云的新指标

数据中心已经开始调整自己的定义是什么让一个服务器比另一个更好。而不是比较通用的服务器的性能基准测试,他们是添加一个新的基于什么样的芯片的粒度级别最适合特定的操作或应用程序。这些决策越来越包括从冗余水平计算操作,如搜索、高度个性化和优先的架构,可以重新编程。

推动这一转变的是成百上千的供电和冷却成本上升机架式服务器,再加上需要提高性能的关键操作使用多核处理器的核心的部分或全部不牺牲其他不是操作的性能。和这一切都不可能影响整个功率预算。

第一波效率改善数据中心是基于虚拟化、提供线性效率的改善将增加服务器的利用率。正在形成的新方法,把这些效率进一步提高几个等级,添加一个水平的优化,从来没有见过在商业世界大铁。

变化大致平行发展,几乎已成为soc在高端智能手机,标准的芯片是黑暗的大部分时间和硬件加速器是用于提高性能的个人功能。那些accelerators-ASICs, dsp、或其他自定义chip-typically联合在硬件和软件来提高性能使用更少的能源和更少的时钟周期。但最大化这些能力与庞大的资源和不断变化的数据中心是一个雄心勃勃的新概念,和大芯片公司从Intel和AMD到新人的手臂,以及一些大型服务器公司,正在努力将这一概念引入市场。

“只是把更多的MIPS问题是不工作,“Krewell凯文说认为其实首席分析师Tirias研究。“我们已经看到了一些在高性能计算领域的fpga和gpu被添加到获得更多的计算能力。但一些算法不规模和效率的核心是不会了。我们被几乎所有我们可以在这些算法,现在我们需要用不同的方式来做事情。”

更改涉及到许多不同类型的芯片的fpga, gpu,异构cpu,协同设计与软件和硬件加速器,AMD称为辅助处理单元。他们还可能涉及新的芯片架构,包括2.5 d和3 d-ic堆死哪里有更多的空间来增加专门的处理器配置成一个堆栈,以及更短的信号通路和更高的吞吐量和插入器在矽通过。

“有一个新的水平在相同数量的实验来获得更多的表现空间,“Krewell说认为其实。“一种方法是提取数据的更多更快。百度、微软、谷歌和Facebook都这样做。Facebook正在更好的模式识别,这样当你看图片会识别你的朋友更快。仍然有很多标准的应用程序,但如果你看看计算机视觉算法,人工智能模式识别和其他形式的,这些都是新的。”

数据中心一直都是有些异类。有频繁的混合来自不同供应商的硬件从商品PC服务器主机和专门的硬件。但大多数的硬件被交替使用,取决于可用在任何时候,在某些情况下作为优先考虑的特定操作。新兴的战略是为特定的应用程序添加硬件和目的,而不仅仅是洗牌处理工作从一个服务器到另一个,或者使用虚拟机堆积起来。和个人操作的优先级将更容易改变,这取决于组织的需求。

成本指标
推动这些变化的是钱。直到电力成本成为一个问题,许多数据中心的首要任务是一致的力量,几乎不间断正常运行时间。这就解释了为什么有很多人仍位于亚利桑那州,几乎没有地震活动和丰富的核电能力。在过去的十年里已经把重点转移到切削冷却成本与环境空气流动而不是冷却装置提供动力。

第二个方法降低能源成本,如今开始获得关注,定位数据中心接近水力发电机,从A / C长距离传输损失可以大幅减少和总体成本较低。底线是便宜比电力移动数据。和更便宜的数据中心使用新的芯片架构和配置,不同的服务器机架配置,和更大的灵活性,银行的服务器被利用,当他们利用和多长时间。

“新指标是计算每瓦特,”沃利莱茵说,董事长兼首席执行官的导师图形。“建立一个数据中心的总成本= 2.5年的电力数据中心。这些大数据中心可以节省数亿美元的电力成本和空调。和计算费用降低了多年来,所以电力IT预算的比例正在增加。这就是为什么很多人这些天正在开发新的服务器架构。这些都是专用计算机专用功能。”

