计算和数据,注定近在一起

智能、互联设备,数字服务,和云应用的快速增长正在推动着数据的爆发式增长。数据量的增长和技术的创新正为智慧城市、无人驾驶、精准医疗、沉浸式游戏等各个方面带来全新的体验,改变着我们的生活。

与此同时,摩尔定律正推动着计算力的创新与提升。更强大的计算力能够让我们在云和设备中更好地利用这些数据。而借助数据分析,我们能够更为及时地获取有价值的洞察,进而获得新的发现以改进基因测序、预测性工厂维护和零售欺诈检测等各个领域的服务。

数据量的爆发式增长与计算性能的提升为设备端和云计算的转型带来了绝佳的机会,反过来又可创造良性增长循环。然而,在推动这个循环运转的过程中,如何让数据尽可能靠近处理器成为技术上的一个关键挑战。

历史上,内存性能增长的速度要比处理器性能增长的速度慢很多,这导致处理器在接收来自存储设备的数据时要经历一段时间的等待。此外,内存容量及其与处理器之间距离的限制也是造成数据瓶颈的一个重要因素。以上原因最终导致DRAM与硬盘之间的技术空白。然而,随着技术的创新,这一情况开始出现变化,新技术开始满足内存和存储层次结构的需求。

作为计算创新的引领者,英特尔凭借对材料科学以及计算架构的深入了解,正在推动创新,以更快的速度扩大内存及存储容量,进而最终消除瓶颈。我们认为3D XPointTM 技术和 3D NAND 这两个最新的技术创新对于跟上数据量与计算力的增长而言十分关键。

更大的内存和更快的存储能够为云提供巨大的价值,支持我们对不断增长的数据进行自动化和高效的分析,从而使企业更加高效地运行。如今,针对存储和内存的创新,不仅需求明确,在客户服务、供应链优化、财务欺诈检测,以及需要实时处理和分析更大基因数据集的精准医疗等市场中也存在巨大的商机。举例来说,我们正和Facebook基于英特尔Optane技术进行合作,Facebook一直在重构其存储-层级以利用这项技术。目前对采用 3D XPoint存储器的英特尔Optane 固态盘原型产品进行的早期测试表明,其与采用传统NAND技术的固态盘相比1,可降低高达10倍延迟,增加高达3倍吞吐量,能够显著加快存储设备和处理器之间的数据移动。

通过支持更强的、带有自然交互的沉浸式体验,更快的存储速度和更大的内存容量还为许多创新设备带来惊喜。在游戏领域,我们的新一代游戏玩家就提出了更高的要求:他们期待无中断的、沉浸式的、开放的游戏体验,而这恰恰是当前的内存和存储解决方案无法实现的。电影短片、加载界面和关卡变化是游戏开发商为掩饰当前内存容量不足或存储瓶颈所使用的诡计。而借助更大的内存容量和更快的存储速度,开发商能够为游戏玩家带来更为出色的游戏体验。近期,我们也将与您分享英特尔如何与游戏开发商进行合作以实现这一可能。

那英特尔最新的存储和内存技术究竟是什么呢?

3D XPoint 技术是一项突破性技术。它创造了一类新的存储器,极大地减少了大部分系统公司在设计存储和内存解决方案时在成本、性能和功率方面所作的妥协。它比 DRAM的存储密度更高,比NAND的存储速度更快,能够让更多数据更靠近 CPU。英特尔Optane 技术将采用 3D XPoint存储器,并运用于英特尔固态盘和DIMM产品中。借助这样的创新技术可以获得更大的内存容量和更高的存储速度,从而加速访问服务器和设备中更多最常使用的"热"数据。

3D NAND 技术让我们能够以更低成本获得更大容量的存储设备,采用3D NAND技术的英特尔固态盘打开了更多机会,在云中存储数据的PC、设备和服务器将更多使用固态盘而不是传统机械硬盘。相比传统机械硬盘2 ,固态盘可实现最高达1000 倍的速度提升,帮助用户缩短启动时间、加速视频上传、让游戏用户获得更优质、更流畅的游戏体验。此外。固态盘的可靠性也可达到传统机械硬盘3 的10倍左右,能够更好地保护用户的个人数据。

通过提供全新的方式利用和优化计算平台上的内存和存储,内存和存储正在发生巨大的变化,并为推进计算平台的创新带来新的机遇。对于内存和存储,我们着眼于其对计算架构和业务增长的协同增强。试想,如果可将TB级的存储容量放到邮票大小的空间中,或者将PB 级的存储容量放到披萨盒大小的空间会怎样?换为更贴近生活的数据,其实这相当于在邮票尺寸的设备上存储25万4 首歌,或在披萨盒大小的空间中存储25万5 部高清电影。

未来,我们还将继续改进3D NAND和英特尔Optane技术,以跟上计算创新的步伐,实现对处理器和内存的优化,进而降低数据延迟。对于互联世界的应用来说,内存和存储的创新对其性能提升变得更为重要了。它们将打开我们的思路,让我们以全新的方式来思考物联网和云应用需要怎样的计算。作为良性增长循环的一部分,云、物联网和内存通过连接技术被绑定到一起,并通过摩尔定律推动的计算创新得到增强。

我们十分高兴基于英特尔Optane技术和采用3D NAND技术的英特尔固态盘能够帮助我们所知的行业用户真正获益,让计算和数据靠的更近。而我们更感兴趣的是,拥有更大的内存和超快的存储速度的产品技术将应用于哪些创新的、我们未曾想象过的领域之中。

原文发布时间为:2016年8月11日

本文作者:Rob Crooke

时间: 2017-08-01

计算和数据,注定近在一起的相关文章

MFC关于多线程计算脏数据的问题

问题描述 MFC关于多线程计算脏数据的问题 请问多线程运算为什么会出现脏数据,脏数据造成运算结果不稳定怎么避免和预防? 解决方案 所谓脏数据,就是一个线程修改了这个数据的副本,另一个线程持有的副本并没有更新,还是原来的数据,所以叫脏数据. 解决方案二: 数据没有加锁,被多个线程同时修改等.

