超微(Super Micro)有一款超高密度的紧凑型服务器,有高达0.5PB的闪存使用未公布的三星SSD。
这款SSG-1029P-NMR36L是超微SuperServer系列产品,平均1U机架式设备,预计最多有36个前置热插拔的NVMe三星PM983 SSD。
这是一款双路服务器,采用2个至强SP CPU,24个DIMM插槽(3TB)以及冗余热插拔冷却风扇和电源,以及远程系统开启/关闭功能、系统管理和针对每个驱动器的远程电源循环。
实际上有32个热插拔驱动器托架和4个混合PCIe或者SATA3 M.2驱动器托架。
这些采用了三星所谓下一代小尺寸(NGSFF)SSD,目前提供最高288TB的原始容量,今年晚些时候将支持576TB。这比你在1U、双路至强SP机箱中使用2.5英寸或者3.5英寸能获得的密度更高一些。
这款288TB容量的产品采用8TB驱动器,2018年晚些时候将支持16TB驱动器。按照我们的理解,4TB和8TB PM983采用的是64层V-NAND(3D NAND),16TB版本将采用即将推出的96层V-NAND。
它们支持PCIe 3.0 x4通道,并提供4TB和8TB的容量,体积是宽30.5mm,长110mm,高4.38mm。
图片显示,较长的驱动器会影响服务器主板的可用空间,例如限制内存空间。
超微公司总裁兼首席执行官Charles Liang表示,这款服务器提供了“市场上最好的性能和密度”。
三星驱动器级的键值存储
三星在PM983固件(KV SSD)中采用了一个键值存储接口,用于处理非结构化对象数据。三星表示,这么做为这种数据提供了一个更简单的接口,而不必在对象数据世界和通常块结构SSD协议层之间进行桥接。
三星称这“提高了性能,简化了存储管理,同时提供了使用RocksDB或MySQL等应用实现近乎无限的系统扩展”。
三星已经打造了一个KV Stacks捆绑包,把KV SSD和相应的主机软件(如设备驱动程序和相关库)组合起来。
三星KV Stacks概念
这个键值接口驱动器的想法,参考了希捷Kinetic磁盘驱动器和OpenIO的相关工作,后者自身就在考虑使用键值闪存驱动器。
这里有一个三星Key Value(KV)SSD技术简介。
评论
PM983 SSD看起来像是英特尔长条形直尺型 SSD的缩小版,英特尔表示将在32插槽的1U服务器中实现1PB原始闪存容量。
英特尔Ruler SSD长325.35毫米,宽9.5毫米,高3.86毫米。
32个插槽并排位于服务器前端,把所有其他组件都挤到了后面,意味着你得牺牲1个CPU插槽或者DIMM插槽来容纳这些。
三星的迷你版直尺型 SSD是英特尔直尺型 SSD长度的1/3,得到超微的支持对于这种规格的SSD来说意味着取得了一个重大胜利,也促使其他OEM厂商如戴尔和HPE也采用这种规格,因此实现闪存与DRAM以及CPU功率的混搭。
Super Micro建议其SSG-1029P-NMR36L服务器可用于IOPS密集型存储应用、MySQL和Cassandra型数据库、超融合基础设施节点以及其他横向扩展架构应用。
这与三星KV Stacks的想法有些重叠,但是超微并不局限于此,超微表示:“SSG-1029P-NMR36服务器系统具有的计算能力可以为任何应用提供实现时间价值的好处。
这表明有两个版本的PM983:一个KV SSD和一个正常的块协议版本。
这台服务器在上周拉斯维加斯举行的CES消费电子展上面向客户展示。
该产品应该在今年晚些时候交付和定价。同期我们预计三星还会围绕PM983 SSD做一次发布。
好文章,需要你的鼓励
在“PEC 2025 AI创新者大会暨第二届提示工程峰会”上,一场以“AIGC创作新范式——双脑智能时代:心智驱动的生产力变革”为主题的分论坛,成为现场最具张力的对话空间。
人民大学团队开发了Search-o1框架,让AI在推理时能像侦探一样边查资料边思考。系统通过检测不确定性词汇自动触发搜索,并用知识精炼模块从海量资料中提取关键信息无缝融入推理过程。在博士级科学问题测试中,该系统整体准确率达63.6%,在物理和生物领域甚至超越人类专家水平,为AI推理能力带来突破性提升。
Linux Mint团队计划加快发布周期,在未来几个月推出两个新版本。LMDE 7代号"Gigi"基于Debian 13开发,将包含libAdapta库以支持Gtk4应用的主题功能。新版本将停止提供32位版本支持。同时Cinnamon桌面的Wayland支持持续改进,在菜单、状态小程序和键盘输入处理方面表现更佳,有望成为完整支持Wayland的重要桌面环境之一。
Anthropic研究团队开发的REINFORCE++算法通过采用全局优势标准化解决了AI训练中的"过度拟合"问题。该算法摒弃了传统PPO方法中昂贵的价值网络组件,用统一评价标准替代针对单个问题的局部基准,有效避免了"奖励破解"现象。实验显示,REINFORCE++在处理新问题时表现更稳定,特别是在长文本推理和工具集成场景中展现出优异的泛化能力,为开发更实用可靠的AI系统提供了新思路。