logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

大数据新时代依然需要古老的磁带存储技术

我们本文重点需要关注的是Tape磁带,如下图棕色框,每年的出货量也在不断增长。从20世纪30年代开始算的话,磁带技术也算是一位接近期颐百岁老人了,磁带技术虽然古老,但凭借独特的魅力依然挑起了世界数据存储的重担。

文章图片
#linux#运维#云计算
SSD在AI发展中的关键作用:从高速缓存到数据湖-1

GPU直连存储通常利用PCIe总线,这种高速接口可以提供高带宽的数据传输能力,尤其是随着PCIe标准的升级,如Gen 4及更高版本,带宽得到了显著提升。:对于计算密集型任务,如机器学习、高性能计算和图形处理,GPU直连存储能够更有效地为GPU提供所需的大量数据,从而优化工作负载执行。GPU直连存储是一种将GPU直接与固态硬盘(SSD)连接的技术,以减少数据传输路径中的瓶颈并提高整体性能。,它通过提

文章图片
#人工智能
​SSD在AI发展中的关键作用:从高速缓存到数据湖-2

由于数据集的不断增长,企业级SSD必须提供大容量存储选项,并且能够轻松扩展以满足未来的需求。PCIe 5.0/6.0标准将进一步提升SSD的性能,同时新的存储协议如Compute Express Link (CXL) 将使得CPU、GPU和内存之间的通信更为高效。AI应用需要处理大量的数据,这些数据可能来自多个来源,包括图像、视频、文本、音频等。为了有效地管理这些数据,组织通常将其存储在大型的数据

文章图片
#人工智能
Micron近期发布了32Gb DDR5 DRAM

Micron在这款产品中继续沿用了其前沿的D1-beta制程节点,采用了门先行(gate-first)HKMG(High-K Metal Gate,高K金属栅极)结构,而且并未采用EUV(极紫外光刻)技术。Micron Technology近期发布了一项内存技术的重大突破——一款32Gb DDR5 DRAM芯片,这项创新不仅将存储容量翻倍,还显著提升了针对人工智能(AI)、机器学习(ML)、高性能

文章图片
#服务器#人工智能#科技
PCIe 5.0在塑造未来AI基础设施中的关键作用

通过利用既定和新兴的安全策略,并拥抱基础设施硬件设计的进步,2024年最成功的公司将认识到,强大而平衡的基础设施可以提供战术和战略机会,同时进一步推动由AI驱动的数据生态系统的创新,”国立阳明交通大学人工智能学院副院长、Phison总部首席技术官、Phison AI研发负责人Dr. Wei Lin表示。Phison的数据科学家和数字基础设施专家认为,未来的成功AI实施将保持对已知和未知数据威胁的警

文章图片
#人工智能#大数据
PCIe系列专题之三:3.2 数据链路层Ack/Nak机制解析

(7) Device A端接收到Sequence ID=0对应的Ack DLLP之后,重新发送TLP 1和TLP2,并且将Sequence ID=0之前的TLPs(4094,4095,0)全部从Retry Buffer里面清除。(3) TLP 4095第二个被成功接收,返回Ack DLLP给Device A, 同时Next_RCV_SEQ加1(也就是=0,因为4095+1超过了Next_RCV_S

文章图片
#网络#服务器#运维
芯片级解密YMTC NAND Xtacking 3.0技术

长江存储YMTC自从2016年成立以来,一直在吸引外界的关注。作为NAND国产厂商,被寄予厚望。

文章图片
#服务器#linux
PCIe系列专题之四:4.1 物理层数据流解析

由于Gen1&Gen2 (8b/10b编码)与Gen3 (128b/130b编码)在物理层中的数据编码原理不同,物理层对Gen1&Gen2 与Gen3定义的控制字符也不同。所以,接下来我们对Gen1&Gen2和Gen3的数据流分开解析。在Gen1&Gen2中,以COM控制字符开头,所有的Lane必须同时发送Ordered Sets。在Gen3中,数据编码舍弃了原来8b/10b编码,而采用更加有效的

文章图片
#linux#运维#服务器 +1
焕发生机|嵌入式存储eMMC原理解析

其中,Flash Memory是eMMC存储数据的主要部分,属于非易失性存储器,用于存放系统、应用和数据等,类似于PC系统中的硬盘。同时,随着技术的发展,EMMC的读写速度也不断提升,比如最新的eMMC 5.1读写速度已经可以达到UHS-II等级的速度。在这个示例中,第一行显示了主eMMC设备的信息,包括设备节点为/dev/mmcblk0,容量为111.4GB,以及一些其他特征信息。上述命令中,m

文章图片
#前端#javascript#数据库
计算存储是不是智算时代的杀手锏?

它主要分担数据中心其他处理器的工作,如网络卸载、计算卸载或数据服务卸载等,以节省成本,尤其是降低进入数据中心的资本成本和降低数据中心的运营成本。虽然SNIA和NVMe在Computational Storage的定义上有所不同,但它们的重点都在于将存储和计算资源更有效地整合在一起,以提高数据中心的效率和灵活性。此外,CSD 3000通过采用可变长度映射和写入聚合(write aggregation

文章图片
#云计算#阿里云
    共 49 条
  • 1
  • 2
  • 3
  • 4
  • 5
  • 请选择