# メモリ障害予測 Navigation: [[index]] | [[障害予測]] | [[ハードディスク信頼性]] ## 定義 メモリ障害予測(memory failure prediction)は、クラウドサーバーの DIMM(Dual Inline Memory Module)が出力する Correctable Error(CE、ECC によって訂正可能な訂正可能エラー)ログの時空間パターンを解析し、DIMM が将来 Uncorrectable な致命的障害を起こす**前に**予測することで、予防的なメンテナンス(Hot Migration・Isolation・Replacement)を可能にする取り組みである。[[障害予測]] の下位領域のうち、ハードウェアコンポーネント(メモリ)を対象とする symptom monitoring 系のオンライン障害予測にあたる。CE ログは server レベル(CPU・DIMM の静的構成)・DIMM レベル(rank・device・bank・row/column の階層座標)・bit レベル(DQ×Beat の 2 値エラー行列)という 3 階層の空間情報を持ち、この階層性をどう特徴量に落とし込むかが手法設計の中心課題となる。(Source: [[@2025__KDD__M2-MFP - A Multi-Scale and Multi-Level Memory Failure Prediction Framework for Reliable Cloud Infrastructure]]) 既存手法は大きく、DIMM レベルの CE カウント・パターンに基づくルールベース専門家モデル(Risky CE・DQ Beat Predictor 等)と、bit レベル情報を画像的に扱う深層学習モデル(STIM 等)に分かれるが、前者は汎化性・再現率に乏しく、後者はメモリアーキテクチャの階層性を考慮せず特徴表現が最適でないという課題を抱える。(Source: [[@2025__KDD__M2-MFP - A Multi-Scale and Multi-Level Memory Failure Prediction Framework for Reliable Cloud Infrastructure]]) ## 横断的知見 - (seed 段階: 現時点で本 concept に ingest 済みのソースは [[@2025__KDD__M2-MFP - A Multi-Scale and Multi-Level Memory Failure Prediction Framework for Reliable Cloud Infrastructure]] の 1 件のみ。M2-MFP 論文自身が引用する Risky CE・DQ Beat Predictor・Himfp・STIM は本 wiki に個別ソースとして未 ingest のため、複数ソース間の突き合わせによる横断的知見はまだ形成できない。次のメモリ/DRAM 障害予測関連ソースが ingest され次第、本節を育てる。) ## 未解決の問い - M2-MFP の Table 2 では絶対的な F1 スコアが 0.22〜0.35 程度にとどまる。[[障害予測]] が蓄積してきた「精密な時間予測が破綻する領域ではランキングへの再定式化が代替パラダイムになる」という HeaRank(GPU 障害)の知見は、メモリ障害予測にも適用できるか。DIMM 単位の相対リスクランキングへ再定式化した場合、精度は改善するか。 - BSFE(Binary Spatial Feature Extractor)の対称性・汎用性・敏感性という設計原則は、DDR4 の DQ-Beat 行列(x4 チップ、8×4)を前提に検証されている。DDR5(x4/x8/x16 構成が混在し ECC 方式も変化)や HBM のような異なるメモリアーキテクチャに同じ枠組みがそのまま適用できるか。 - Huawei Cloud の単一クラウド事業者・Intel Purley/Whitley という 2 世代 x86 アーキテクチャに限定したデータセットでの評価であり、他ベンダー(AMD・ARM 系サーバー CPU)や他クラウド事業者への汎化性能は未検証。[[ハードディスク信頼性]] で確認されたような「メーカー・モデル世代への強い依存」がメモリ障害でも成立するか。 - 月あたり故障 DIMM 数が 8〜21 台程度という極端なクラス不均衡(Table 6)に対し、M2-MFP 論文はサンプリング戦略の詳細を明示していない。稀事象予測のクラス不均衡対処(SMOTE 系リサンプリング等)がメモリ障害予測の再現率をどこまで底上げできるか。 - Time-point(即応的・単発イベント依存)と Time-patch(集約的・レイテンシあり)の相補性はリード時間分析(Figure 8)で示されたが、この二経路設計は他のハードウェアコンポーネント(SSD・光トランシーバー・NIC)の障害予測にも一般化できる構造か、それともメモリ CE ログの時空間特性に固有のものか。 ## 関連 - ソース: [[@2025__KDD__M2-MFP - A Multi-Scale and Multi-Level Memory Failure Prediction Framework for Reliable Cloud Infrastructure]] - entity: [[Huawei Cloud]] / [[M2-MFP]] / [[Qiao Yu]] / [[University of Science and Technology of China]] - 関連概念: [[障害予測]](上位概念)、[[ハードディスク信頼性]](同種のハードウェアコンポーネント別障害予測) ## 出典 - [[@2025__KDD__M2-MFP - A Multi-Scale and Multi-Level Memory Failure Prediction Framework for Reliable Cloud Infrastructure]]