惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Security Archives - TechRepublic
Security Archives - TechRepublic
C
CXSECURITY Database RSS Feed - CXSecurity.com
A
Arctic Wolf
Know Your Adversary
Know Your Adversary
T
Tor Project blog
C
Cisco Blogs
G
GRAHAM CLULEY
S
Schneier on Security
AWS News Blog
AWS News Blog
Scott Helme
Scott Helme
C
Cybersecurity and Infrastructure Security Agency CISA
雷峰网
雷峰网
MongoDB | Blog
MongoDB | Blog
爱范儿
爱范儿
S
SegmentFault 最新的问题
S
Security Affairs
CTFtime.org: upcoming CTF events
CTFtime.org: upcoming CTF events
J
Java Code Geeks
美团技术团队
Hacker News - Newest:
Hacker News - Newest: "LLM"
U
Unit 42
Latest news
Latest news
T
Tailwind CSS Blog
GbyAI
GbyAI
月光博客
月光博客
PCI Perspectives
PCI Perspectives
Attack and Defense Labs
Attack and Defense Labs
Forbes - Security
Forbes - Security
S
Securelist
AI
AI
Recent Announcements
Recent Announcements
C
Check Point Blog
I
Intezer
宝玉的分享
宝玉的分享
Google DeepMind News
Google DeepMind News
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
NISL@THU
NISL@THU
Hacker News: Ask HN
Hacker News: Ask HN
O
OpenAI News
Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
Project Zero
Project Zero
V2EX - 技术
V2EX - 技术
Y
Y Combinator Blog
博客园 - 【当耐特】
aimingoo的专栏
aimingoo的专栏
F
Full Disclosure
H
Hackread – Cybersecurity News, Data Breaches, AI and More
The Register - Security
The Register - Security
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Google DeepMind News
Google DeepMind News

Miya's Blog

博客大修记录 (2026) 我在用什么? 记一次软件源归档导致的 CI 构建问题 Denoising Diffusion Null-Space Model 可逆神经网络 Invertible Diffusion Model 常见推理后端安装及配置 Jupyter Notebook 安装及配置 论文复现 - MAGIS 深度学习环境配置(一) 深度学习环境配置(二) Debian 配置 V2Ray-A Diffusion 入门 CV 基础(二) CV 基础(一) 内存体系结构 - 简述 Programming Persistent Memory 第三章笔记 地址映射与TLB CuBase 小记
浅谈非易失内存
Miya · 2025-04-21 · via Miya's Blog

非易失内存 总结篇

谨以此告别硕士生涯前半程。

前言

整理无味,搁置可惜。

这个题目起的有些大了,实际上聚焦于讨论非易失内存的页面迁移算法。死课题,炒冷饭,加之学业以外的糟心事情,现在回想,仍然失笑。

附件自取。覆盖面较全了,只是不够详细。

关于非易失内存

行文至此,还是讲讲 NVM 吧。

为什么 NVM 死了

大玩家 Intel 撤了。

商业之外,谈谈我的看法。NVM 主打一个 memory 的名字却不干 memory 的事,当前的内存体系结构里也根本没有「非易失」一层,这导致:要么做 memory 牺牲持久性,要么做纯 storage,无非在内存映射等方式下占点便宜。但 I/O 密集负载有自己的解决方案,做 storage 和现有介质相比并无显著优势。

以 Optane 为例,是可以配置成好几个模式,比如:做 storage 时可以作为块设备或字节设备 (驱动意义上);做 memory 时则和一般内存条没有太大区别,除了不能配进同一个 NUMA 节点。容量和持久性对 memory 不可得兼。当然,配进 NUMA 后与原本的 DRAM 节点形成快慢内存,可以去炒另一个概念 Multi-Tiered Memory,但是这个方向又有另一个正主 CXL,地位尴尬。

最后,如果只当成 memory,则所谓大容量和单位成本低只能是画饼,要先大规模应用才有资格去谈,至少 Optane 活着那几年是一点不便宜。英特尔自己也在逐步转向 CXL。AI 时代看来,CXL 也快死了,也许工业界根本不需要什么 Emerging Memory Architecture。

关于存算

关于近存计算和存算一体。

最近的趋势是,二者已经逐渐归为一谈。最初的模拟存算借着非易失存储介质 (MRAM,ReRAM) 而走红,本意是为解决冯诺伊曼架构下内存和带宽 roofline 而存在,在笔者另一篇文章里进行了简要介绍。然而 NVM 尚不成熟,模拟存算又始终无法满足精度要求,转向数字存算则面临器件-电路-架构研究的脱节,从集成电路水到体系结构,目前看来还是以集成电路为主战场。在此推荐一位博主的文章 @Sasasatori,读者如有兴趣,可自行了解。

总结而言,CIM/PIM 仍面临与 NVM 相同的困境,不过毕竟是更靠近微电子一些,非我主场,不好置喙更多,仅仅表达拙见。以上。

附件

下载链接