双 CPU 是否提供容错？

Question

假设我购买了两个 Intel Xeon 并将它们安装到服务器级硬件中...如果一个 CPU 出现故障，另一个是否仍能正常工作并弥补不足，从而提供容错能力？

这似乎不太可能，但我想我会问而不是做出任何假设。

Answer 1

在普通的双插槽系统中，不可以，尽管有些服务器确实允许处理器和 RAM 的热插拔。所以这些东西确实存在，但它们处于非常非常高端的市场。

这并不是什么大问题——在您的服务器中所有可能发生故障的情况中，处理器就在列表的底部，旁边是那些将主板固定在机箱上的小黄铜竖板。

Answer 2

谈到 x86 商品硬件，如果系统正在运行并且 CPU 出现故障，事情将正常停止。然而，系统在重新启动后会正常运行，尽管速度会慢一些。

多个 CPU 主要用于并行处理，而不是真正用于容错。但是，如果一个 CPU（或更多）出现故障，系统仍然可以启动是很好的。

我会说您的 CPU 发生故障的可能性比 Mark Henderson 建议的要大一些，但仍然不太可能。根据我的经验，这种情况主要发生在系统频繁过热并自行关闭时（这在空调不佳的办公室服务器机房中很容易）。CPU 不太喜欢这样。

当然，如果您有一个不错的 IBM 大型机或类似主机，热插拔 CPU（板）就足够“容易”了。

Answer 3

如果 CPU 发生故障——根据其他答案，这是极不可能的——系统基本上无法恢复。根据它失败的方式，它最终可能会以奇怪的方式破坏内存，或破坏进程表，或者谁知道还有什么。如果您有某种主动监控系统，可以密切关注 CPU 以确保它运行良好（并且能够回滚 CPU 在其死亡阵痛期间所做的任何更改），那也将是另一个系统这可能会失败，并且以编程方式确定软件故障非常困难（基本上，您实际上可以做到的唯一方法是让另一个 CPU 在完全相同的时间执行完全相同的操作并比较结果 - 然后最终会减慢速度下来这样有'

也就是说，与 CPU 故障一样罕见，增加系统中的 CPU 数量实际上会使您的故障率上升，因为现在您有两倍的事情可能会失败。您还有其他可能发生故障的子系统，例如保持 CPU 缓存同步的子系统，功耗和热输出的增加也是导致整个系统故障的因素（当然，主动冷却风扇是另一个原因）故障点）。