第248章 机房不能直接上天(2/3)
运行的需求。
财务把两类订单放在同一页。效果图那一栏金额惊人,当前到账为零;筛图和短报一栏不起眼,付款记录却一笔不少。
星辰员工有些憋屈。明明公司更早做轨道筛图,为什么不先占住名字?
马飞让他们把六号星那次单粒子翻转报告贴到会议室门口。
“先回答一个粒子怎么让它改主意,再回答两百个机柜怎么上天。”
第二代板的第一场试验,就是故意让它出错。
温蔓把六号星错误值还原。正常云量阈值经过二进制表示后,只因一位翻转便变成负数。旧系统有范围保护,发现负数不合理,自动回到安全默认值并重启;若翻转落在一个仍然“看起来合理”的位置,可能更难发现。
团队在地面软件里随机翻转不同内存位。第一次一千次故障注入,板卡死机十二次,产生错误结果四十多次,其中五次没有被监控立刻发现。最危险的一次把影像有效期从七十二小时改成十六小时,数值不离谱,系统差点接受。
齐放建议关键配置保存三份,多数表决。
赵国梁问:“三份同时由同一段程序写错呢?”
冗余只能对付部分随机错误,不能把同一软件缺陷复制三遍。关键配置需要范围、版本、校验和独立只读基线;更新先写备用区,验证后切换,失败回滚。计算结果若影响删除、轨道动作或服务优先级,还要通过权限与物理边界,不能一块板说了算。
存储增加纠错能力,处理器有看门狗,电源分区允许局部重启。高风险任务使用更可靠但性能较低的器件,普通筛图可以用性能更高的商用器件配合冗余和故障恢复。不是整块板每个零件都穿同样厚的盔甲。
第二场试验在热真空箱里。
投资人为了证明自己没有被保温杯吓跑,亲自来现场。板卡上电十分钟,温度开始升。小风扇飞快旋转,真空箱里的温度曲线却几乎不理它。
“风扇没坏吧?”他问。
“没空气,转给自己看。”机房主管说。
团队拆掉风扇,把发热器件通过导热路径连到模拟辐射板。计算任务按热预算调度:光照与散热条件好时处理更多影像,温度接近边界便降频,卫星健康和路由优先,普通筛图让路。它不是追求跑分的游戏电脑,活着比多算几张图重要。
第一次完整热循环,板卡在阴影转光照时重启。电源工程师查了两天,发现加热器与计算任务同时拉升导致电压瞬降。两边各自单独测试都合格,时间碰在一起便出问题。
调度器增加功率爬升约束,加热与高负载计算不再同时抢电。第二轮循环通过。
第三场试验去有资质的辐射试验设施。设备不可能在地面复制整个轨道寿命,却能用受控条件观察器件翻转、锁死与恢复。第一次束流开始不到半小时,一只接口控制器进入异常状态,主处理器仍活着,却与一块存储失去通信。
旧设计会整板重启。新设计尝试隔离接口、切到备用存储,先保住健康与路由功能,影像计算暂停。值班员在地面收到的是“能力降级”,不是一串假装正常的数据。
投资人终于问了一个不带效果图的问题:“每多一套备用,是不是都要加重量和电?”
“是。”叶骁说。
“那不能无限备。”
“终于说到正题了。”
团队按任务后果选择冗余。丢一张普通厚云图与丢一条卫星健康告警不是同一风险;筛选模型崩溃可以关闭,身份、时间和路由基线需要更强保护。太空算力不是把所有东西做成永不坏,而是知道坏了以后先保什么、关什么、怎么恢复。
板卡重量最终比第一代增加,峰值算力却没有翻宣传里的十倍。它多出的主要是保护、接口、存储和热路径。财务看见成本,问能不能等更先进芯片出来再做。
马飞知道先进芯片会不断出现。可不把失效、回滚和在轨运维现在做出来,下一代芯片只会更快地产生一堆没人敢信的结果。
第二代板进入卫星联试时,客户提出把全部原始影像开放给星辰改进筛
本章未完,请翻下一页继续阅读.........