3D Xpoint：Micron与Intel推出新一代闪存技术 速度和读写次数提升千倍

最新推荐文章于 2024-09-18 09:29:34 发布
最新推荐文章于 2024-09-18 09:29:34 发布
阅读量982 收藏
点赞数
文章标签： 内存 intel 云计算 存储 3D-Xpoint
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/liujiangce/article/details/80120640
版权

图片描述

两家公司宣称，3D Xpoint（读法是crosspoint）是内存技术自1989年NAND闪存以来几十年最大的突破，产品结合了NAND闪存和DRAM之长，与传统闪存技术相比，容量更大、速度更快、成本和能耗更低、寿命更长，而且已经可以投入生产，明年相关的方案产品就能上市。

比较直观的成果是，采用新技术的拇指大小的盘能装下3.5TB数据。

SeekingAlpha 6月份这篇文章很有料，其中透露这一技术花费数十亿美元，有很多大公司参与其中。Hacker News上也有同学说Micron应该早在2011年就开始投入了。

技术方面的创新主要包括：

图片描述

  • 交叉阵列结构：存储单元（每单元存储1比特数据）密度高达1200亿，性能更高
  • 可堆叠：目前每晶粒可以存储128Gb，未来可以通过增加层数来提高容量
  • 选择器：存储单元可以通过向选择器发送不同电压来读取，因此不再需要晶体管
  • 单元的快速切换：单元尺寸更小、选择器更快、阵列延迟低加上快速的写入算法，单元的状态切换也比传统技术更快

另外，导线和存储单元所用的材料是全新的。

Intel的宣传资料暴露了野心：自冯诺依曼架构诞生以来，第一次有一种快速、不贵而且非易失的存储技术，可以同时满足内存和存储的需要。这一点如果成真，将对现有系统尤其是数据库产生很大影响，我们很可能真正迎来内存计算时代。

另一方面，Intel也承认，新技术的制造非常复杂，目前刚从Micron的实验生产线转到Intel工厂。不过他们已经习惯类似的挑战。

国外媒体的报道：http://www.techmeme.com/150728/p31#a150728p31
Hacker News评论：https://news.ycombinator.com/item?id=9962913

