(文章来源:砍柴网)
几年前,摩尔定律在it 行业被奉为经典,不仅定期推出更强大的计算机,同时降低功耗,也就是说,新一代芯片的晶体管数量是上一代的两倍,但功耗却与上一代芯片相同。
现在摩尔定律已死,数据中心需要更智能、更高效的方案来满足应用的需求,如ai辅助设计、专用处理器加速特定应用、智能网络、容器化和边缘计算等。传统的计算方法依赖软件执行所有任务,所有软件都运行在通用 cpu 上,如 intel 和 amd 的x86 cpu。软件开发人员只需将函数和实现简单地添加到应用程序(或者数据库、存储等),不必考虑优化效率问题。
如今,应用的发展要求软件必须增加新的功能,同时提升效率。让人逐行查看源代码以进行优化是一项乏味又耗时的工作,从 perl 这样的高级语言转换到 c/c++ 这样的底层语言来提高效率也是如此。新的人工智能(ai)工具可以自动优化软件代码,快速降低数据中心的功耗。ai 还可以提高数据中心供电分布、风流和冷却的效率,减少应用在不同专用处理器(如 gpu,fpga 或 smartnics等)之间切换所需的时间,相较 x86 cpu, 这些专用处理器往往能够更高效地运行特定的任务。
这突显出了智能网络的重要性,因为它在连接着各个分布式计算单元,如 cpu、gpu 和 fpga等,当数据流过网络时, smartnic 和智能交换机本身同时也是计算单元。例如,许多安全、存储、虚拟化和网络等应用可在合适的smartnic 上得到比在 x86 cpu 上快 2 倍、3 倍、甚至 6 倍的性能(同时功耗更低),如基于mellanox 的 connectx-5 和 connectx-6的智能网卡。
另一种使计算更绿色的方法是从虚拟化切换到容器化,因为容器不需要运行在 hypervisor上,也不需要复制机器、操作系统、内核等整个软件包到每个应用的容器实例。但是,容器的安全性可能不及 vm,需要给裸金属服务器提供新一代防火墙和安全隔离等额外的安全保障。这些额外的安全需求将需要更多的计算资源,为绿色 it的目标提出了新的挑战。但是如果将其卸载到 smartnic 和 i/o 处理单元(ipu)上,如 mellanox 的bluefield,就可以使数据中心继续朝着绿色的目标前进。
最后,边缘计算通过将数据收集、处理和分析等任务转移到更靠近设备和用户的地方(数据产生和使用的地方),大大提升了效率。对比将所有数据移动到中央数据中心进行处理,再将要采取的行动或建议发回网络边缘端,更加高效节能的做法是在基站中分析和处理呼叫数据,在商店中分析和处理零售数据,在摄像头中分析和处理视频。
新产品LCD支架大促销B-01
高增益50W GaN HEMT功率放大器
智能化光学薄膜在线瑕疵检测系统的原理及功能
车企为何选择Android Automotive OS?
荧光定量pcr分析仪相关注意事项及介绍
智能网络和IPU在提升数据中心的性能时还能降低功耗
可折叠屏手机的市场正在不断扩大 预计今年出货量可达到550万部
AMD Ryzen 5000H/5000U爆料参数汇总
小米MIX2、小米Note3同天发布?尴尬的小米Note3,靠双曲面屏立足?
华尔街交易员被人工智能取代
深度学习如何挑选GPU?
关于工业涂料—金属涂层的介绍和使用指南
科学家正研究用冰制造机器人
碱性蓄电池的常见故障和对策
Python 中怎么来实现类似 Cache 的功能
OPC UA FX是什么?优势及未来趋势全解析
NXP车载多设备无线充电解决方案
5G技术的发展如何协助智慧医疗的发展
常用电子元器件的识别
OPPOHyperBoost引擎怎么样