14、后摩尔时代数据中心服务器架构与SESAM框架解析

后摩尔时代数据中心服务器架构与SESAM框架解析

后摩尔时代数据中心服务器架构

在数据中心服务器架构领域，随着 Dennard 缩放和摩尔定律的放缓，一系列变革正在发生。

数据管理加速器

• GPU与FPGA等加速器 ：GPU 从图形应用改造而来，广泛应用于大规模可编程数据并行应用，如深度学习。FPGA 也在数据中心（如微软 Azure）中部署，用于实现分布式机器学习服务，以及协助网络和存储服务，包括加密和压缩。这些加速器是离散的，配备自己的 DRAM，并通过 I/O 接口连接到 CPU。
• 可编程加速器 ：许多数据中心服务执行简单的数据解析操作，定制的多核 CPU 可提高硅效率，但对于算术运算少的工作负载，可编程乱序核心有些大材小用。因此，出现了可编程加速器来遍历数据结构并执行简单的解析操作。例如 Walkers 是一种硬件/软件协同设计，通过利用核心现有的地址转换硬件，在加速器执行时使核心空闲，将可用带宽饱和到 L1 缓存，实现了比乱序核心高 15 倍的每瓦吞吐量提升。Oracle 的 RAPID 也在加速 SQL 解析方面取得了类似的每瓦吞吐量提升。此外，还有加速图匹配工作负载的最坏情况最优连接（WCOJ）的近 CPU 加速器。
• 近内存处理 ：近内存处理是一种有前途的数据解析方法。串行内存接口和中介层封装的进步使得在 DRAM 附近集成逻辑成为可能。与 20 世纪 90 年代开创但未被采用的内存内处理相比，近内存处理侵入性更小。简单的解析操作从近内存处理中受益匪浅，因为这些操作的每字节能量主要由数据移动