刘江总编
关注
SCM和NVM是什么鬼，与NVMe是什么关系？
架构师技术联盟
06-28 5204
SSD存储介质和接口技术一直处于不断向前发展和演进的过程。SSD分为几个阶段，第一个阶段是SATA SSD或者SATA/SAS SSD为主导，这个阶段介质以SL...
Intel发布P4500、P4600 NVMe SSD：规格释疑
weixin_34408717的博客
02-16 6443
昨天看到新闻，Intel发布了面向数据中心的SSD DC P4500和P4600 系列PCIe/NVMe固态盘，回想上一代产品P3500、P3600、P3700的推出已经是3年前。由于Intel在企业级SSD市场和NVMe规范中的地位，我们有理由关注新产品的变化，由此应该也能看出一些行业发展的趋势。 上图是一块半高半长的Intel SSD DC ...
厦门大学-林子雨-闪存数据库概念与技术（2015年9月13日全国首发）
09-14
厦门大学林子雨免费发布40万字研究专著：《闪存数据库概念与技术》9月13日全国首发。中国高校第一本闪存数据库研究专著。历时两年，倾心之作。内容原创，品质保证。网络发布，免费共享。243页，40余万字，系统研究闪存数据库。
英特尔3D XPoint SSD参数曝光 吓死人的读写速度
weixin_34417183的博客
07-03 271
英特尔和镁光在2015年宣布了联合开发全新的3D XPoint闪存技术，但是使用该技术的Optane系列闪存却从预计的2016年年底拖到了2017年，而最近英特尔也终于推出了首款3D XPoint产品P4800X，其相关产品信息也终于浮出了水面。值得一提的是，相比于NAND闪存技术，理论上3D XPoint的传输速度和使用寿命是前者的1000倍，储存密...
Redis on Flash and persistent memory technology (e.g. 3DXPoint)
BLOG域名:programb.blog.csdn.net
04-19 218
Redis on Flash and persistent memory technology (e.g. 3DXPoint) RoF is designed from the ground up to achieve the optimal performance over new persistent memory technologies like Intel 3DXPoint. Persi...
3D XPoint的原理解析
热门推荐
每天学习一点点的博客
12-18 1万+
回顾存储的发展历程。3D Xpoint是自NAND Flash推出以来，最具突破性的一项存储技术。由于具备以下四点优势，3D Xpoint被看做是存储产业的一个颠覆者： （1）比NAND Flash快1000倍； （2）成本只有DRAM的一半； （3）使用寿命是NAND的1000倍； （4）密度是传统存储的10倍； 而得益于这些优势，3D Xpoint能被广泛应用在游戏、媒体制作、基因组测序、金...
3D Xpoint和3D NAND
lili的博客
03-14 1554
3D Xpoint的秘密http://ee.ofweek.com/2017-02/ART-8500-2812-30099905_5.htmlhttp://www.sohu.com/a/146000243_5057953D NANDhttp://www.sohu.com/a/155267427_7858353D XPoint 相比 3D NAND Flash 有什么不同？https://www.zh...
IEEE报告解读：存储技术发展趋势分析
存储随笔
08-07 1284
虽然HAMR、HDMR等新技术为磁盘存储技术带来了提高面密度的希望，但高昂的研发成本和生产风险，加上市场竞争和资金短缺等因素，将限制未来面密度增长率的增长速度。此外，通过采用原本为硬盘驱动器开发的技术，并针对柔性磁带的独特挑战进行适配，磁带驱动器能够在保证高可靠性和低错误率的同时，实现大容量存储。在大约10年左右的时间点，DNA数据存储的成本曲线与磁带和云存储的成本曲线相交，这意味着从这个时间点开始，DNA数据存储的TCO变得更加吸引人。然而，随着技术的发展和市场需求的变化，HDD市场正经历着重大的转型。
用户购买系统用户高性能数据库和实时大数据分析
bluehost123的博客
11-30 963
用户购买系统用户高性能数据库和实时大数据分析 许多存储供应商在缓存卡和阵列背板中使用了NVMe技术，其全闪存阵列也都“适用于NVMe”。 Pure Storage公司已经将NVMe缓存卡（定制为可热插拔）放在了FlashArray // M中，并且宣布将在FlashArray // X这一整个阵列的设备，控制器和背板中使用NVMe，以及专用的50 Gb / S RDMA over Converg
