铠侠推出XL1内存扩展模块,面向AI数据中心,基于XL-FLASH闪存,通过CXL接口连接服务器内存。该模块介于DRAM与NVMe SSD之间,将低频访问数据从内存移至模块,提升效率并降低成本。与英特尔傲腾类似,但采用闪存技术路线,依赖CXL生态,本月起向合作伙伴出货样品。
澜起科技率先试产CXL 3.2内存扩展控制器芯片,面向AI、云计算等场景,支持PCIe 6.x和CXL 3.2协议,最高64 GT/s速率,集成双DDR5控制器,突破内存容量限制,已导入三星、SK海力士等厂商产品。
CXL和RDMA技术突破了传统操作系统对本地资源的假设,实现了远程内存的共享与管理。资源解耦提高了资源利用率,CXL 3.0支持内存池化和多主机共享。LegoOS将操作系统拆分为独立组件,以适应新内存层次。面临的挑战包括延迟、一致性和安全性,未来方向是数据中心级内存管理和新的内存放置策略。
内存池化CXL技术提升了AI显卡对CPU内存的使用效率,解决了内存不足的问题。华为的CloudMatrix 384通过UB平面实现了384个AI芯片与192个CPU的高速连接,增强了数据传输带宽。CXL作为通用标准,促进了不同设备间的内存共享,减少了资源浪费。Google对CXL的关注增加,预示着内存共享在AI推理中的普及前景。
CXL内存通过近数据计算技术显著提升数据库等任务的性能,最高可达128倍,同时节省88%的电力。该技术通过将函数调用伪装为内存访问,减少通信延迟,并利用轻量级微线程提高内存带宽利用率。M²NDP方案灵活性强,适用于多种任务,未来有望使内存成为智能计算助手。
共享内存数据库因RDMA和CXL技术的出现而重新受到关注。RDMA降低了跨机访问延迟,提升了数据库性能,CXL则提供了硬件级一致性。研究项目如FaRM、NAM-DB和Sundial展示了这些技术在分布式事务处理中的应用。未来,结合RDMA和CXL的架构可能会在数据库设计中发挥重要作用,推动更高效的共享内存模型。
NUMA架构中,每个CPU socket连接本地DRAM,访问远端内存延迟和带宽不同。Linux通过mempolicy、AutoNUMA和调度器管理内存分配,CXL扩展了多级内存层次。生产调优需结合numastat和perf诊断,数据库常用interleave策略,低延迟服务倾向membind加绑核,容器用topology-manager。诊断命令包括numactl、numastat和perf node事件。
宜鼎国际推出基于CXL架构的CXL AIC扩展卡,通过PCIe Gen 5接口扩展最高256GB内存,适用于边缘计算,支持内存池化与资源共享,预计2026年第一季度送样。
澜起科技推出国内首个基于PCIe 6.x/CXL 3.x标准的高性能有源电缆解决方案,满足数据中心复杂架构需求,支持高带宽、低延迟互连,并具备链路监控与诊断功能,已完成开发与系统验证。
云计算正在经历架构转变,传统的“无共享”设计效率低,无法满足现代应用的弹性需求。Murat Demirbas指出,行业正快速采用解耦架构,以独立扩展计算和存储,提升故障隔离和操作简化。新技术如RDMA和CXL推动了这一转变,促进了数据库设计的创新。
SK海力士成功完成基于CXL 2.0标准的CMM-DDR5 96GB产品客户验证,容量提升50%,带宽扩展30%,显著降低数据中心总体拥有成本。目前正在验证128GB产品,并开发优化软件以提升CXL系统性能。
至强6处理器在核数和内存带宽上显著提升,推理性能增强,性价比提高。MRDIMM技术支持更高的内存带宽和容量,适合AI训练和大型数据库应用。CXL内存扩展进一步提升性能,降低推理成本。
研究人员分析了基于CXL的异构系统,构建了结合不同CPU和CXL设备的服务器集群,并开发了基准测试工具Heimdall,揭示了架构设计、性能优化及未来发展方向,为计算机架构和系统设计提供了重要见解。
随着摩尔定律减缓,分布式系统的水平扩展成为提升性能的关键策略。CXL技术的推出改变了对分布式编程的看法,支持高速跨节点数据传输。基于CXL的分布式共享内存在灵活性方面表现出色,但面临管理共享状态的复杂性。引用计数方法可以减少回收远程内存的工作量。基于CXL的部分故障容错DSM架构与云计算发展方向相符。
完成下面两步后,将自动完成登录并继续当前操作。