信頼性、可用性、保守性

信頼性、可用性、保守性( RAS ) は、信頼性、可用性、保守性( RAM )とも呼ばれ、信頼性エンジニアリング、高可用性、保守性設計を含むコンピュータ ハードウェアエンジニアリング用語です。このフレーズは元々 IBMがメインフレーム コンピュータの堅牢性を説明するために使用していました。^{[ 1 ] [ 2 ]}

RAS のレベルが高いように設計されたコンピュータには、データの整合性を保護し、障害なく長期間利用できるようにするための多くの機能があります。^{[ 3 ]}このデータの整合性と 稼働時間は、メインフレームやフォールトトレラントシステムの特にセールスポイントです。

RASは元々ハードウェア指向の用語でしたが、システム思考は信頼性・可用性・保守性の概念をソフトウェアを含む一般的なシステムにまで拡張しました。^{[ 4 ]}

• 信頼性は、システムが特定の時間tまでに正しい出力を生成する確率として定義できます。^{[ 5 ]}信頼性は、ハードウェア障害を回避、検出、修復するのに役立つ機能によって向上します。信頼性の高いシステムは、修正されていない破損データを含む結果を黙って継続して出力することはありません。代わりに、破損を検出し、可能であれば修正します。たとえば、一時的な (ソフト) エラーや断続的なエラーの場合は操作を再試行するか、修正不可能なエラーの場合は、障害を分離して上位レベルの回復メカニズム (冗長な交換用ハードウェアへのフェイルオーバーなど) に報告するか、影響を受けるプログラムまたはシステム全体を停止して破損を報告するなどです。信頼性は、平均故障間隔(MTBF)で特徴付けることができ、信頼性 = exp(−t/MTBF) となります。^{[ 5 ]}
• 可用性とは、システムが特定の時間に稼働している確率、つまり、デバイスが実際に稼働している時間が、本来稼働しているべき時間の割合であることを意味します。高可用性システムでは、可用性を年間ダウンタイムの分または時間で報告する場合があります。可用性機能により、障害が発生した場合でもシステムは稼働し続けることができます。高可用性システムは、故障した部分を無効にして、能力を下げて稼働を継続します。対照的に、能力の低いシステムはクラッシュして完全に動作不能になる可能性があります。可用性は通常、システムが稼働していると予想される時間の割合として表され、たとえば99.999パーセント（「ファイブナイン」）などです。
• 保守性またはサービス性とは、システムの修理や保守の容易さと迅速性を指します。システムの故障修理に要する時間が長くなれば、可用性は低下します。保守性には、問題発生時にシステムを容易に診断するための様々な方法が含まれます。障害を早期に検出することで、システムのダウンタイムを削減または回避できます。例えば、一部のエンタープライズシステムは、システム障害が発生した際に（人間の介入なしに）サービスセンターに自動的に連絡することができます。従来は、通常の運用への影響を最小限に抑えつつ、適切な修理を行うことに重点が置かれてきました。

信頼性と可用性の違いに注意してください。信頼性は、データ破損を回避するなど、システムが正しく機能する能力を測定するのに対し、可用性は、システムが正しく機能していない場合でも、システムが使用可能な頻度を測定します。たとえば、サーバーは永久に稼働し、理想的な可用性を持つかもしれませんが、信頼性が低く、頻繁にデータ破損が発生する可能性があります。^{[ 6 ]}

物理的な欠陥は、一時的なものと永続的なものがあり得る。

• 永続的な故障は継続的なエラーを引き起こし、通常は金属の電気泳動や絶縁破壊などの物理的な故障が原因です。
• 一時的な故障には、一過性故障と断続性故障が含まれる。
  • 一時的な（ソフト）障害は、独立した一回限りのエラーを引き起こし、永続的なハードウェア障害によるものではありません。例としては、アルファ粒子がメモリビットを反転させたり、電磁ノイズや電源の変動などが挙げられます。
  • 断続的な障害は、回路パラメータの劣化など、システムコンポーネントの弱点によって発生し、再発する可能性のあるエラーにつながります。^{[ 5 ]}

一時的および断続的な障害は、通常、ECCコードや命令再生（下記参照）などによる検出と訂正によって対処できます。永続的な障害は訂正不可能なエラーにつながりますが、これはプロセッサの予備など、ハードウェアの複製による交換、または訂正不可能なエラーを上位レベルのリカバリメカニズムに渡すことによって対処できます。正常に訂正された断続的な障害は、予測的な障害分析のための情報として、オペレーティングシステム（OS）に報告することもできます。

