如何使用 MemHound 正確測試 QNAP 伺服器上的 RAM

在執行中的作業系統 (使用者空間) 裡測試 RAM，在技術上並不容易。作業系統、虛擬化與快取服務 (尤其是 ZFS ARC) 會一直保留位址空間，不讓測試存取。

MemHound 是 StorageDiag Workbench 的 Memory Doctor 視窗，它按一個逐級升高的階梯運作：Quick → Standard → Deep → Hammer → Boot。它會鎖定所有能取得的可用 RAM (保留 256 MB 的餘裕)，把測試圖樣寫進去再讀回，並在每個回合結束前一直占住每個區塊，迫使核心交出每一個可用分頁。以下說明如何依您的設定和檔案系統，檢查記憶體是否穩定。

1. Quick快速掃描，NAS 保持服務
2. Standard移動反轉，NAS 保持服務
3. Deep停止服務，釋放 ARC
4. Hammer每個核心上的 Row-hammer
5. Boot隨身碟，在 NAS 系統之外

01QTS (ext4) 上的日常診斷

QTS 使用傳統檔案系統 (ext4)，不會為自己保留大量 RAM，因此在執行中的系統裡也比較容易做出可靠的測試。記憶體錯誤通常會出現在使用者空間，所以定期做快速測試很有效。

1. 關閉非關鍵的網路服務 (Samba、NFS、AFP)。
2. 停止 App Center 中耗用大量資源的應用程式 (HDMI 桌面工作站、容器、虛擬機)，只讓 StorageDiag 保持執行。瀏覽器只留一個開著 NAS 的分頁。
3. 在釋放快取並停止服務後，大部分的實體 RAM 都可供測試使用。當至少有 90% 的 RAM 可用時，Quick 卡片會標記為 DAILY。
4. 執行 Quick 測試。它之所以快，是因為在位址檢查之後只跑兩種測試圖樣，並略過 Standard 使用的逐行快取清除。設定 1 到 3 個回合 (Passes 欄位可填 1 到 16，預設為 1)。只要它觸及的記憶體有硬體故障，測試幾乎馬上就會發現。

02QuTS hero (ZFS) 上的診斷

ZFS 檔案系統使用 ARC (Adaptive Replacement Cache)，它可能占用大部分可用 RAM。這時單純的 Quick 測試只能涵蓋一小部分記憶體。

1. 選擇 Deep 測試而不是 Quick。
2. 一旦您確認 (Stop services & test)，MemHound 會停止 NAS 服務與 App Center 應用程式 (網頁面板保持開啟)，清除 ZFS ARC 並捨棄核心快取。這會釋放大部分的實體記憶體供測試使用：在一台 128 GB 的 TS-1288X 上，可用記憶體從 96.6 GB 增加到 116.9 GB。
3. 工作流程：首先對釋放的 RAM 執行 Quick 測試。如果發現錯誤，程序會提早結束並節省時間。如果沒有發現錯誤，工具會繼續進行 Standard 測試。
4. 停機時間：從開始停止服務到兩個回合跑完，服務都處於停止狀態；對大量 RAM 做 Standard 測試可能要花好幾個小時。測試結束、您取消測試、測試程序意外終止，或最遲在開始後兩小時，服務都會自動恢復。如果光是停止服務就超過 30 分鐘，測試會放棄，一切恢復原狀。

03絕對測試 (Rescue 模式 / 離線)

當核心日誌 (klog) 指出記憶體不穩定 (在多個程式間發生自發的 segfaults、call traces、機器檢查或 EDAC 錯誤)，但從執行中的系統進行的測試 (Quick、Deep) 卻以 PASS 結束時，請改用隔離的環境，它完全不經過 NAS 的作業系統。

選項 A：可開機的 USB 隨身碟 (推薦)

這支隨身碟設計成能自己跑完整個測試，連無法接上螢幕和鍵盤的機型也一樣，過程中完全不需要按任何鍵。開機項目會把隨身碟設為下次重新啟動時的預設開機裝置，測試會自動開始，並透過 NAS 自己的位址回報進度，MemHound 視窗會替您讀取。測試通過 (PASS) 後，NAS 會自行重新啟動回到 QTS，視窗會顯示判定結果；發現記憶體錯誤時，測試會把 NAS 關機 (見下文)。只有在韌體無法接受開機項目、必須從機器的開機選單啟動隨身碟時，才需要螢幕和鍵盤。

1. 在 MemHound 視窗的標題列中，按一下 Create bootable USB。
2. 把任何大於 192 MB 的 USB 隨身碟插入 QNAP 的 USB 埠。隨身碟上的所有資料都會被清除，原本是什麼格式都沒關係。
3. Click Update the image when the wizard offers a newer build (Download the image the first time), then follow the prompts: Continue, type the device name, Erase and write, Add the boot entry.
4. 從準備好的診斷隨身碟重新啟動伺服器 (Restart now and test)。NAS 重新開機回來後，視窗就會顯示判定結果。

