ECC检验与纠错

引入ECC

　　ECC：Error Checking and Correction，是一种差错检测和修正的算法。

 

　　NAND闪存在生产和使用中都会有坏块产生，BBM就是坏块的管理机制。而生产坏块已经无法避免，我们只能尽全力减少使用中产生的坏块。一种是利用磨损平衡（WL）提前预防坏块产生，另一种是已经产生“坏块”，我们是否还能继续用？

 

　　因此引入了ECC，如果块产生错误，且能够被ECC纠正，那么这个块都不算坏块；但连ECC都纠正不过来，这个块就无法再继续使用，只能标记为坏块。

 

　　所以，有效管理坏块的首要前提就是有可靠的坏块检测手段。如果操作时序和电路稳定性不存在问题，NAND闪存出错的时候一般不会造成整个Block或Page不能读取甚至全部出错，而是整个Page中只有一个或几个bit出错，这时候 ECC就能发挥作用了。不同颗粒有不同的基本ECC要求，不同主控制器支持的ECC能力也不同，理论上来说ECC能力够用就行。

ECC工作原理

1、当前SSD内最普遍使用的ECC码是BCH码。

（1）数据写入时：控制器内部的ECC模块计算数据并生成ECC签名，一般来说这个步骤非常快，因此并不会影响整个SSD太多的性能表现。

（2）ECC的保存：ECC的签名一般来说都保存在NAND页后部的SA区域。

（3）数据从NAND读取时：ECC模块回去读取ECC签名，并对照相同与否来发现出现的错误。

2、 相比发现错误，修复接收到的数据错误更复杂。

（1）检测收到的数据是否出错，这个和上面生成ECC签名的操作一样非常快。

（2）如果检测到接收到的数据包含错误比特，就需要去生成独特的ECC算法（比如BCH），这部分会造成性能损失，但是只有在检测到错误时候才做。

（3）用生成的ECC算法来修复之前检测到的错误。

ECC的能力

       必须强调的是，ECC解码过程是可能出现失败的，所以ECC系统架构必须合理的设计才能保证ECC不出错，而ECC能够修复的错误比特数取决于ECC算法设计。

       如果ECC纠不过来, 一般会报ECC Fail, 用户表现为Read Fail，有时候ECC甚至诊测不到出错, 就会导致数据错误。 

       NAND的稳定性需要有多方面保障，ECC只能用来保证部分比特出错时的修复，如果整个页甚至块出现大面积错误，那么只有RAID这类的冗余保护才能修复了。

       在企业级产品中对ECC甚至还有更苛刻的要求，那就是数据完整性检查，SSD内部所有的总线, 先进先出数据缓存器部分都要查，可以检测数据在进入NAND之前的错误。

实例剖析ECC

　　NAND Flash因为可能存在坏块，所以一定会有spare区了。page分为main和spare区。main是用来保存数据的。spare区一般用来标记坏块，和保存对main区数据的ECC校验码。

　　至于spare 区的格式，这个由自己设定，没有标准格式的。如“LSN0 LSN1 LSN2 RESERVED RESERVED BI ECC0 ECC1 ECC2 S-ECC0 S-ECC1 RESERVED RESERVED RESERVED RESERVED RESERVED”也是其中一种。

       上图是个4KB页的NAND闪存（SA区64字节）
（1）每当一个page写入NAND闪存，数据会通过ECC引擎，创造独特的ECC签名。
（2）数据和对应的ECC签名存都存放在NAND闪存里，数据放在数据区，ECC签名放在SA区。
（3）当需要读取数据时，数据和ECC签名一起被送往主控制器，此时新的ECC签名被生成。
（4）此时主控把2个签名对照，如果签名相同，说明数据没有错误，数据就会被送往主机。如果签名不同，数据就会先放在主控里，而不是直接送往主机。

       某些主控会把改正后的数据再次写回闪存，另一些则不会，因为谁也不知道下次读取会不会再出错。

ECC评价

       ECC的能力也影响到NAND 闪存的寿命和数据保存期。当NAND闪存的标称P/E数到了之后，错误数会越来越多，ECC弱的直接就报坏块并标记退休，如果ECC能力足够强，能挖掘出Flash更多潜力，只是效果比较有限。