# EDAC и ECC оперативной памяти: это не ошибки VRAM

Ошибки ECC оперативной памяти хоста и ошибки памяти GPU относятся к разным устройствам и счетчикам.

Автор: Команда Retrivium
Обновлено: 2026-11-01
Канонический URL: https://retrivium.ai/ru/journal/host-ram-ecc-edac/
Language: ru

Ошибки ECC оперативной памяти хоста и ошибки памяти GPU относятся к разным устройствам и счетчикам. Запись EDAC в Linux нельзя автоматически назвать проблемой VRAM. Сначала сохраните источник, идентичность memory controller или GPU и тип события, затем сопоставляйте хронологию. Такая граница помогает не отправить исправную видеокарту на замену из-за сообщения другого компонента и не потерять признаки реальной проблемы host RAM, необходимой для работы LLM сервера.

## Что описывает EDAC

[Документация Linux EDAC](https://docs.kernel.org/next/driver-api/edac.html) определяет контроллеры, каналы и DIMM, а также поля сообщений об ошибках. Эти координаты не следует приравнивать к физической наклейке слота без проверки схемы платформы. Сохраните исходный label и полное сообщение до упрощения в dashboard. Если label отсутствует или неоднозначен, отметьте это как ограничение локализации. Количество оперативной памяти, например привычное описание сервера как high-RAM, не объясняет ни наличие ECC, ни способ отчетности конкретного memory controller.

## Отделите GPU counters

[NVML device queries](https://docs.nvidia.com/deploy/nvml-api/latest/api/group__nvmlDeviceQueries.html) предоставляет ECC сведения для поддерживаемых GPU. Их область — соответствующее устройство и выбранный тип счетчика, а не host DIMM. Отсутствие поддержки API нельзя записывать как нулевое число ошибок. При нескольких GPU сохраняйте устойчивую идентичность устройства, чтобы не связать событие с другим index после перезапуска. В общей системе наблюдений host и GPU память должны иметь разные серии и подписи, даже если обе используют термин ECC и расположены в одном физическом сервере.

## Пример карточки события

Используйте отдельные строки для разных наблюдений:

| Источник | Объект | Что сохранить |
| --- | --- | --- |
| EDAC | Host controller/DIMM | Label, тип, timestamp |
| NVML | GPU | Идентификатор, counter scope, timestamp |
| Приложение | Запрос LLM | Ошибка, стадия, request ID |

Это схема записи, а не доказательство причинной связи. Совпавшие timestamps дают повод исследовать событие, но не позволяют сложить счетчики или объявить один источник причиной другого без дополнительных данных и проверки временной шкалы.

## Диагностическая развилка

Если растет EDAC счетчик, исследуйте host memory path и документацию сервера. Если меняется GPU ECC telemetry, исследуйте соответствующее GPU устройство и его поддерживаемые диагностические процедуры. Если приложение только сообщает allocation failure, это еще не ECC событие: нехватка памяти относится к другой категории. Сохраните состояние до reboot или обслуживания, когда это возможно без вмешательства в рабочий процесс. Изменение lifecycle способно изменить видимость счетчиков, поэтому разницу значений нужно трактовать вместе с границами наблюдения и перезапусками.

## Как оформить результат

Итог содержит полные сообщения, версии kernel и driver, карту platform labels и интервалы счетчиков. Укажите, что удалось локализовать достоверно, а что требует platform-specific подтверждения. Не назначайте универсальный допустимый порог ошибок по одному примеру из интернета. Для решения об обслуживании используйте сведения производителя конкретной системы и наблюдаемую историю. Полезная приемка показывает раздельную идентичность host RAM и VRAM, чтобы финансовые или эксплуатационные сравнения емкости не смешивали надежность разных компонентов. После изменения модулей или размещения повторно проверьте карту labels; прежняя подпись dashboard не доказывает, что новое сообщение относится к тому же физическому слоту, который оператор обслуживал в прошлый раз.

## Связанные материалы

[RAM и VRAM: какую память считать при выборе AI-сервера](/ru/journal/ram-vs-vram/); [Сервер со 128 ГБ RAM для LLM: что он может дать без большой VRAM](/ru/journal/server-128gb-ram-llm/).