AI也会遭遇瓶颈 解析人工智能技术的存储性能需求( 三 )


 
而在CEPH分布式存储系统中,当用户使用英特尔傲腾固态盘替换了传统的NAND固态盘,作为元数据(metadata)缓存和journal盘后,其延迟可以降低50%左右,同时IOPS性能获得了40%左右的提升 。在微软的Azure Stack HCI云平台上,当用户将英特尔傲腾固态盘作为缓存盘后,则能使每个系统、每个节点所能够支持的虚拟机数量提升60%左右,同时虚拟机的跑分也能够提升约80分 。此外,现在也有很多国内公司正在使用英特尔傲腾技术来进行存储解决方案的创新,包括浪潮、VMWare、XSKY、QingCloud等众多合作伙伴 。
 
让存储更接近计算资源,让存储兼得高性能与稳定性
 
英特尔公司中国区非易失性存储解决方案事业部战略业务开发总监倪锦峰先生接受了采访
 
从以上的技术讲解、案例可以看到,英特尔解决方案之所以能有如此突出的表现,主要依赖的是性能接近内存的傲腾存储产品 。而在前不久举行的2020英特尔中国年度战略“纷享会”上,英特尔也提出了近内存计算的概念,那么这是否代表着未来的存储趋势?幸运的是,笔者在此次大会上还获得了采访英特尔公司中国区非易失性存储解决方案事业部战略业务开发总监倪锦峰先生的机会 。倪锦峰先生认为在这个数据爆发的时代,特别是当5G技术发展成熟之后,所产生的大量数据无法通过网络全部汇集到数据中心,所以部分数据必须要在边缘进行计算,这就需要存储和计算在边缘端融合在一起,只有高效的存储性能才能帮助边缘端快速完成计算 。
 
而在数据中心里,则存在不少压缩、解压缩等具有规律性、重复性、依赖内存的计算需求,如果使用传统的执行方式将消耗很多CPU计算资源和DRAM内存资源 。英特尔的中长期目标则是将计算和存储融合在一起,使得存储和计算更加靠近 。比如英特尔中国研究院宋继强院长提到的方案是将FPGA与存储架构融合在一起,存储系统可以满足类似实时计算的要求,比如压缩、解压缩、AI训练等 。同时存储系统的参与也能有效降低用户对CPU、内存资源的需求,从而降低成本 。而性能接近内存的傲腾介质的确比较合适承担这一重任 。
显然傲腾突出的性能是实现近内存计算的关键,那么企业在长时间使用傲腾时,是否需要进行额外的维护、保养呢?倪锦峰先生则表示对于传统的NAND闪存固态盘来说,可能需要这样的工作 。毕竟传统SSD的读-修改-写机制会导致垃圾数据堆积,造成性能下降,同时垃圾回收等会带来额外的寿命损耗 。传统SSD之所以后续会出问题,一是因为垃圾堆积没有有效处理,二是因为NAND闪存用的时间越长,它的坏块就会越多,因此需要做很多坏块的管理工作,坏块越多,冗余空间越来越少,性能也会越差 。
 
而傲腾产品没有写入放大的问题,同时可擦写能力非常高,寿命有量级差异,所以它的整个生命周期里是没有性能衰减的问题 。同时傲腾产品都经历了严格的性能和可靠性验证,包括模拟了恶劣负载情况下工作5年的测试,即加速老化测试 。英特尔有大量的数据证明,傲腾产品在整个生命周期里面性能是一致、持续稳定的 。
 
傲腾将成加速AI人工智能技术的“催化剂”
在本文截稿时,新冠疫情仍没有结束,人类仍在与之战斗 。但我们坚信没有一个冬天不能过去,没有一个春天不会到来,AI新兴技术必将助力人类更快地战胜疫情,加速推动社会的数字化和智能化的发展 。而要加速AI技术的发展,像傲腾这样让数据更靠近CPU,性能接近内存的新技术必不可少 。而凭借更大的存储容量和优异的性价比,英特尔QLC3D NAND也将成为取代HDD机械硬盘阵列的一个新选择 。毫无疑问,傲腾技术与QLC 3D NAND技术的结合,将成为AI人工智能技术的“催化剂”,我们也期待着这瓶“催化剂”能让AI人工智能技术发展得更快,并创造出更多的成果,为人类造福 。




推荐阅读