存储器

赛灵思存储器接口解决方案基于硬件验证的参考设计和软件工具,让工程师能够迅速生成您自己的定制设计

Yole:存储器产业2018年成长动能不绝

半导体产业在2017年取得了创纪录的业绩,产业规模一举突破4000亿美元。半导体设备的整体需求全年都很强劲,这得益于所有应用中电子元件的日益普及,尤其是移动和数据中心市场。2017年的半导体成长由储存元件带动,营收达到1260亿美元,较2016年同期成长了60%以上。产业研究机构Yole Développement(Yole)预测,2018年储存市场将达到1770亿美元成长40%。

DRAM和NAND市场全年处于供不应求的状态,导致价格上涨,创纪录的营收和储存供应商的获利能力。在移动和数据中心/SSD的带动下,需求非常强劲,并且包括人工智慧、物联网和汽车在内的新兴成长驱动因素。由于产能扩充落后需求成长,导致DRAM与NAND长期供不应求。

人工智慧和机器学习移动性和连接性的趋势对DRAM和NAND市场都有利,并且可能导致存储器继续增加其在整个半导体市场中的比重。DRAM市场不断发展变化。Yole认为未来五年的存储器位元需求年复合成长率为22%。

NAND需求依然强劲,数据中心的企业级SSD成长强劲,笔记型电脑中固态硬碟的使用率不断提高,以及智慧手机和其他移动装置的内容持续成长,这些市场将继续推动NAND位元消耗的成长,另外,一些新兴应用有望加速未来的成长,包括AI、VR、汽车和物联网等。

简谈SDR、DDR、QDR存储器的比较

大家好,又到了每日学习的时间了,今天咱们来聊一聊SDR、DDR、QDR存储器。

首先先简单的了解一下,然后在做一下比较。

SDR:Single Data Rate, 单倍速率
DDR:Dual Data Rate, 双倍速率
QDR:Quad Data Rate, 四倍速率

DRAM:Dynamic RAM, 动态随机存储器, 每隔一段时间就要刷新一次数据才能够保存数据
SRAM:Static RAM, 静态随机存储器, 静态随机存储器,不需要刷新电路,数据不会丢失
SDRAM: Synchronous DRAM, 同步状态随机存储器,数据的读写需要时钟来同步

下面来做个比较:
1、 SRAM和DRAM、SDRAM而言,都有DDR和QDR的一说。QDR,DDR只是说速率,和DRAM/SRAM的区分无关。而且由于实现工艺的原因,DRAM和SDRAM容量比SRAM大,但是读写速度不如SRAM。此外它们一般都是应用于RAM类型的存储器的速率。

常见存储器ROM、RAM和FLASH介绍

最近因为在找实习工作,做了一些大公司的硬件笔试题,发现很多公司都有对存储器的考察,从来没有系统的整理过存储器的种类,是时候来一波整理了

以下主要讲了:RAM、ROM和FLASH三大类。

RAM包括:SRAM、DRAM、SDRAM、DDR SDRAM、DDR2 SDRAM和DDR3 SDRAM

ROM包括:PROM、EPROM和EEPROM

FLASH包括:NOR FLASH和NAND FLASH

RAM

速度最快,掉电丢失数据,容量小,价格贵

RAM英文名random access memory,随机存储器,之所以叫随机存储器是因为:当对RAM进行数据读取或写入的时候,花费的时间和这段信息所在的位置或写入的位置无关。

RAM分为两大类:SRAM和DRAM。

SRAM是静态(S指的static)RAM,静态指的不需要刷新电路,数据不会丢失,SRAM速度非常快,是目前读写最快的存储设备了。

DRAM是动态RAM,动态指的每隔一段时间就要刷新一次数据,才能保存数据,速度也比SRAM慢,不过它还是比任何的ROM都要快。

SDRAM是同步(S指的是synchronous)DRAM,同步是指内存工作需要同步时钟,内部的命令的发送与数据的传输都以它为基准

作者:北楼

阿里妹导读:X-Engine 是集团数据库事业部研发的新一代存储引擎,也是新一代分布式数据库X-DB的根基。在线事务处理的数据库存储引擎中,如何有效率的回收多版本的旧数据一直是一个难题,尤其在write intensive的应用中,事务处理无可避免受到后台任务的干扰(compaction or vacuum),引入异构计算设备来offloading这些任务的想法由来已久,但是真正想要应用起来确有难度。

今天,我们将为大家详细介绍带有FPGA加速的X-Engine存储引擎。这篇文章不仅仅讲述如何设计并实现出更高效的FPGA逻辑,还有如何提升I/O,做好混合负载调度、容错等。"平稳"二字,看似波澜不惊,实则暗藏巨浪。

