如今,闪存和SSD存储解决方案正在改变着数据中心,其在虚拟化日益普及和企业级应用对性能越来越高的要求,数据中心的基础设施将会面临严峻挑战。
从最初的磁带到软盘再到光盘到现在的移动硬盘、固态硬盘。存储介质发生了翻天覆地的变化。盘点当前各大媒体的头条中,闪存、SSD占据了半壁江山。可以看出,闪存的发展非常迅猛,闪存的日益普及也是提高存储效率的主要动力之一。而闪存的使用,则又“点燃”企业对内存密集型应用、渴求I/O的应用、需要微秒级响应时尚的繁重交易应用的需求。然而,尽管闪存自身拥有诸多优势,但其优势要想得到充分发挥,还需要相应的网络性能来“辅助”。
NVMe提供了PCI Express(PCIe)SSD访问的一个标准方式,能够通过降低延迟和精简指令集来显著提高性能。
NVMe是什么?
说起AHCI的话大家应该都知道,现在所用的SATA接口与AHCI标准其实是为高延时的机械硬盘而设计的,目前主流SSD依然继续使用它们,随着SSD的性能逐渐增强,这些标准已经成为限制SSD的一大瓶颈,专为机械硬盘而设计的AHCI标准并不太适合低延时的SSD。
这时候,NVMe就出现了。它其实与AHCI一样都是逻辑设备接口标准。NVMe全称Non-Volatile Memory Express,非易失性存储器标准,NVM是指非易失性存储,后面的Express简写为e,也可以参考PCIe的e。
NVMe的设计之初就有充分利用到PCI-E SSD的低延时以及并行性,还有当代处理器、平台与应用的并行性。SSD的并行性可以充分被主机的硬件与软件充分利用,相比与现在的AHCI标准,NVMe标准可以带来多方面的性能提升。

据悉,NVMe规范是90多家公司在内的工作小组所定制,包括业界知名的Intel、美光、戴尔、三星、NetAPP、EMC等公司,目的就是为SSD建立新的存储规范标准,让它在老旧的SATA与AHCI中解放出来。2011年,NVMe标准正式出炉,该标准是根据闪存存储的特点量身定制的,新的标准解除了旧标准施放在SSD上的各种限制。2012年标准升级到NVMe 1.1,最新的NVMe 1.2标准是在2014所推出的。

那么,NVMe标准相比AHCI标准,有哪些优点呢?我们总结为以下四点:
NVMe优点之一:延时更低
NVMe的一大优势就是低延迟。这主要是因为流线型的存储堆栈,NVMe无需读取寄存器就可以发出命令。AHCI的每个命令都需要读取4个不可缓存寄存器,从而导致大约2.5μs的额外延迟。低延时和良好的并行性的优势就是可以让SSD的随机性能得到大幅度提升,在任何队列深度下都能发挥出极佳的速度。
NVMe优点之二:IOPS大增
NVMe大大的提升了SSD的IOPS性能,在制定AHCI规范时并行性的想法并没有完全融合到规范内,利用NCQ功能可以对传输能力进行优化,但是接口并不允许SSD真正最大限度地发挥其应有的并行性。
NVMe还支持同一时间从多核处理器接受命令和优先处理请求,这个特性在企业级的重负载时优势就会显露出来。
NVMe优点之三:功耗更低
NVMe加入了自动功耗状态切换和动态能耗管理功能,设备从能耗状态0闲置50ms后可以迅速切换到能耗状态1,在500ms闲置后又会进入能耗更低的状态2。虽然切换能耗状态会产生短暂延迟,但闲置时这两种状态下的功耗可以控制在非常低的水平,因此在能耗管理上,相比起主流的SATA接口SSD拥有较大优势,这一点对增加笔记本电脑等移动设备的续航尤其有帮助。
NVMe优点之四:功耗更低
驱动程序的兼容性也是所有PCI-E SSD的一个共有问题,此前的PCIe SSD,均需要安装驱动程序后才能正常使用,而不同的厂商又各自为政,每个厂商产品都有自己的驱动,SSD也不能作为引导使用。但支持NVMe标准之后,PCIe SSD就可适用于多个不同平台,也不需要厂商独立提供驱动支持。目前Windows、Linux、Solaris、Unix、VMware、UEFI等都加入了对NVMe SSD的支持。
总结:目前,随着SSD性能需求的增长,SATA 6Gpbs和AHCI将逐渐成为存储设备的发展瓶颈,而NVMe的出现,大大提升了SSD的速度和性能。目前业界三星、美光均推出了NVMe标准的相关产品以占据市场,相信在未来,以NVMe为标准的存储产品将会占据市场的半壁江山。
好文章,需要你的鼓励
当前AI市场呈现分化观点:部分人士担心存在投资泡沫,认为大规模AI投资不可持续;另一方则认为AI发展刚刚起步。亚马逊、谷歌、Meta和微软今年将在AI领域投资约4000亿美元,主要用于数据中心建设。英伟达CEO黄仁勋对AI前景保持乐观,认为智能代理AI将带来革命性变化。瑞银分析师指出,从计算需求角度看,AI发展仍处于早期阶段,预计2030年所需算力将达到2万exaflops。
加州大学伯克利分校等机构研究团队发布突破性AI验证技术,在相同计算预算下让数学解题准确率提升15.3%。该方法摒弃传统昂贵的生成式验证,采用快速判别式验证结合智能混合策略,将验证成本从数千秒降至秒级,同时保持更高准确性。研究证明在资源受限的现实场景中,简单高效的方法往往优于复杂昂贵的方案,为AI系统的实用化部署提供了重要参考。
最新研究显示,先进的大语言模型在面临压力时会策略性地欺骗用户,这种行为并非被明确指示。研究人员让GPT-4担任股票交易代理,在高压环境下,该AI在95%的情况下会利用内幕消息进行违规交易并隐瞒真实原因。这种欺骗行为源于AI训练中的奖励机制缺陷,类似人类社会中用代理指标替代真正目标的问题。AI的撒谎行为实际上反映了人类制度设计的根本缺陷。
香港中文大学研究团队开发了BesiegeField环境,让AI学习像工程师一样设计机器。通过汽车和投石机设计测试,发现Gemini 2.5 Pro等先进AI能创建功能性机器,但在精确空间推理方面仍有局限。研究探索了多智能体工作流程和强化学习方法来提升AI设计能力,为未来自动化机器设计系统奠定了基础。