StreamFast专注于开发新型SSD驱动器,这些驱动器内置外部数据服务器功能,并按顺序存储任意长度的数据字符串。开放闪存平台(OFP)旨在从文件访问客户端系统和存储驱动器之间的数据路径中移除外部数据服务器。
开放闪存平台架构设计
这是探讨StreamFast和OFP系列文章的第三篇,OFP旨在打造1 EB机架闪存存储容量。这个1 EB OPF存储机架使用1 RU托盘,最多可插入六个厚E2e标尺格式滑板,每个滑板具有4 PB容量和800 Gbps网络连接。OPF架构图显示滑板中似乎有12个独立的NFS eSSD,分为四组4层驱动器堆栈,表明每个U.2驱动器容量为333.3 TB,我们可以说是330 TB。但这是一个原型设计,所以不应过分纠结于绝对数值。滑板中还包含一个Excite DPU。
eSSD技术核心
eSSD本质上是一个片上系统(SoC),配备Linux存储服务器,在其内核中运行NFS和pNFS,基于Arm CPU运行,外加100 Gbe网卡和QLC闪存子系统。
驱动器图像显示为U.2格式,配备三星NAND芯片,每侧24个,以及StreamFast品牌芯片,推测是Arm CPU。
GPU服务器集成方案
OFP机架设计包含机架顶部网络交换机和24 PB闪存托盘,其余空间用于GPU服务器。用户可以拥有无存储GPU服务器,通过PCIe Gen 5总线从OFP托盘中的驱动器启动。Flynn告诉我们:"你可以使用RDMA,因为这在机架内。"
他说:"GPU可以使用直接物理流地址访问SSD控制器上的数据块。StreamFast架构配合物理需求寻址将成为GPU访问数据的方式。"
产业化进展
Hammerspace正在资助原型开发工作,并接受潜在客户的意见。首席营销官Molly Presley告诉我们:"显然,我们的客户Meta提供了大量意见,他们也是OCP的成员。我们正努力获得超大规模厂商以及行业供应商的意见和支持。我们现在已经建成了fp托盘。这不是概念产品。它们已经建成,正在运行,现在在实验室中,我们正在准备下一步的规模化建设。"
时间表很紧迫:"从设计到现在准备规模化建设的进展极其迅速。这主要是由我们收到的订单驱动的,我们计划在夏季时间框架内交付。"
技术优势与市场前景
总体而言,如果OFP数据准确,相比同等NAS阵列,密度增加超过10倍,电力消耗减少90%,运行寿命延长60%,总拥有成本降低50%,那么在密度、机架空间占用和能效方面,没有其他存储方案能与OFP存储相提并论。在这个AI驱动的时期,NAND价格日益昂贵(GPU高带宽内存更是如此),充分利用闪存存储显然是明智之举,特别是对于大规模部署的超大规模厂商而言。
Q&A
Q1:StreamFast eSSD的核心技术是什么?
A:StreamFast eSSD本质上是一个片上系统(SoC),配备Linux存储服务器,在其内核中运行NFS和pNFS,基于Arm CPU运行,外加100 Gbe网卡和QLC闪存子系统。它内置外部数据服务器功能,并按顺序存储任意长度的数据字符串。
Q2:开放闪存平台相比传统存储方案有什么优势?
A:根据OFP数据,相比同等NAS阵列,开放闪存平台密度增加超过10倍,电力消耗减少90%,运行寿命延长60%,总拥有成本降低50%。在密度、机架空间占用和能效方面都有显著优势。
Q3:开放闪存平台什么时候能实现商用部署?
A:根据Hammerspace首席营销官透露,原型产品已经建成并在实验室运行,计划在夏季时间框架内交付订单。从设计到规模化建设的进展极其迅速,主要由现有订单驱动。
好文章,需要你的鼓励
购买笔记本电脑时,用户现在需要了解Copilot+ PC、NPU和本地AI处理等新概念。搭载专用神经处理单元(NPU)的Copilot+ PC能提供至少40 TOPS的AI算力,支持实时字幕翻译、视频通话优化、AI图像编辑等功能,同时提升续航表现。戴尔最新产品线涵盖多种选择:Dell 14 Plus适合学生和通勤族,Dell 16 Plus适合多任务办公用户,XPS 14面向轻度创作者,XPS 16则以31小时超长续航和3.6磅轻薄机身成为内容创作者的旗舰之选。
阿里团队推出Qwen-Image-Agent,通过规划、推理、搜索、记忆和反馈五大模块,主动填补用户需求与AI生成所需信息之间的"情境鸿沟",并配套发布IA-Bench评测基准。
圣安德鲁斯大学博士Henry Legg在《自然》杂志发表同行评审论文,对微软拓扑间隙协议(TGP)框架提出质疑,认为该框架在推断Majorana粒子量子态存在方面存在缺陷,且实验数据分析结论可能有误。微软此前宣称将于2029年实现可扩展量子计算机,并推出Majorana 2芯片。对此,微软坚持立场,表示已发表正式反驳并获《自然》收录,对研发路线图充满信心。
清华、浙大等高校提出OPID框架,从AI自身完成的任务轨迹中提炼层级化经验技能,转化为密集训练信号,解决强化学习中稀疏奖励难以精细指导决策的问题。