RASを改善するためのハードウェア機能の例を、サブシステムごとに以下のように示します。

• プロセッサ：
  • プロセッサ命令エラー検出（例えば、結果の残差チェック^{[ 7 ]}）と命令再試行（例えば、IBMメインフレームの代替プロセッサリカバリ^{[ 8 ]} 、またはItaniumシステムの「命令リプレイ技術」 ^{[ 9 ]）}
  • マスターチェッカー方式または投票方式を実行するために、プロセッサが同期して動作する。
  • マシンチェックアーキテクチャとACPIプラットフォームエラーインターフェースにより、OSにエラーを報告する。
• メモリ：
  • メモリコンポーネント（キャッシュおよびメインメモリ）のパリティまたはECC（単一デバイス訂正を含む）保護、不良キャッシュラインの無効化、メモリスクラビング、メモリスパーリング、メモリミラーリング、^{[ 10 ]}不良ページオフライン化、冗長ビットステアリング、冗長アレイ独立メモリ（RAIM）。
• 入出力:
  • データ伝送/再試行およびデータストレージのための巡回冗長性チェックチェックサム、例： PCI Express (PCIe) 高度エラー報告 (AER)、^{[ 11 ]}冗長I/Oパス。
• ストレージ：
  • ハードディスクドライブおよびソリッドステートドライブストレージ向けのRAID構成。
  • ファイルクラッシュ後のファイル修復のためのジャーナリングファイルシステム。
  • データとメタデータの両方に対するチェックサム、およびバックグラウンドでのスクラビング。
  • ハードディスクドライブおよびソリッドステートドライブ向けの自己監視、分析、および報告技術。
• 電力/冷却：
  • 単一障害点を回避するために、例えば電源装置などの部品を複製する。
  • クロック周波数、温度、電圧、振動といった指定された動作範囲に対して、システムを過剰設計する。
  • 温度センサーは、温度が規定値から外れた場合に動作周波数を制限します。
  • サージプロテクタ、無停電電源装置、補助電源。
• システム：
  • コンポーネントのホットスワップ： CPU、RAM、ハードディスクドライブ、ソリッドステートドライブ。
  • 予測的故障解析により、どの断続的に発生する修正可能なエラーが最終的に修正不可能な重大なエラーにつながるかを予測する。
  • コンピュータの構成要素を分割／ドメイン化することで、1つの大きなシステムを複数の小さなシステムとして機能させること。
  • 仮想マシンは、オペレーティングシステムのソフトウェア障害の深刻度を軽減するために使用される。
  • ゲスト仮想マシンに仮想I/Oを提供するための冗長I/Oドメイン^{[ 12 ]}またはI/Oパーティション^{[ 13 ] 。}
  • ハードウェアとソフトウェアの完全な冗長性を実現する、フェイルオーバー機能を備えたコンピュータクラスタリング機能。
  • カーネルソフトウェアのアップデートのためにシステムを再起動する必要をなくすための動的なソフトウェアアップデート。例えば、LinuxのKspliceなど。
  • 保守性を確保するための独立した管理プロセッサ：遠隔監視、アラート、および制御。

フォールトトレラント設計は、RASをコンピュータの決定的な特徴とすることで、このアイデアをさらに発展させました。株式市場取引所や航空管制など、システム障害が壊滅的な影響を与えるようなアプリケーション向けです。フォールトトレラントコンピュータ（例えば、Tandem ComputersやStratus Technologiesを参照）は、信頼性を高めるために重複したコンポーネントを同期させて動作させる傾向がありますが、高コストのため、あまり普及していません。コンピュータクラスタなどの分散コンピューティング技術を用いた高可用性システムは、より安価な代替手段としてよく利用されています。

• マシンチェックアーキテクチャ（MCA）
• マシンチェック例外(MCE)
• 高可用性（HA）
• 冗長性（エンジニアリング）
• 統合ロジスティクスサポート
• RAMS（信頼性、可用性、保守性、安全性）

• Itaniumの信頼性、可用性、保守性（RAS）機能（2011年11月11日にWayback Machineにアーカイブ済み） RAS機能全般とItaniumプロセッサの特定の機能の概要。
• POWER7 システム RAS 電力システムの信頼性、可用性、保守性の主要な側面。Daniel Henderson、Jim Mitchell、George Ahrens。2012 年 2 月 10 日、 Wayback Machineに 2018 年 12 月 28 日にアーカイブ済み。Powerプロセッサの RAS 機能の概要。
• Intel Corp. 常時稼働エンタープライズ向けの信頼性、可用性、保守性（付録 B）およびIntel Xeon プロセッサー E7 ファミリー：次世代 RAS サーバーのサポート。ホワイトペーパー。Xeonプロセッサーにおける RAS 機能の概要。
• zEnterprise 196 システム概要。IBM Corp. (第 10 章) IBM z196 プロセッサーおよびzEnterprise 196サーバー の RAS 機能の概要。
• OracleのSPARC M5-32サーバーのRAS機能を使用して、アプリケーションの信頼性と可用性を最大化する