这里的一个挑战是了解哪里有大量冗余操作和那些处理资源请求是独一无二的。它是高度冗余的,可以优化。使定制的芯片架构的一个明显的选择大搜索和社交媒体公司,和大多数正在设计自己的芯片来优化搜索,而不是浮点或可视化而不是搜索。

对于一切来说,有增量收益,但与所有在数据中心发出嗡嗡的声响,一排排的服务器机架,加起来。“看这是一个好方法标准化定制,“Anand艾耶说,营销主管在Calypto低功率平台。“他们没有完全摆脱在建,但它们提供的定制。整个行业开始作为一个垂直行业处理器。然后一切都成为标准。现在我们回到垂直。”

性能指标
Re-verticalization允许其他种类的优化。“几家公司有自己的C编译器的球队,”Steve罗迪说,高级组节奏Tensilica业务单位的主管。“如果他们可以获得更好的代码5%至8%的性能,提高了整体效率。他们开发出的搜索时间或每平方英尺的能源效率,所以建立自己的编译器帮助。”

专业化是提高这些性能的关键指标,并在许多情况下,包括服务器架构,并且经常多服务器架构。网络处理器需要有多快?不同芯片之间的吞吐量在服务器或不同服务器之间?和什么样的内存应放置在哪里?在许多方面,这是大规模地点和路线。

“这是一个计算单位,“罗迪说。“这不是是否运行在3 ghz CPU。它是否可以运行在较低功率每瓦特和有更大的效率。需要负载平衡、配对和专业计算引擎,它是有意义的。软件在所有这可能是巨大的投资,根据类的公司。这就是我们看到软件定义网络使用。“https://en.wikipedia.org/wiki/Software-defined_networking

在数据中心,数据移动在一个芯片,芯片之间,整个数据中心和世界其他地方的可以影响性能的个人计算处理器,这就是为什么有一个增加网络之间的界限逐渐模糊和计算数据中心设计的硬件。

“不仅仅是处理器,它是关于连接结构和网络结构,“Arvind Shanmugvel说,Ansys应用工程总监。“这就是为什么我们开始听到更多关于光学宽带以太网,光信号的转导和通过以太网传输。这仍然是一个新兴的市场,但人们正在研究它。”

这些指标也有助于解释为什么英特尔收购阿尔特拉(见文献1]为什么华为授权ARM核心来构建自己的芯片内部。

“已经有很多实验与fpga微软实验室,和与其他算法在gpu上,“Krewell说Tirias认为其实。“手臂设计芯片具有不同性能水平,。每个试图定义自己的数据中心。”

手臂确实引起了一些生态系统动量microserver架构。AMD公司现在提供的x86和arm芯片Opteron系列X和一个处理器。惠普同样提供了基于arm的月球探测器服务器以及强大的把x86服务器。和其他公司从联想和戴尔把他们的帽子在臂环,与公告,开发基于ARM的服务器。

但也容易忽视,还有其他非常重要的球员在这个市场,如IBM的权力架构,这是非常显著的使用在沃森超级计算机和其大型机,和甲骨文Sparc-based一体化的系统。

与一个SoC,这不再仅仅是一个简单的地点和路线的组件。权衡的机架位置和它们是如何构建的,内气流和机架之间整体功耗,估计使用性能范围内,以及它将如何运行一个软件栈。没有指标,除了权力底线成本和客户满意度(内部和外部)响应时间。

”所需的模拟和热限制所有的这一切让我们彻夜难眠,“说Ansys Shanmugvel。“我们总是推动边界。”

但当谈到现代数据中心,甚至越来越动边界和可衡量的和更复杂。
参考1:整个半导体行业的讨论点之一涉及到是否英特尔收购阿尔特拉很大程度上是由于担心阿尔特拉将英特尔的业务定制铸造,从而影响英特尔抵消一些成本的能力。然而,许多消息来源证实,阿尔特拉目前的体积可能是单一的或低两位数的整体铸造的芯片输出。虽然仍然重要,但它是不够的严重影响的经济学英特尔的铸造业务。更重要的是结合阿尔特拉的可能性与英特尔架构可以推动未来增长的fpga在现有的和新的市场。