當開機測試未按計畫進行時

• NAS 未從隨身碟開始測試。Add the boot entry 會在 NAS 自己的開機分割區放一個檔案 grub/custom.cfg。開機時，NAS 的開機載入程式 (GRUB) 會尋找標籤為 MEMHOUND 的磁碟區，找到就從它啟動。GRUB 只能透過韌體本身的 USB 支援看到隨身碟，因此在以下情況，NAS 會照常啟動 QTS：開機時韌體沒有提供這個隨身碟 (某些便宜或品質差的隨身碟會這樣)、韌體設定中關閉了 USB 開機，或韌體沒有顯示的其他原因。請換一支隨身碟、改插背面的 USB 埠，或從機器的開機選單啟動隨身碟 (開機時按 F11，或這個型號使用的按鍵)。如果開機載入程式完全不讀這個檔案，精靈會顯示 This firmware cannot be given a boot entry；如果檔案是舊版寫入的，則會顯示 The boot entry here is an old one (Replace the boot entry)。已經跑過測試的隨身碟不會再次啟動：要再測一次，請用 Create bootable USB 重新寫入。
• NAS 自行關機且未恢復。這就是測試發現記憶體錯誤時會執行的動作：它會刻意將 NAS 關機，以防止在該記憶體狀態下有任何資料寫入磁碟，並且不會將其重新啟動。相反地，通過的測試會將 NAS 重新啟動進入 QTS。因此，NAS 若在開機測試期間自行關機、而且沒有再開機，就表示記憶體有問題。詳細資訊位於隨身碟上 (FAT32，標籤 MEMHOUND)：在任何電腦上讀取 /memhound/report-<time>.txt 和 map-<time>.json，或者將隨身碟插入正在執行 StorageDiag Workbench 的健康 NAS 並開啟 MemHound，它會自行讀取。

選項 B：透過 SSH 的 Rescue 模式 (無設定磁碟)

如果您偏好遠端工作且了解命令列的基礎知識，此模式可提供無需 USB 隨身碟的完整測試。

1. 透過 SSH 登入 QNAP 伺服器。
2. 在文字選單 (QTS Console Management) 中，選擇在 Rescue 模式下重新啟動伺服器 (without configured disks)。
3. 重新啟動後，Qfinder 會把伺服器顯示為「未初始化」(uninitialized)。這是正常的。
4. 從 Qfinder 啟用 SSH。以 admin 身分登入 (在 QTS 5.2 及更新版本中，預設密碼是雲端密碼；在較舊版本中，它是大寫的完整 MAC 位址，不含冒號)。
5. 使用下方第一個區塊下載並解壓縮 MemHound，然後使用第二個區塊在文字模式下開始測試。

# 下載並解壓縮 MemHound
arch=$(uname -m)
[ "$arch" = armv7l ] && arch=armhf
wget https://www.qnaputilities.com/pub/memhound/bin/memhound.tar.gz
tar zxvf memhound.tar.gz
chmod +x memhound-*

# 使用 2 個回合的 Quick 測試 (推薦的起點)
./memhound-$arch --quick --passes 2 --ui

# Standard 測試 (在帶有 End reason : completed 的 Quick PASS 之後)
./memhound-$arch --standard --ui

Quick 會先檢查位址，再寫入棋盤格圖樣和隨機的移動反轉。Standard 會重複這兩種圖樣，再加上另外 11 種，全部在一次執行中完成；除非加上 --passes，否則只跑一個回合。文字介面關閉時，MemHound 會印出一份英文摘要。摘要顯示 Verdict : PASS 和 End reason : completed 時，再繼續執行 Standard：因記憶體壓力而中斷的執行仍會顯示 PASS，但會附上 End reason : aborted: …。其他判定結果請見第 04 節。

04如何解讀結果

MemHound 依固定規則做出判定，規則則依測試而不同。Quick、Standard、Deep 和 Hammer 會在它們觸及的記憶體中尋找故障。後面介紹的 Benchmark and Quality，則是檢定整組記憶體套組。

