AMD EPYC зависают через 1044 дня непрерывной работы: исправлять это никто не будет

Вчера, 2 июня, информационное издание Tom's Hardware со ссылкой на свои источники сообщило, что компания AMD обнаружила серьёзную проблему, связанную с серверными процессорами EPYC 7002 Rome. Дело в том, что если данная модель процессора будет работать без перерыва в течение 1044 дней (практически три года), что для серверных решений вполне нормально, то ядра чипа просто зависнут. Счастливым обладателям EPYC 7002 Rome придётся полностью перезапускать работу своих вычислительных мощностей, потому что никак иначе проблему побороть не выйдет. И самое главное, что AMD ничего делать с этим не собирается.

В краткой публикации от самой компании AMD указано, что серверные процессоры второго поколения сталкиваются с проблемой, которая не позволяет ядрам выйти из режима энергосбережения Core C6 State (или СС6) спустя продолжительный цикл работы. При этом производитель заявил, что 1044 дня не являются абсолютным значением — сбой может произойти раньше или позже, так как всё зависит от частоты REFCLK, позволяющей процессоры отслеживать параметр времени, и от некоторых других факторов. Но никакой информации о том, почему именно происходит сбой, производитель не предоставляет, так что до сих пор никто точно не понимает в чём корень зависания.

Представители компании сообщили, что варианта решения проблемы на текущий момент два — владельцам серверов на данных процессорах нужно либо перезагрузить систему, чтобы сбросить таймер в 1044 дня, либо же полностью отключить режим энергосбережения Core C6 State. Вероятно, оба эти варианта владельцам серверных процессоров подходят крайне слабо — режим энергосбережения позволяет сохранить массу средств на потреблении энергии, так что отключать его явно никто не станет, а ждать возникновения ошибки и зависания, чтобы потом сбрасывать систему, тоже не сильно удобное решение. Особенно в том случае, если речь идёт о каких-то действительно важных компонентах инфраструктуры.

В AMD считают иначе — в компании не воспринимают этот баг в роли серьёзной проблемы. Компания заявила, что сервисное обслуживание серверов и обновление систем безопасности происходит явно чаще, чем раз в три года (точнее, раз в 2,93 года), так что «словить» такое зависание очень проблематично. Более того, с момента запуска процессоров в 2018 году прошло уже практически два отведённых срока, но первые отзывы о данной проблеме появились только сейчас, ещё и в очень незначительных количествах.