内存计算的现状、挑战与实践.pdf
10-14
新型存储级内存（Storage Class Memory，SCM）如Intel-Micron的3D XPoint技术，具有可按字节寻址、数据断电不丢失、高速读写性能、高耐久性以及高存储密度等优点。SCM的读延迟接近DRAM，写延迟虽略高，但读写速度比...
NVMe与SCM结合将赋予存储介质的能力
Sylar_Wu 的博客 —— Cyril_Wu's Blogs 的镜像博客
07-10 328
转自：SCM是什么鬼，NVMe与其结合将赋予存储介质哪些能力？全SSD闪存阵列在企业级存储得到广泛应用，相比传统机械硬盘，它的延迟、性能和可靠性都有了显著提高。许多早期开发商抓住其闪存技术优势的机遇，通过快速推出全闪存产品来领先于竞争对手。他们相信可以依靠全闪存实现差异化。但这个过程是相对曲折的，虽然这些公司都拥有全闪存阵列产品，但是他们的产品都是基于专用技术之上，下面从SSD的发展历程来说起。S...
多代存储技术发展特点及代表性芯片
05-22
1. Intel Optane DC Persistent Memory：该芯片采用了3D XPoint非易失性存储技术，可以作为高速缓存和主存储器使用，具有高速读写、大容量、低延迟等特点。 2. Samsung HBM2E：该芯片采用了高带宽内存（HBM）技术，...
基于云计算和大数据技术的传感器数据存储与分析系统
whwzzc的博客
09-18 1517
本研究中使用了MongoDB数据库，这是一种流行的开源NOSQL数据库，它是一个面向文档的数据库，能够存储JSON格式的文档，具有高性能、高可用性和易于扩展的特点。在研究中，构建了一个全面的传感器数据管理和分析系统，该系统基于开源软件，具备分布式和可扩展的特性，能够适应不同数量传感器的需求。相比之下，提出的系统使用Spark技术对高达1600万个数据点执行k-means算法，处理时间随着数据点数量的增加而几乎呈线性增长，显示出系统能够高效地处理大规模的传感器数据，且在分析数百万数据点时不出现性能问题。
基于yolov3结合卡尔曼滤波匈牙利算法虚拟线圈的车流量检测python源码+项目说明.zip
09-21
本项目专注于视频基的车辆跟踪与流量统计，依托深度学习技术，实时追踪路面车辆动态并精准统计各车道车流量。该项目通过以下核心步骤高效处理输入视频数据： 高精度目标检测：采用YOLOv3模型，凭借其卓越的实时性与准确性，快速识别视频中的车辆目标，为后续追踪奠定坚实基础。 稳定目标追踪：集成SORT（Simple Online and Realtime Tracking）算法，结合卡尔曼滤波器预测车辆未来位置，同时运用匈牙利算法优化目标间的匹配，实现连续、稳定的车辆追踪，有效应对遮挡、交叉等复杂场景。 智能车流量统计：借鉴虚拟线圈概念，巧妙设计算法以监测穿越预设区域的车辆，自动计数并准确统计各车道车流量，为交通管理与分析提供可靠数据支持。 整体而言，本项目通过融合先进的目标检测与追踪技术，结合创新的流量统计方法，构建了一个高效、精准的实时车辆跟踪与流量统计系统，为智慧交通领域的发展贡献力量。
本科毕业设计--基于深度学习的人脸面部表情识别.zip
最新发布
09-21
深度学习是机器学习的一个子领域，它基于人工神经网络的研究，特别是利用多层次的神经网络来进行学习和模式识别。深度学习模型能够学习数据的高层次特征，这些特征对于图像和语音识别、自然语言处理、医学图像分析等应用至关重要。以下是深度学习的一些关键概念和组成部分： 1. **神经网络（Neural Networks）**：深度学习的基础是人工神经网络，它是由多个层组成的网络结构，包括输入层、隐藏层和输出层。每个层由多个神经元组成，神经元之间通过权重连接。 2. **前馈神经网络（Feedforward Neural Networks）**：这是最常见的神经网络类型，信息从输入层流向隐藏层，最终到达输出层。 3. **卷积神经网络（Convolutional Neural Networks, CNNs）**：这种网络特别适合处理具有网格结构的数据，如图像。它们使用卷积层来提取图像的特征。 4. **循环神经网络（Recurrent Neural Networks, RNNs）**：这种网络能够处理序列数据，如时间序列或自然语言，因为它们具有记忆功能，能够捕捉数据中的时间依赖性。 5. **长短期记忆网络（Long Short-Term Memory, LSTM）**：LSTM 是一种特殊的 RNN，它能够学习长期依赖关系，非常适合复杂的序列预测任务。 6. **生成对抗网络（Generative Adversarial Networks, GANs）**：由两个网络组成，一个生成器和一个判别器，它们相互竞争，生成器生成数据，判别器评估数据的真实性。 