導讀：
Hello 大家好，我是 Efreet。這篇文章要跟大家介紹 Memory 的 ECC 功能，以及 ECC 在工程實務上的應用。在工程實務中，有時候會遇到這樣的問題：板子偶爾無法正常啟動，系統日誌裡頻繁出現「壞塊」（Bad Block）訊息，然後定位原因時發現問題跟板子的 Flash 晶片有關，初步懷疑是 Nand Flash 晶片本身出了問題，但更換晶片後問題依然存在，最後才發現——原來是 ECC（錯誤更正碼）功能沒有開啟！
一、ECC 是什麼
ECC（錯誤修正碼）的全名是錯誤糾正碼，用於對記憶體中的資料進行完整性檢查與修正。ECC是基於奇偶校驗的原理設計的，在像Nand Flash這類非揮發性記憶體中，由於物理特性（例如電荷洩漏、寫入/擦除次數限制、製程波動等），資料位元可能在長時間使用後發生翻轉（Bit Flip），導致讀取到的資料與原本寫入的資料不一致。
ECC 的核心目標，就是在這種「軟錯誤」發生時，不僅能偵測到錯誤，還能在一定範圍內自動修正，從而保障系統的穩定性和資料的可靠性。
美光（Micron）作為全球主流的儲存晶片廠商，其絕大多數 Nand Flash 產品（包含 SLC、MLC、TLC 等類型）都原生支援 ECC 功能，通常需要搭配控制器（例如 SoC 內建的 NAND 控制器）協同運作。
二、ECC 的主要原理
ECC 的實現是基於數學編碼理論，常見的演算法包括 Hamming Code、BCH（Bose-Chaudhuri-Hocquenghem）碼，以及更進階的 LDPC（Low-Density Parity-Check）碼。
以 Micron 的主流 Nand Flash 為例，通常建議使用 BCH 演算法，原因如下：
糾錯能力強：BCH 可以支援修正多個位元錯誤（例如 4 位元、8 位元，甚至 24 位元），適用於 MLC/TLC 等高密度但可靠性較低的 Flash 類型。
硬體實現成熟：大多數嵌入式 SoC（例如 TI、NXP、Qualcomm、Rockchip 等）的 NAND 控制器都內建了 BCH 硬體加速模組。
開銷可控：以美光Nand為例，每544 byte的資料就會有8 bit的ECC校驗碼。
簡單來說，寫入資料時，控制器會根據原始資料產生 ECC 校驗碼，並將資料與 ECC 一起寫入 Flash；在讀取時，控制器會重新計算 ECC 並與儲存的校驗碼進行比對。如果存在差異但仍在可修正範圍內，系統會自動修復資料並回傳正確結果；若超出錯誤修正能力，則會回報不可修正錯誤（Uncorrectable Error），此時系統可能會將該區塊標記為「壞塊」。
三、工程實踐中 ECC 的應用
在實際專案中，ECC 的設定與啟用常常被忽略，但這可能導致嚴重的誤判。以下是幾個典型的情境：
場景一：系統頻繁報告「壞塊」，但 Flash 並無物理損傷
有客戶反映設備在高溫環境下運行一段時間後無法啟動，日誌顯示大量壞區（Bad Block）。初步懷疑是 Flash 品質問題，但更換同批次的芯片後，問題依然重現。
排查後發現：SoC 的 NAND 控制器未啟用 ECC 功能，導致輕微的 Bit Flip 被誤判為不可恢復錯誤，進而被標記為壞塊。啟用 ECC 後，系統穩定性明顯提升。
場景二：Bootloader 無法從 Nand 啟動
某些 SoC（例如 AM335x、RK3399）要求在開機階段必須使用特定的 ECC 模式（像是 1-bit Hamming 或 8-bit BCH）。如果燒錄映像檔時所使用的 ECC 設定與 BootROM 不一致，將會導致校驗失敗，無法載入核心。
解決方案：請確保在編譯 U-Boot 時指定正確的 ECC 模式，並且要與 Flash 晶片的規格書以及 SoC 手冊保持一致。
場景三：ECC模式不匹配導致資料靜默損壞
即使系統能正常讀寫，如果在寫入時使用 4 位元的 ECC，而在讀取時誤用 1 位元的 ECC，可能會導致部分錯誤無法被修正，造成『靜默資料損壞』（Silent Data Corruption）——這是最危險的情況，因為系統完全無法察覺。
✅ 最佳實踐建議：
在專案初期，務必查閱 Micron Flash 的資料手冊以及 ONFI 規範，確認其所建議的 ECC 強度（例如：「每 512 bytes 需要 8-bit ECC」）。
在 SoC 驅動或 U-Boot 中明確設定 ECC 模式，避免依賴預設值。
在量產測試中加入 ECC 壓力測試（例如高溫老化加上讀寫循環），以驗證糾錯能力的極限。
四、結語
ECC 雖然只是一個像『幕後英雄』一樣的功能，但在高可靠性系統（例如工業控制、車用電子、醫療設備）中，它的作用卻至關重要。很多時候，我們以為的『Flash 壞了』，其實只是因為 ECC 沒有啟用或設定錯誤。
身為工程師，在面對 Nand Flash 相關故障時，請多問一句：「ECC 有開啟嗎？有配對嗎？」——這或許就是解決問題的關鍵所在。
希望這篇文章能幫助你在芯片失效分析的路上少走冤枉路。如果你有相關經驗或疑問，歡迎在留言區交流！
我是 Efreet，我們下期再見！