从功能监控到在系统测试：扩展电压感知可观测性
From Functional Monitoring To In-System Test: Extending Voltage-Aware Observability
Siemens 将 Tessent In-System Test（IST）加入其与 Movellus Aeonic Insight 电压骤降传感器、Tessent Embedded Analytics 结合的监控演示，在 Veloce proFPGA 平台上展示。
作者：Aakash Jani、Henrique Mendes 和 Robert Wilcox
在此前的博客中，我们强调了结合物理传感器与功能传感器来规划新工作负载的重要性。这一用例对于高性能 AI 和 HPC 系统依然适用，因为“尖峰”式工作负载会引发严重的电压骤降，从而主导功耗预算。
你价值 10 亿美元的 ASIC 在系统内测试中发生了扫描失败。如何判断该失败是真正的结构性失效，还是由电压骤降等物理现象引起的？当较长或多条扫描链同时翻转时，扫描图案往往会产生剧烈的开关活动，从而可能诱发电压骤降。如果失败是由电压骤降导致的，你有几种选择：降低移位时钟频率、提高电压，或重新划分扫描图案。如果没有能在测试期间报告运行状况的物理传感器，团队无法区分这两种情况，可能会因误报失败而丢弃良品。
在整个系统生命周期中，物理传感器与功能传感器必须协同使用，因为功能性失效与物理性失效是相互关联的。让我们在系统生命周期中进一步深入到芯片部署阶段，来看另一个例子。
之前的演示将 Movellus Aeonic Insight 电压骤降检测器与 Siemens Tessent Embedded Analytics 相结合，把电压事件与处理器及互连活动关联起来。今天，我们很自豪地宣布为系统生命周期管理扩展物理与功能监测能力：在演示中加入 Tessent In-System Test（IST）。在已部署的系统上运行结构性测试意味着“误报失败”这一问题会随着芯片离开测试台进入现场，届时一旦判断错误，健康的节点就可能被撤下服务。结合电压监测，IST 帮助工程师区分由电压骤降导致的误报失败与真实的结构性缺陷。
为什么要加入系统内测试？
Meta 在数十万台整机上运行了静默错误测试，标记出数百枚在损坏数据却不报错的 CPU。[1] Google 报告了其自有设备群中的类似比例。[2] Amazon 也展示了在 AWS 芯片上使用 In-System Test 技术的成果。[3] Tessent IST 将精选的结构性测试集成到已部署的系统中，无需拆下器件即可进行测试，从而能够尽早排查此类故障。
然而，结构性测试可能引发剧烈的开关活动，进而在测试期间造成电压骤降。这些事件取决于测试图案、传感器位置和器件状态。仅凭通过/失败的结果缺乏上下文。
将 IST 与遥测数据相结合可以实现更细致的分析：电压骤降是否与测试同时发生？测试的是哪个内核？是否还有其他流量在运行？
在整个系统生命周期中演示物理与功能传感器
更新后的演示在 Siemens Veloce proFPGA 平台上，将 Tessent IST 与原有方案集成在一起：Movellus Aeonic Insight 电压骤降传感器、Tessent Embedded Analytics 功能监视器与消息基础设施，以及用于 IST 的 Siemens 扫描与测试基础设施。目标设计包含多个配备 DFT 插装的 RISC-V 内核，它们在功能模式下驱动所观察的工作负载，并在进入测试模式后接收扫描图案。
图 1：演示系统，包含 Tessent Embedded Analytics、Movellus Aeonic Insight 电压骤降传感器以及扫描测试基础设施。
功能模式： 通过 APB 路径配置一个 Movellus 电压骤降检测器，当越过预设阈值时可以发出硬件事件。Tessent Embedded Analytics 通过其触发器和消息基础设施接收该事件。状态监控器（Status Monitor）带时间戳地记录传感器和系统信号，总线监控器（Bus Monitor）报告 SoC 互连上的事务活动。该工作流程展示了一个物理事件如何触发收集调查其根本原因所需的功能性证据。
图 2：功能模式工作流程，将电压骤降事件与带时间戳的处理器和互连活动相关联。
测试模式： Tessent IST 支持增加了测试控制和测试状态可见性。在演示平台上运行测试图案，并通过 Tessent Embedded Analytics 状态监控观察测试的启动和停止活动，该监控会监测内部测试模式状态，从而使测试窗口能够与电压数据对齐。这使演示实现了时间对齐的测试执行与传感器行为。
从通过/失败到可行动的上下文
这种组合方法的价值不在于电压遥测取代结构化测试，也不在于功能监控器决定某个测试图案是否通过。其好处在于将二者的输出置于同一时间线上。结构化测试确定目标逻辑是否按预期响应。电压监控器报告该测试期间的物理状况。功能监控器揭示可能促成这些状况的并发系统活动。
例如，如果电压波动只在某个特定的图案组处于活动状态时出现，工程师就有一个聚焦的调查起点。如果波动反而与来自邻近功能内核的大量流量同时发生，测试调度器可以避免同时运行该工作负载和测试。跨多个传感器位置的重复观测还有助于判断某个事件是局部性的，还是在部分供电网络中共享的。这些是诊断线索而非结论，但它们可以缩小搜索范围，减少对最坏情况假设的依赖。
图 3：测试模式工作流程，使用状态监控器将在系统测试执行与电压传感器数据对齐。
一个传感器，两个运行域
上一篇博客 展示了电压骤降检测器和功能监控如何跨越物理域和功能域。添加 Tessent IST 将这种可观测性扩展到测试运行中。同一个传感器既可以在正常工作负载期间，也可以在应用结构化测试内容时提供证据，而 Tessent Embedded Analytics 则提供将观测结果关联起来所需的时间戳上下文。
当前的 FPGA 演示通过运行 IST 图案并将测试的启动和停止与电压及功能监控数据相关联，确立了端到端概念。下一步是通过 iJTAG 完成对传感器的直接访问，提供一条路径，使测试控制、传感器可观测性和功能遥测能够通过已部署的系统进行协调。
这些能力共同将在系统诊断从孤立的测量推进到可重复的检测—诊断—测试工作流程。
参考文献
- H. D. Dixit 等，“Silent data corruptions at scale”，2021，arXiv:2102.11245。
- P. H. Hochschild 等，“Cores that don't count”，发表于第18届操作系统热点主题研讨会论文集（HotOS '21），2021。
- D. Trock、S. Mahadevan、N. Mukherjee、L. Harrison、J. Rajski 和 J. Tyszer，“Deterministic In-Fleet Scan Test for a Cloud Computing Platform”，发表于 2024 IEEE International Test Conference (ITC)，2024，第391–399页。
Henrique Mendes 是 Siemens EDA Tessent Embedded Analytics 的产品工程师。
Robert Wilcox 是 Siemens EDA Tessent Embedded Analytics 的产品工程师。
来源： Semiconductor Engineering 芯片与封装 · semiengineering.com