7. **深度学习框架**：如 TensorFlow、Keras、PyTorch 等，这些框架提供了构建、训练和部署深度学习模型的工具和库。 8. **激活函数（Activation Functions）**：如 ReLU、Sigmoid、Tanh 等，它们在神经网络中用于添加非线性，使得网络能够学习复杂的函数。 9. **损失函数（Loss Functions）**：用于评估模型的预测与真实值之间的差异，常见的损失函数包括均方误差（MSE）、交叉熵（Cross-Entropy）等。 10. **优化算法（Optimization Algorithms）**：如梯度下降（Gradient Descent）、随机梯度下降（SGD）、Adam 等，用于更新网络权重，以最小化损失函数。 11. **正则化（Regularization）**：技术如 Dropout、L1/L2 正则化等，用于防止模型过拟合。 12. **迁移学习（Transfer Learning）**：利用在一个任务上训练好的模型来提高另一个相关任务的性能。 深度学习在许多领域都取得了显著的成就，但它也面临着一些挑战，如对大量数据的依赖、模型的解释性差、计算资源消耗大等。研究人员正在不断探索新的方法来解决这些问题。
雷电模拟器改成真机环境
09-21
在Android系统中，模拟器通常会被识别为非真实的设备，这可能导致某些应用或服务无法正常运行，尤其是那些需要硬件信息或root权限的应用。改真机环境意味着通过技术手段使模拟器的行为更接近真实的Android设备，包括模拟设备硬件信息、IMEI、MAC地址等，以绕过检测并提升兼容性。LSPSED（Linux System Property Setter and Editor）模块是Magisk的一个扩展，专门用于修改Android系统的系统属性。通过LSPSED，我们可以更改设备的各种系统属性，如设备型号、制造商信息等，这些修改对于使模拟器看起来更像真实设备至关重要。在使用过程中，还需要添加几个机型模块，这些模块通常包含了特定设备的系统配置信息，如设备代号、硬件信息等。通过安装这些模块，雷电模拟器可以模仿各种流行的Android设备，进一步提高应用的兼容性和真实性。
CenterNet 部署版本，便于移植不同平台（onnx、tensorRT、rknn、Horizon）
09-21
CenterNet 是一种用于目标检测的神经网络架构，它的核心思想是利用目标的中心点作为检测的关键信息。这种方法与传统的目标检测方法（如基于边界框的方法）有所不同，因为它不直接预测目标的边界框，而是预测目标的中心点坐标和目标的宽度与高度。 CenterNet 的主要特点包括： 1. **中心点预测**：网络输出目标的中心点坐标，以及目标的宽度和高度。 2. **热图（Heatmap）**：网络生成一个热图，其中每个像素点的值表示该点成为目标中心点的概率。 3. **回归任务**：除了中心点坐标，网络还需要预测目标的宽度和高度，这通常通过预测中心点周围的偏移量来实现。 4. **多任务学习**：CenterNet 通常会同时预测目标的类别、中心点坐标、宽度、高度以及目标的旋转角度（在某些变体中）。 5. **端到端训练**：CenterNet 可以直接在最终的目标检测任务上进行端到端的训练，无需复杂的区域提议网络（Region Proposal Network, RPN）或锚点（anchor）机制。 6. **高效性**：由于省略了传统目标检测中的一些步骤，CenterNe
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试.docx
09-21
CSP-J是计算机科学学科相关的青少年科技爱好者等级考试，全称为青少年软件编程等级考试。以下是对CSP-J的详细介绍： 一、考试背景与目的 CSP-J考试是由全国青少年软件编程等级考试标准工作组制定，并得到中国电子学会的认可，旨在培养青少年计算机科学素养和编程能力。通过参加这一考试，青少年可以检验自己的学习成果，增强自信心和竞争力，同时为他们未来在计算机科学领域的深入学习和职业发展打下坚实的基础。 二、考试内容与形式 CSP-J考试主要面向入门级别的青少年，考察内容侧重于计算机基础知识和算法的理解。考试形式分为初赛（笔试）和复赛（机试），即CSP-J1与CSP-J2。 初赛（CSP-J1）：侧重于理论知识的考核，包括计算机基础知识、算法基本概念等，以笔试形式进行。 复赛（CSP-J2）：更侧重于上机编程能力的实践考察，要求参赛者在计算机上完成编程任务。 参赛者必须先参加初赛，并达到一定的分数方可参加复赛。 三、报名与参与 报名方式：CSP-J/S认证面向所有对计算机科学有兴趣的青少年开放，报名和认证过程均在网上进行。认证点由CCF（中国计算机学会）授权的CSP非专业级别省认证组
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值