与英特尔连同美光公司打造的3D XPoint相比,韩国闪存与DRAM芯片制造商三星的Z-NAND究竟表现如何?
Z-NAND为三星打造的优化型闪存技术,在本质上属于SLC(单层单元)配合定制化控制器共同构成的高速存储方案。
Optane的出现令Z-NAND无法继续保持沉默,而这场广泛的新一代存储技术竞赛也由此拉开序幕。
XPoint超越NAND闪存的优势之一,在于其拥有更低的访问延迟——读取与写入延迟皆为10微秒,相比之下NVMe SSD的读取延迟则高达110至120微秒。将延迟降低至十分之一自然是一项非常突出的竞争优势。
下面我们通过表格对Optane P4800X驱动器与三星的Z-NAND SZ985作出比较,且皆选择二者的插入卡形式以及类似的容量水平:
技术 |
容量 |
读取/写入 IOPS |
读取/写入带宽 |
使用寿命 |
读取/写入延迟 |
|
Optane P4800X |
3D XPoint |
750 GB |
55万 |
2.4/2.0 GB每秒 |
41 PBW |
10/10微秒 |
SZ985 |
SLC NAND |
800 GB |
75万/17万 |
3.2/3.2 GB每秒 |
42.7 PBW |
12-20/16微秒 |
SZ985的使用寿命结果计算自其每天30次全盘写入以及假定五年的整体质保周期。
相较于P4800X,这款三星驱动器拥有更高的随机读取IOPS,而随机写入IOPS的比较优势甚至更为明显。事实上,其在连续读取/写入带宽方面甚至达到了Optane这位对手的两倍半到三倍。
三星SZ985驱动器
如果我们的计算结果无误,那么二者的使用寿命基本相当,Optane的延迟水平略低于Z-NAND——但二者的差距并不算大。
Z-NAND驱动器的最差一项为20/16微秒读取/写入延迟,但在一般场景当中,这一水平仍然远远好于传统NAND闪存的110到120微秒。
三星公司建议将这款产品用于加速MongiDB等数据库的IO。而在对处家RocksDB键值存储库(属于MongoDB的一套后端)进行测试时,三星表示相较于原有三星PM1725a SSD(一款48层3D TLC NAND产品),其能够将数据吞吐量提升2倍,延迟则缩短至原本的一半。
而在被用于缓存Memcached与Fatcache时,其能够提升1.6倍的数据吞吐量提升,同样显著优于PM1725a。
这款产品未来能否获得成功,在很大程度上取决于其实际售价以及可用的软件支持选项。如果三星公司能够充分拉开与Optane之间的价格差距,提供可靠的产品供应并展现出良好的系统软件支持能力,那么其很可能大量夺取Optane的市场份额。根据我们的猜测,Z-NAND DIMM也可能成为三星公司新产品的理想发展方向——当然,前提是其能够获得服务器OEM厂商的支持,同时有能力搞定操作系统与系统软件方面的问题。
NetApp公司的Plexistor服务器存储级内存(简称SCM)加速项目目前正在测试中使用Optane与Z-NAND存储介质。英特尔/美光与三星之间正爆发一轮新的竞争,而结果目前尚无法断言。
好文章,需要你的鼓励
CoreWeave发布AI对象存储服务,采用本地对象传输加速器(LOTA)技术,可在全球范围内高速传输对象数据,无出口费用或请求交易分层费用。该技术通过智能代理在每个GPU节点上加速数据传输,提供高达每GPU 7 GBps的吞吐量,可扩展至数十万个GPU。服务采用三层自动定价模式,为客户的AI工作负载降低超过75%的存储成本。
IDEA研究院等机构联合开发了ToG-3智能推理系统,通过多智能体协作和双重进化机制,让AI能像人类专家团队一样动态思考和学习。该系统在复杂推理任务上表现优异,能用较小模型达到卓越性能,为AI技术的普及应用开辟了新路径,在教育、医疗、商业决策等领域具有广阔应用前景。
谷歌DeepMind与核聚变初创公司CFS合作,运用先进AI模型帮助管理和改进即将发布的Sparc反应堆。DeepMind开发了名为Torax的专用软件来模拟等离子体,结合强化学习等AI技术寻找最佳核聚变控制方式。核聚变被视为清洁能源的圣杯,可提供几乎无限的零碳排放能源。谷歌已投资CFS并承诺购买其200兆瓦电力。
上海人工智能实验室提出SPARK框架,创新性地让AI模型在学习推理的同时学会自我评判,通过回收训练数据建立策略与奖励的协同进化机制。实验显示,该方法在数学推理、奖励评判和通用能力上分别提升9.7%、12.1%和1.5%,且训练成本仅为传统方法的一半,展现出强大的泛化能力和自我反思能力。