在R中, 我们要计算一组数据的秩, 可以使用rank函数.

rank(x, na.last = TRUE, ties.method = c("average", "first", "random", "max", "min")) 测试 : > x=array(rpois(35,lambda=10), dim=c(5,7)) > x [,1] [,2] [,3] [,4] [,5] [,6] [,7] [1,] 14 9 10 16 10 9 8 [2,]

转 大数据实时处理:百分点实时计算架构和算法

当今时代,数据不再昂贵,但从海量数据中获取价值变得昂贵,而要及时获取价值则更加昂贵,这正是大数据实时计算越来越流行的原因.以百分点公司为例,在高峰期每秒钟会有近万HTTP请求发送到百分点服务器上,这些请求包含了用户行为和个性化推荐请求.如何从这些数据中快速挖掘用户兴趣偏好并作出效果不错的推荐呢?这是百分点推荐引擎面临的首要问题.本文将从系统架构和算法两方面全介绍百分点公司在实时计算方面的经验和心得体会,供读者参考. a) 实时计算架构 图 1百分点大数据平台原理示意图 工欲善其事,必先利其器.一

算法题:区间数据计算

最近一年多来,一直比较忙,最近一段时间终于空闲了,把以前没写的都补上..... 这边随笔主要是计算一系列数据的间隔数据.从一堆数据中查询出每个区间的起始数据,结束数据以及数据个数,同时可以设置相应精度(小数位数). 区间数据数据结构 1.区间数据主要包括当前区间的起始数据,结束数据以及数据个数.结构如下: public struct IntervalData<TKey, TValue> { private TKey _startValue; private TKey _endValue; pr

Word2013怎样使用域进行数据计算

  Word2013使用域进行数据计算步骤1:在Word文档中选择需要计算的数据,在"插入"选项卡中单击"书签"按钮,打开"书签"对话框,创建一个书签,如图1所示.使用相同的方法在第二个"cm"之前插入一个名为"b"的书签. 图1 创建一个书签 Word2013使用域进行数据计算步骤2:在需要插入域的位置单击放置插入点光标,在"插入"选项卡的"文本"组中单击"

mysql 查询慢-mysql 近5万条数据的表 使用联表查询 出现服务器CPU占用过多

问题描述 mysql 近5万条数据的表 使用联表查询 出现服务器CPU占用过多 mysql 近5万条数据的表 使用联表查询 出现服务器CPU占用过多,贴大神代码求优化指点!!!!!有两张表分别为:lu_yccdd 和 lu_taizhang使用的联表查询代码:SELECT distinct(t.sc_time) sc_timecount(distinct(y.id)) totalcount(distinct(t.cdd_id)) tjjg(count(distinct(y.id))-count(

阿里巴巴大数据计算平台MaxCompute(原名ODPS)全套攻略(持续更新20171122)

  概况介绍 大数据计算服务(MaxCompute,原名ODPS,产品地址:https://www.aliyun.com/product/odps)是一种快速.完全托管的TB/PB级数据仓库解决方案.MaxCompute向用户提供了完善的数据导入方案以及多种经典的分布式计算模型,能够更快速的解决用户海量数据计算问题,有效降低企业成本,并保障数据安全.本文收录了大量的MaxCompute产品介绍.技术介绍,帮助您快速了解MaxCompute/ODPS. MaxCompute 2.0:阿里巴巴的大数

新美大实战经验:大数据在O2O精准化营销中的应用

本次的分享Topic是:精准营销中的数据应用. 内容概要 O2O的营销业务和系统演变: 数据系统和服务在营销系统中的应用: 数据挖掘和用户画像的建设. O2O的营销业务和系统演变 在介绍技术框架前,为了方便大家理解,先简单阐述一下O2O营销的基本组成:O2O营销是由营销发生的渠道(站内,站外)与营销的主题业务(流量,交易)两个维度组成的,其中产生了多种营销的形态,如精准化用户营销活动.DSP的精准投放.渠道价值排名和反作弊等,数据分析和挖掘在这些环节都能发挥很大的价值.本次我们主要介绍站内精准化

Intel:2020年实现“零能耗计算”

什么时候我们的处理器会达到足够小,小到其能耗和大小都不再成为限制了呢?据果壳网报道,Intel近日就提出了一个畅想:人们将在2020年实现"零能耗计算",将CPU处理器的能耗降低到几乎为零的程度,而且这种计算将无处不在.但是,这条接近"零能耗"的路真的那么好走吗? Intel实验室是很有意思的一个部门,负责开发未来5到10年潜在的能投入生产的技术.就是从这个实验室里,我们得到BBUL封装技术,即内建非凹凸层封装,以及第一个主频达到10GHz的x86结构算术逻辑单元.

当计算停留着网格内 Mellanox用智能网络助跑AI

随着大数据.人工智能和高性能计算的热度不断升温,Mellanox的身影开始出现在越来越多的场合中,其高性能网络被越来越多的用户采用.不论是国外的微软.IBM.Facebook,还是国内的腾讯.阿里巴巴.百度.京东等大型互联网企业均选择Mellanox以太网或InfiniBand网络搭建高性能的IT系统平台. 作为RDMA(远程直接内存访问)技术的推动者,Mellanox一直以提供出色性能的网络著称,50%以上的HPC系统和主流人工智能公司均采用其RDMA网络(包括InfiniBand和RoCE)