DDR3 、DDR4 与 DDR5 内存的不同

30 篇文章 45 订阅
8 篇文章 7 订阅

几乎所有类型的易失性存储器都是基于动态随机存取存储器或 DRAM, 它比静态内存(SRAM)速度慢,但成本低,这是其广泛使用的主要原因。DRAM 的最新迭代是 DDR4 内存,它的下一代DDR5也即将上市。在本文中,我们将对 DDR3、DDR4 和 DDR5进行对比,并分析其差异。

DDR4 在 1200 到 1600MHz 之间运行,OEM 通常将 DDR4 速度宣传为 DDR4-3200 或 DDR4-3600,这不是操作频率,而是 MT/s 的数量(每秒百万次传输)。在 DDR4 内存中,每个周期发生两次传输(双倍数据速率),这就是有效数据速率是频率两倍的原因:1800MHz 为 3600MT/s,1600MHz 为 3200MT/s。

DDR4 是目前 DRAM 主流版本,于 2014 年发布,最初专注于降低电压和功耗,而不是提高工作频率,随着 AMD 锐龙处理器和 MCM 设计的到来,高速 DDR4 内存突然变得更加重要。以 1800MHz(或 3600MT/s)运行的 DDR4 内存模块现已广泛使用,有些甚至可以推到高达 5000MT/s。

DDR4 与 DDR3

除了明显的(更快的频率和更低的延迟)之外,DDR4 内存相对于 DDR3 的主要优势是更大的 DIMM 大小(高达 64 GB,DDR3 限制为 16 GB)和较低的工作电压,在1200到1600MHz运行时,DDR4运行在1.2v电压,而DDR3运行在1.5v电压,运行在400到1067MHz之间。

与从 DDR2 到 DDR3 的过渡不同,转向 DDR4 并没有增加突发长度或预取,DDR3 和 DDR4 的突发长度均为 8,预取为 8n。

但是,DDR3 和 DDR4 内存有一个关键区别,正如上面看到的,DDR3 具有 8n 预取,通过多路复用器连接到 I/O 控制器。

尽管 DDR4 保持与 DDR3 相同的 8n 预取和突发长度,但它每个通道有两个存储库组,两个 bank 组是分开的,可以执行两个独立的 8n 预取,这是通过使用多路复用器对其内部组进行时分多路复用来完成的。因此,DDR4 的有效预取比 DDR3 更宽。

DDR4 与 DDR5 内存

下一代 DDR5 内存标准已经公布,它们比现有的 DDR4 模块迈出了实质性的一步,DDR5 每个 DIMM 起步 4800Mbps 带宽,比 DDR4 的 3200Mbps 高出 50%,这种巨大的提升是通过内存结构的如下改进实现的:

32-Bank结构: DDR5采用32- bank结构,8个bank组,是DDR4的16bank设计的两倍,这有效地使内存访问可用性加倍。作为补充,DDR5还采用了Same Bank Refresh功能,与 DDR4 不同,当一条内存条正在运行或刷新时,允许访问其它内存条。

突发长度:使用 DDR4,突发速率被限制为 8,允许一次从缓存传输多达 16B。DDR5 将其增加到 16,并支持 32 长度模式,这允许仅使用一个 DIMM 来获取高达 64 字节的缓存行数据。

要了解突发长度的含义,需要知道内存是如何访问的。当 CPU 或缓存请求新数据时,地址被发送到内存模块和对应的行,然后定位对应列(如果不存在,则加载新行)。

然后整个列通过内存总线发送,以突发方式发送。对于 DDR4,每次突发为 8(或 16B)。使用 DDR5,它已增加到 16 个,进一步扩展到 32 个 (64B)。

内存访问(来源:Anandtech)

