存接口和高速IO傳輸接口等功能。從應用場景和需求出發，RAS（Reliability、Availability、Serviceability）已經成為服務器系統必備的功能屬性：高可靠性（Reliability）可以延長整個系統硬件“滿血”運行的持續時間，此階段為服務器系統最理想狀態；高可用性（Availability）使得硬件系統發生隨機或者持續硬件故障時，通過軟硬件協同處理，系統仍然可以維持“殘血”運行，不至于因為關機導致服務中斷；高可維護性（Serviceability）使得在系統崩潰時，能夠迅速定位故障，通過替換部件等方式對服務器進行“補血”，為系統盡快恢復運行提供保障。

（圖1:RAS定義框架）

進迭時空以RISC-V高性能算力計算核心SpacemiTX100 Core為基礎構建的服務器CPU芯片，充分考慮了服務器的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，并在應用層上對X86和ARM服務器的RAS方案做了兼容適配：RAS處理機制遵循Firmware First準則；通過RISC-V協議棧，支持ACPI的APEI規范，獲得面向OS的錯誤信息格式兼容。進迭時空的RAS方案完全遵循RISC-V RERI(RAS ErrorRecordRegisterInterface)故障處理接口規范，通過內存映射的寄存器接口統一了各種RAS信息的記錄和上報。

進迭時空RAS組件架構

進迭時空服務器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核心部件展開。

（圖2:進迭時空RAS組件架構）

SpacemiT X100 Core 和 Cluster

• 實現L1/L2 Cache的Parity校驗和ECC，TLB 的Parity校驗，對于Parity錯誤和ECC不可糾正錯誤會進行Cachelineinvalid并Reload，對于ECC可糾正錯誤會進行數據回刷 (Scrubbing)；
• 實現系統總線數據的Data check和Data poison檢測，在Core讀取Cache line時若檢測到數據錯誤則觸發異常中斷;
• 集成Core Boot MBIST，在啟動中測試CPU內部的所有RAM單元，若MBIST failed則通知系統啟動固件對Core進行隔離；
• 集成RISC-V規范RAS RERI接口模塊;
  
• 支持Warm Reset，允許在保留RAS錯誤信息的同時重啟CPU核。

DDR控制器

• 實現控制器端系統總線數據的Data check和Data poison；
• 實現控制器內部RAM的Parity校驗；
• 通過ECC機制實現對DRAM的命令式和自動式巡檢回刷 (Scrubbing)；
• 對DRAM讀寫數據進行CRC校驗，若有錯誤自動Retry；
• 支持DDR5的EAPAR（Encoded Address Parity）機制；
• 支持72-bit和80-bit的DDR5 ECC DIMM，可以實現內存顆粒Chipkill功能；
• 支持對DRAM顆粒的PPR（Post Package Repair）修復功能。

PCIe控制器

實現控制器端系統總線數據的Data check和Data poison；

實現控制器內部RAM的Parity校驗；

支持傳輸層的ECRC校驗；

支持鏈接層的LCRC校驗；

在Lane training failed時，可以進行Lane isolation；

支持PCIe設備熱插拔。

片上互連總線

實現所有總線數據的Data check和Data poison；

實現互連總線的錯誤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。

進迭時空RAS管理架構

（圖3:進迭時空RAS管理架構）

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

SpacemiT X100 Core 支持RAS中斷接口，通過Cluster內部RERI模塊，實現符合RISC-V RERI規范的CPU核故障記錄和異常中斷；

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

通過CPU芯片的管理單元（RMU），實現整芯片RAS錯誤故障的異常處理：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，實現BMC芯片的帶外RAS故障收集和交互。

進迭時空通過由RAS功能組件和RAS管理軟硬件架構協同組建的RAS系統，實現完整的RISC-V架構服務器RAS解決方案，即將推出業界首個完整支持服務器RAS的CPU產品。

文字：博志、風行、Stephen、hw、Zetalog審核：Sophie