前言

在该演示中,Eideticom 描述 NoLoad,它是一个主要针对 Xilinx FPGA 的存储与计算加速平台。NoLoad 的 NVMe 兼容接口有助于功能加速,从而可通过 NVMe-over-Fabrics 从远程客户端访问。NoLoad 架构随后可用于在整个基于 RDMA的 NVME-over-Fabrics 以太网网络中访问纠删码加速器。

Nallatech推出250S+ 高性能NVMe SSD PCIe加速器板卡

作者:Sleibso,编译:Stark

SSD(Solid State Drives,固态硬盘)由于其能够提供更好的性能在越来越多的场合普及开来,早期的SSD采用SATA1.0/2.0/3.0接口,我们只需要在启动BIOS里面把SATA控制器模式切换成AHCI就可以获得更好的性能,但是最新的SSD存储接口开始采用M.2和SATA-E方式走的都是PCI-E通道,那么AHCI就成了性能瓶颈,因此推出了新的标准NVMe(Non-Volatile Memory express,非易失性存储器标准,是使用PCI-E通道的SSD一种规范)。

NVMe在设计上充分利用了PCIe SSD的低延迟和并行处理的特性,NVMe精简了指令调用方式其延迟只是AHCI的一半不到,此外NVMe标准还提供了不同平台的驱动,目前Windows、Linux、Solaris、Unix、VMware、UEFI等都加入了对NVMe SSD的支持。随着三星、Intel等各大厂商的推动NVMe标准的产品也开始不断从企业级产品进入到消费级市场。

Xilinx Virtex UltraScale+ FPGA VCU1525 加速开发套件

是想要充分利用 Virtex® UltraScale+™ FPGA 高级功能的数据中心应用开发人员的理想选择。这款 PCIe® 开发板可在云端访问,也可通过框架、库、驱动程序和开发工具进行内部访问,从而可通过 Xilinx SDAccel™ 开发环境使用 OpenCL™、C、C++ 和 RTL 轻松进行应用编程。

被动式冷却版本

主要性能和优势

  • 可重新编程的专用硬件适应于计算密集型应用,专门针对实况视频转码、数据分析、基因组学以及机器学习的快速增长市场
  • 符合双插槽 PCIe 全长全高外形标准
  • 可采用支持达 225W 的电路板通过服务器 CPU 实现 10 至 100 倍的性能加速
  • 定制电路板支持的 SDAccel 平台参考设计
  • 采用 SDAccel 开发环境,支持 OpenCL、C、C++ 和 RTL
  • VU9P Virtex UltraScale+ FPGA
  • 21 个 TOP(8 位整数精度)
  • [PBX]:基于云的基因组分析算法实现

    本实例由 Edico Genome 公司带来,基于“云”的基因组分析算法演示。该演示使用了基于赛灵思 All Programmable FPGA 的 AWS F1 实例实现,在使用 AWS F1 实例后,Edico Genome 可以以更低的成本为更为广泛的用户群体提供兼具高准确度,硬件加速的基因组流水线算法实现 —— 只需一个 F1 实例,即可替代多达 80 个的传统计算实例以及相关成本。

    作者:Sleibso,编译:Stark

    Edico Genome公司之前就曾开发出了基因组分析算法,为了实现算法加速,该公司原本打算开发一个ASIC(精简指令集)处理器,但是这种方案灵活性太差,尤其是随着算法的更新,计算性能需求的增加这种方案可能就不能够满足需求了,此外开发一个ASIC处理器也需要较长的时间周期。因此Edico Genome公司将注意力转移到FPGA上,FPGA的灵活性非常适合这种不断迭代开发的需要,随后该公司推出了基于Xilinx 28nm FPGA的Dragen加速器板卡用于基因组分析算法的加速。

    图1:Edico Genome公司于2015年推出的DRAGEN加速器板卡

    图1:Edico Genome公司于2015年推出的DRAGEN加速器板卡

    作者:Sleibso,编译:Stark

    Accolade公司推出了第三代双端口100G网络ANIC-200Ku PCIe无损数据包采集适配器,该板卡是基于Xilinx UltraScale FPGA,能够从3200万网络数据流中实时分析每一个数据包,系统正常运行情况下功耗只需要50W左右,能够在4纳秒的精度内为每一个网络数据包打上时间戳。ANIC-200Ku集成了两个CFP4网线适配器接口(Optical Cage),我们可以将两个ANIC-200Ku进行直连来实现200Gbps无损高聚合数据流的网络。

    同步内容