Micron：CXL面临的三大挑战

CXL技术的价值意识

• • 一个用于系统内存和协处理器扩展的通用标准总线，通过共享内存空间实现。
• • CXL解决了内存容量墙的问题。
  • • 通过内存语义实现性能扩展，"减少等待存储"
  • • 25%分配给虚拟机的内存未被使用
  • • 通过提供低延迟网络结构，对性能影响最小

数据中心的内存中心计算需要重大创新...

时间线：

• • 1970年代：大型机/超级小型机（DEC VAX, IBM370）
• • 1980年代：X86微处理器，微软PC 1990年代：万维网，http, html，搜索引擎
• • 2010年代：云服务
• • 2020年代：AR/VR，可穿戴设备，AI/ML，物联网，大数据
• • 2025年+：人工智能？

计算模式： 大型机 → 客户端/服务器 → 云计算 → 边缘计算 → 实时多云

架构演变：

1. 1. 在大型机上运行的应用 重点：基于RAS（可靠性、可用性、可服务性） 专有I/O通道，网络
2. 2. 在Unix服务器上运行的应用 重点：可访问性扩展 开放标准I/O通道，FC，TCP-IP网络
3. 3. 托管在数百或数千个虚拟化服务器上的应用 重点：托管服务扩展 TCP-IP用于网络和存储，虚拟化服务器，网络和存储
4. 4. 工作负载优化服务器机架 重点：应用性能 特定领域加速器，服务器可组合性
5. 5. 内存中心计算 重点：实时数据分析 超大容量共享持久内存

上述4/5两种架构，可基于CXL来增强架构的灵活及可用性。

由CXL™ 3.0实现的新共享内存层。

图中结构（从上到下）：

1. 1. 节点私有内存（Node Private Memory）：
   • • HBM, DDR, LPDDR, MOL
   • • 直接连接和/或CXL连接
   • • 标注为"易失性数据"（Volatile Data）
2. 2. 交换式CXL3.0结构（Switched CXL3.0 Fabric）
3. 3. 共享全局内存（Shared Global Memory）：
   • • NV基于BADS*技术
   • • CXL3.0连接
   • • 全局结构连接内存（G-FAM）
   • • 标注为"持久性数据"（Persistent Data）
4. 4. 传统存储层（Traditional Storage Tier）

图展示了一种新的存储架构，称为字节可寻址数据存储（BADS），由CXL™ 3.0技术支持。该架构旨在解决传统存储系统在大数据处理中的性能瓶颈问题。

主要特点：

1. 1. 多层存储结构：包括节点私有内存、共享全局内存和传统存储层。
2. 2. 采用CXL3.0技术：实现高速互连和共享内存访问。
3. 3. 内存语义扩展：通过LD/ST（加载/存储）语义提高性能。
4. 4. 系统可扩展性：架构设计支持系统规模的扩展。
5. 5. 数据持久性：共享全局内存层提供持久性数据存储。

这种新架构的目的是:

1. 1. 减少数据访问延迟，解决"等待存储"问题。
2. 2. 提高大数据处理性能和效率。
3. 3. 实现更灵活的内存资源管理和共享。
4. 4. 满足下一代大数据应用的高性能需求。

图示 内存中心计算的不同模型，主要表达了以下几点：

1. 1. 计算模型的演进：从单体系统到分布式系统，再到融合型系统。
2. 2. 三种主要计算模型：
   • • "Shared Everything"的缓存一致性系统
   • • "Shared Nothing"的分布式系统
   • • "Shared Something"的混合型系统
3. 3. 系统规模和应用场景：
   • • 单体系统：适用于64个CPU以下，主要用于大型数据库
   • • 分布式系统：适用于100多个节点，用于虚拟化服务器、数据库、分析和云存储等
   • • 融合型系统：适用于100多个节点，用于大型数据集、实时数据分析、仿真和机器学习
4. 4. 内存架构的演进：
   • • 从以太网连接的独立内存
   • • 到共享全局内存与本地私有内存相结合
5. 5. 计算能力的扩展：
   • • 通过增加节点数量来实现系统的横向扩展
   • • 通过共享内存和分布式全局内存来实现纵向扩展
6. 6. 技术融合：
   • • 将扩展（Scale-up）和缩放（Scale-out）模型相结合
   • • 实现更灵活、高效的内存使用和计算资源分配

