Тепловизор нашёл силовую поломку в 256-ГБ DDR5 RDIMM
Сначала подозрение пало на маленькую память конфигурации: с 256-ГБ ECC RDIMM сняли SPD-ROM, поставили новый чип и записали в него заранее сохранённый дамп. Модуль всё равно не отвечал. Этот опыт быстро отделил проблему идентификации планки от её электрической жизни: контроллер мог прочитать прежние параметры, однако силовая часть RDIMM оставалась неисправной.
Паспорт планки оказался ни при чём
Поиск продолжили инжекцией напряжения в закороченную цепь с контролем тепловизором. Нагрев вывел к дефектному керамическому конденсатору. В публикации о ремонте его называют MLCC — многослойным керамическим конденсатором. После его замены короткое замыкание исчезло, но модуль ещё требовал работы с повреждённым краем печатной платы и замены PMIC, локального контроллера питания DDR5.
Короткое стало видно как горячая точка
Только после этих операций 256-ГБ модуль включился и прошёл memory training. На этом этапе платформа последовательно калибрует интерфейс между контроллером памяти и DRAM: подбирает временные окна, опорные уровни и задержки. Для высокоплотной зарегистрированной памяти сам факт успешного training означает гораздо больше, чем появление питания на разъёме: живы критичные цепи питания, управляющая логика и скоростные линии позволяют начать настройку.
Вторая, 128-ГБ RDIMM из того же ремонта имела другую точку отказа. После reflow она также прошла training. Два случая показывают неприятное свойство дорогих серверных модулей: одинаковый симптом «память не стартует» не указывает на единый класс дефектов. Повреждение у края платы, обрыв BGA-контакта, дефект SPD и короткое на силовой шине требуют совершенно разных способов увидеть неисправность.
Связать найденные дефекты в одну строгую цепочку причин пока нельзя. Материалы фиксируют механические повреждения, коротнувший MLCC, замену PMIC и успешное восстановление. Они не устанавливают, пробило ли конденсатор вследствие удара, вывело ли короткое из строя PMIC либо оба дефекта появились при одном повреждении платы. Именно поэтому тепловизионная точка здесь ценнее красивой версии аварии: она дала проверяемую следующую операцию на плате.
Почему training стал финальным тестом
Для DDR5 такой ремонт особенно показателен. PMIC перенесён на сам модуль, поэтому DIMM больше не является пассивной гребёнкой из DRAM и SPD. На ней есть собственный узел преобразования питания, а значит, диагностика серверной памяти всё чаще начинается с омметра, инжекции и тепловой карты, а заканчивается уже тестом memory training.