Quick、Standard、Deep 和 Hammer

• 硬性故障與暫時性故障。一次讀取錯誤不足以判定模組有問題。MemHound 會把它算成暫時性故障：對應圖將它標為 Suspect (可疑)，文字摘要則顯示 PASS_WITH_TRANSIENTS。之後的檢查若在 MemHound 自身記憶體的同一個位址 (虛擬位址；實體位址會以 p= 印在旁邊) 再次失敗，預設達到兩次 (--hard-threshold 2)，故障就成為硬性故障。只要有任何硬性故障，判定就是 FAIL。
• Workbench 視窗顯示的內容。它的狀態列會計算這兩種類型，例如 FAIL — 0 hard fault(s), 1 transient。沒有硬性故障時，在怪罪模組之前，請先離線 (用隨身碟或 Rescue 模式) 重做一次測試：應用程式內的指南把只有暫時性故障的結果，當成離線重測的理由，而絕不是 RMA (退換貨) 的理由。文字摘要還會補充：這類結果可能與電源、散熱或時序餘裕不足有關。
• ECC 計數器與核心日誌。ECC 計數器 (EDAC) 和核心日誌事件會顯示在結果旁邊，如果計數器增加，摘要中會加入 <== HARDWARE ECC ERRORS DURING TEST。它們不會改變判定結果，請您自行檢查。
• 執行是如何結束的。摘要以 End reason 結尾：completed、stopped by user 或 aborted: …。沒有以 completed 結束的執行，並沒有測完原本要測的所有內容，不論判定那一行寫什麼。

須知事項：Benchmark and Quality

MemHound 標題列中的 Benchmark and Quality 按鈕，會對照安裝模組的 JEDEC 數值測量持續的記憶體頻寬、檢查延遲抖動，並在發生任何位元錯誤時判定為失敗。其判定結果為 PASS (或 PASS-UNQUALIFIED)、MARGINAL、FAIL 或 INCONCLUSIVE，判定規則也比尋找故障的測試更嚴格。

• 錯誤。在執行期間記錄到一個位元錯誤、一個未修正的 ECC 錯誤 (UE) 或一個嚴重的核心事件，都會讓判定結果為 FAIL。嚴重事件包括機器檢查 (machine check) 或「Hardware Error」、未修正的記憶體錯誤、記憶體故障、資料損毀或核心恐慌 (kernel panic)。出現已修正的 ECC 錯誤 (CE) 時，判定最多只能是 MARGINAL：模組可以運作，但這組套組無法通過認證。Segfaults、call traces、Oops 和 OOM kills 會顯示出來，但不會改變判定結果。
• 相符的套組。這項測試檢定的是一組相符的記憶體套組。以下情況無法通過門檻 (gate)：模組彼此不同 (依零件編號判斷；DMI 沒有提供零件編號時，依容量、速度、類型與 ECC 判斷)、有 3 個模組或超過 4 個的奇數個模組，或通道 A 與 B 的容量不同。執行仍會繼續，提供參考資訊，但判定為 FAIL，結果既不儲存也不分享。DMI 沒有回報任何資訊時，會略過這道門檻。
• 忙碌的 NAS。頻寬不足 (FAIL 或 MARGINAL) 或延遲抖動不合格時，如果 NAS 正處於忙碌 (每個 CPU 的 1 分鐘負載高於 0.6)、記憶體不足 (開始時可用記憶體低於 40%) 或被降頻 (throttled) 的狀態，判定就是 INCONCLUSIVE (無結論)：問題出在系統狀態，而不是模組。由您或記憶體防護機制 (memory guard) 停止的執行，也是 INCONCLUSIVE。位元錯誤、UE、嚴重的核心事件、圖樣錯誤、位元衰減 (bit fade) 和套組門檻，永遠不會因此放寬。

05NAS 中的 RAM、良好做法與硬體特質

在把傳輸緩慢歸咎於磁碟或網路之前，先了解 NAS 記憶體的特別之處會有幫助。NAS 的記憶體和電競 PC 的記憶體不一樣。NAS 全天候在穩定的負載下運作：系統緩衝區、ZFS 快取 (ARC)、虛擬機和容器。它需要的是穩定與相容，而不是破紀錄的時脈。它對錯誤的容忍度也比桌上型電腦低：長時間開機和持續的負載，會讓罕見的錯誤浮現；PC 經常重新開機，這些錯誤就被掩蓋了。

在沒有 ECC 的平台 (例如 TS-464) 上，任何設定都無法開啟 ECC。UDIMM 是無緩衝的 (unbuffered)；RDIMM 與 LRDIMM 是暫存式 (registered) 模組，能減輕控制器的負載，因此一個通道可以裝更多大容量模組。

三個模組可能比兩個模組慢嗎？ 是的，尤其是在 AMD 上。Ryzen 的記憶體控制器會依每個通道的模組數和 rank 數，降低保證的時脈：每通道一個模組時為 DDR4 3200，兩個 single-rank 模組時為 2933，兩個 dual-rank 模組時為 2666。模組越多，容量越大、頻寬越小；不過當工作缺記憶體時，多一點容量還是比記憶體用完、開始使用置換空間 (swap) 好。