揭示计算系统向更大规模、更高效率发展的趋势，同时强调了内存中心计算在处理大规模数据和复杂应用中的重要性。它展示了如何通过不同的架构设计来优化系统性能，以满足从传统数据库到现代机器学习等各种应用场景的需求。

阐述CXL™（Compute Express Link）技术的三个主要优势，展示了其在现代数据中心和高性能计算环境中的重要性。

1. 1. 高速数据访问：CXL提供了快速字节可寻址的数据存储系统，这意味着它能够以极高的速度和精确度访问数据，大大提升了数据处理效率。
2. 2. 数据管理增强：CXL支持关键的存储特性，包括数据持久性、弹性和可用性。这确保了数据的安全性和可靠性，即使在系统故障或中断的情况下也能保持数据完整。
3. 3. 大规模内存计算：CXL实现了内存中心的计算模型，可以扩展到数百个节点和PB（Petabyte）级的内存容量。这种能力对于处理大规模数据集和复杂计算任务至关重要。

• • 如何将CXL从概念验证发展到大规模部署？
• • 成功的技术部署的关键支柱

CXL符合未来技术发展的架构需要，如何落地成了业界/组织 在执行层需要密切关注的问题。

关键在于：

• • 技术准备度
• • 社区及采用者准备度
• • 可持续价值

图示技术创新和发展的过程特征，特别是关于CXL（Compute Express Link）技术的发展。

关键要点：

1. 1. 创新周期性：技术创新呈现波浪式发展，需要一定时间才能完成一个周期。
2. 2. 时间的重要性：充足的时间对于技术的成长和价值实现至关重要。
3. 3. CXL技术的现状：CXL技术正处于发展阶段，代表了当前的创新浪潮。
4. 4. 技术采纳过程：图中的时间线展示了新技术从被接受到实际应用的过程，最终达到CXL阶段。
5. 5. 渐进式发展：通过波浪的视觉比喻，强调了技术发展是一个渐进的过程，每一波浪潮都在为下一次突破铺平道路。

这张图强调了在技术发展中保持耐心和持续投入的重要性。它提醒我们，虽然CXL等新技术充满潜力，但其完全实现和广泛应用需要时间和持续努力。成功的技术发展需要理解并适应这种周期性的创新模式，在正确的时机拥抱新技术，并通过持续的开发和应用来实现其价值。

向内存中心计算模式转变的必要性和挑战。

• • 计算模式正在向内存中心架构转变
• • 这种转变需要新的协作模式
• • 传统架构限制了内存和应用程序的发展

1. 1. 技术解析：
   • • CXL（Compute Express Link）作为核心技术被突出显示，表明其在新架构中的关键作用
   • • 图中的链条隐喻了传统架构中CPU、内存和应用程序之间的紧密耦合关系
2. 2. 意义阐述：
   • • 内存中心计算模式将打破传统服务器/CPU架构的限制
   • • 新模式将重新定义内存、CPU和应用程序之间的关系，提高系统整体性能和效率

图片阐述了实现可持续价值的关键要素。主要传达以下信息：

1. 1. 战略伙伴关系：强调建立能够确保长期可持续发展和增强组织韧性的合作关系的重要性。
2. 2. 快速创新：突出持续、高效的创新过程对保持竞争力的关键作用。
3. 3. 迭代发展：强调通过不断优化和调整战略路线图来适应市场变化的必要性。

图片旨在展示CXL™（Compute Express Link）技术如何推动应用创新。CXL是一种高速互连技术，在数据中心和高性能计算环境中扮演重要角色。图片强调了以下几个关键点：

1. 1. 完整产品解决方案：CXL技术注重提供全面的产品，包括互操作性、可靠性、质量、诊断能力和优秀的用户体验。这确保了CXL产品能够满足复杂的数据中心需求。
2. 2. 战略合作伙伴关系：强调了建立关键合作伙伴关系的重要性，特别是在增强供应链韧性和提供技术支持方面。这种合作有助于确保CXL技术的稳定供应和持续发展。
3. 3. 创新与发展路线图：CXL技术注重快速创新和清晰的发展路线图。这表明CXL不仅关注当前需求，还积极规划未来发展方向，以满足不断演进的计算和存储需求。

总结

在数据中心解决方案方面所面临的三大挑战：

• • 推动可持续的数据中心进化所需的快速创新与深入合作；
• • 内存容量限制的问题以及如何通过CXL技术解决这一问题；
• • 实现从概念验证到大规模部署的技术成功要素，包括社区和技术的准备度、合作伙伴关系的重要性以及持续的创新周期。