平均故障间隔仅 6.5 小时:ASCI Q 超算靠中子束揪出宇宙射线元凶
lauriewired · x · 2026-09-29
lauriewired 复盘 2002-2003 年全球第二大超级计算机 ASCI Q 的可靠性危机:平均每 6.5 小时故障一次,整机重启最长要约 8 小时,利用率常年只有约 60%,仅偶尔几周超过 85%。
排查时怀疑是宇宙射线导致的不可纠错位翻转。洛斯阿拉莫斯实验室直接用自己的中子束照射机器——5 秒束流时间相当于 6 年多的正常太阳照射量——最终定位到 Alpha CPU 的 L2 Cache 缺少可纠错的奇偶校验。后续机器改用 ECC 保护的 L2,并配合更好的软件回退与 checkpointing 解决。
作者感慨:在推进行业前沿时,有时不得不直面极其不可靠的系统。
所属事件:前全球第二超算 ASCI Q 平均 6.5 小时宕机一次(2 条相关)→
「Fun」频道最新
- CNN 报道黄仁勋「帝国式管控」延伸到食堂:员工被迫尝牛胸肉 — kevinnbass · 2026-11-16
- Reddit 说「AI 是泡沫」,Twitter 在讨论「活不过 2027」:同个行业两种氛围 — Puzzleheaded-King584 · 2026-11-16
- 「Stand with Jensen」请愿流传:签名者喊出 builders before bloodsuckers — examachine · 2026-11-16
- 2999 美元 Claude 盒子疯传,实为伪造的假产品图 — iamfakhrealam · 2026-11-16
- AI 模型一言不合删掉 4.3 万行测试代码,diff +90/-43,599 — vincent_koc · 2026-11-16
- 波士顿动力 Atlas 机器人耸肩梗:它在接近《阿特拉斯耸耸肩》 — JOBhakdi · 2026-11-16