16n 预取:预取也已扩展到 16n 以跟上增加的突发长度,与 DDR4 一样,每个通道将有两个内存组阵列,通过 MUX 连接,从而实现更高的有效预取率。

  • 通过采用决策反馈均衡 (DFE) 电路,在通道高速运行期间消除反射噪声,DDR5 显着提高了每个引脚的速度。
功能/选项DDR4DDR5DDR5优势
数据速率1600-3200 3200-6400提高性能和带宽
VDD /VDDQ /VPP 1.2/1.2/2.5 1.1/1.1/1.8 降低功率
内部VREFVREF  DQVREF DQ,VREF CA,VREF CS 提高电压裕度,降低 BOM 成本
DRAM容量  2Gb-16Gb  8Gb-64Gb  支持更大的模组容量 
预取  8n 16n  保持内部内核时钟低频
DQ 接收器均衡 CTLEDFE改善 DRAM 内接收到的 DQ 数据眼的开放度
占空比调整 (DCA) 无 DQS 和 DQ改进传输的 DQ/DQS 引脚上的信号
内部 DQS 延迟
 监控 
无 DQS间隔振荡器 提高对环境变化的稳健性 
片上 ECC128b+8b SEC,错误检查和消除 加强片上 RAS
CRC 写 读/写  通过保护读取数据增强系统 RAS 
BG 4 BG x 4 bank (x4/x8)
 2 BG x 4 bank (x16)
8 BG x 2 bank (8Gb x4/x8)
 4 BG x 2 bank (8Gb x16)
 8 BG x 4 bank (16-64Gb x4/x8)
 4 BG x 4 bank (16-64Gb x16) 
提高带宽/性能
命令/地址接口 ODT、CKE、ACT、RAS、
 CAS、WE、A<X:0>
CA<13:0> 显着减少 CA 引脚数
ODTDQ、DQS、DM/DBI DQ、DQS、DM、CA 总线  提高信号完整性,降低 BOM 成本 
突发长度BL8(和BL4) BL16、BL32(和 BC8 OTF、BL32 OTF) 仅允许 1 个 DIMM 子通道的 64B 高速缓存线提取。 
MIR(“镜像”引脚) 改进 DIMM 信号
总线反转 数据总线反转 (DBI)命令/地址反转 (CAI) 降低模块上的VDDQ噪声
CA训练、CS训练无 CA训练、CS训练提高 CA 和 CS 引脚的时序裕量  
编写练级训练模式 改进补偿不匹配的 DQ-DQS 路径
阅读训练模式 可能与 MPR用于串行(用户定义)、时钟和 LFSR 生成的训练模式的专用 MR使读取时序裕度更加稳健
模式寄存器7 x 17 位高达 256 x 8 位(LPDDR 类型读/写) 提供扩展空间
预充电命令 所有bank和每个Bank所有Bank、每个Bank和同一Bank PREsb 在每个 BG 中启用特定于预充电的 bank
刷新命令 所有Bank 所有Bank和同一BankREFsb 可以刷新每个 BG 中的特定 bank
环回模式无 启用 DQ 和 DQS 信号测试 
  • DDR5 还将内存密度从 16Gb 一路(向上)增加到 64Gb,并且 VDD 和 VPP 电压都从1.2v下降到 1.1v,以减少功耗。
  • 同时,DDR5还将带来高达4200MHz(或8400MT/s)的工作时钟,而DDR4则被限制在1600MHz(或3200MT/s)。
  • 最后,与 LPDDR4 和 5 类似,DDR5 将每个通道的总线宽度限制为 32 位(ECC 为 40 位),但同时每个 DIMM 使用两个通道,相反,一些 OEM 将使用四通道内存而不是双通道来弥补这一点。

最后,DDR5还添加了片上 ECC,并且模式寄存器也得到了显着升级,可以在上表中看到整个更改列表。

  • 9
    点赞
  • 97
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。
众所周知,人工智能是当前最热门的话题之一, 计算机技术与互联网技术的快速发展更是将对人工智能的研究推向一个新的高潮。 人工智能是研究模拟和扩展人类智能的理论与方法及其应用的一门新兴技术科学。 作为人工智能核心研究领域之一的机器学习, 其研究动机是为了使计算机系统具有人的学习能力以实现人工智能。 那么, 什么是机器学习呢? 机器学习 (Machine Learning) 是对研究问题进行模型假设,利用计算机从训练数据中学习得到模型参数,并最终对数据进行预测和分析的一门学科。 机器学习的用途 机器学习是一种通用的数据处理技术,其包含了大量的学习算法。不同的学习算法在不同的行业及应用中能够表现出不同的性能和优势。目前,机器学习已成功地应用于下列领域: 互联网领域----语音识别、搜索引擎、语言翻译、垃圾邮件过滤、自然语言处理等 生物领域----基因序列分析、DNA 序列预测、蛋白质结构预测等 自动化领域----人脸识别、无人驾驶技术、图像处理、信号处理等 金融领域----证券市场分析、信用卡欺诈检测等 医学领域----疾病鉴别/诊断、流行病爆发预测等 刑侦领域----潜在犯罪识别与预测、模拟人工智能侦探等 新闻领域----新闻推荐系统等 游戏领域----游戏战略规划等 从上述所列举的应用可知,机器学习正在成为各行各业都会经常使用到的分析工具,尤其是在各领域数据量爆炸的今天,各行业都希望通过数据处理与分析手段,得到数据中有价值的信息,以便明确客户的需求和指引企业的发展。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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