Samsungs 2nd-Gen-SmartSSD: Schnell, stromsparend und CPU-schonend
Die Entwicklung der nächsten Generation an SmartSSDs wurde nun vom Technologiegiganten Samsung fertiggestellt. Die neue SmartSSD soll damit glänzen, dass sie Daten direkt verarbeiten kann und die Datenübertragung zwischen CPU, GPU und RAM damit reduziert wird. Eine Auslastung der CPU um fast 100 Prozent wird dabei versprochen.
Neue, schlaue SSDs von Samsung sind im Anflug. Der Hersteller aus Südkorea geht bei seinen SmartSSDs in die zweite Runde und bestätigt jetzt das Ende der Entwicklung seiner neuen Datenträger der zweiten Generation. Diese Hochleistungs-SSD, wie Samsung sie bezeichnet, enthält Datenverarbeitungsfunktionen, die die Art und Weise, wie gewöhnliche SSDs arbeiten, revolutionieren sollen. Die SmartSSD kann nach Angaben des Herstellers Daten direkt vor Ort verarbeiten und damit die Datenübertragung zwischen Prozessor, Grafikkarte und Arbeitsspeicher auf einem Minimum belassen.
Datenverarbeitung auf lokaler Ebene mit Xilinx-SoC von AMD
Mithilfe dieser Technologie können Engpässe vermieden werden, die häufig beim Verschieben von Daten zwischen Speichergeräten und der CPU auftreten, was zu einer deutlich verbesserten Systemleistung und höheren Energieeffizienz führt, wie Samsung anmerkt. Zusammen mit integrierten ARM-Kernen ermögliche die SmartSSD der zweiten Generation eine effizientere Datenverarbeitung. Dafür vergleicht der Hersteller seine neue SmartSSD mit herkömmlichen SSDs in Rechenzentren und verspricht eine Reduzierung der Verarbeitungszeit scanintensiver Datenbankabfragen von über 50 Prozent, eine Senkung des Stromverbrauchs um bis zu 70 Prozent sowie eine Verringerung der CPU-Auslastung um bis zu 97 Prozent.
Ebenfalls lesenswert: CHIPS/FABS Act: Subventionen für Intel, Widerstand bei Nvidia und AMD
Die SmartSSD der ersten Generation wurde im Jahr 2020 von Samsung zusammen mit AMD entwickelt und nach Angaben Samsungs bereits an globale IT-Unternehmen und Anbietern von Videokommunikationstechnik ausgeliefert. AMD gab ebenfalls 2020 die Übernahme des weltgrößten FPGA-Herstellers Xilinx für 35 Milliarden USD bekannt, mit dem Abschluss der Transaktion im Februar 2022.
Daher stecken in Samsungs SamrtSSD der zweiten Generation auch Xilinx-Versal-Adaptive-SoCs von AMD, wie ein Vertreter des Chipherstellers erläutert. Letztlich möchte Samsung auf eine Standardisierung der SmartSSD-Technologie hinarbeiten und hat nach eigenen Angaben dafür die Storage Networking Industry Association (SNIA) und die NVM Express Work Group mit ins Boot geholt.
Quelle: Samsung
Für die eigene Überschrift wurde der Text "etwas" gekürzt (sh.Text über dem Bild).
Da steht das richtig, in der Überschrift ist das "Cuts ..." nicht berücksichtigt.
[Ins Forum, um diesen Inhalt zu sehen]
Darüber hinaus ist die SSD-Geschwindigkeit einer PS5 schon längst kein Maßstab mehr, da bereits Premium-M.2-Consumer-Modelle den PCIe4-Anschluss mit 4 Lanes vollständig auszulasten vermögen, wovon eine PS5 noch ein gutes Stückchen entfernt ist.
Zudem scheint es aber auch ein durchwachsener Artikel zu sein oder nahezu jeder hier hat den Zweck dieser Hardware nicht erfasst, denn bei dieser handelt es sich keinesfalls um einen schlichten Massenspeicher im eigentlichen Sinne, so dass bspw. die angestrebten Vergleiche wenig sinnvoll sind.
Das Schlüsselwort ist hier computational storage drive (CSD) mit der Betonung auf dem "C" und aus unerfindlichen Gründen hält der Autor es nicht für nötig das im Artikel weiter auszuführen, wenn man schon einfachen Consumern und Gamern so eine Hardware vorstellt.
Der wesentliche Punkt ist hier das Zusammenführen eines mittelgroßen Massenspeichers mit einem Versal FPGA von Xilinx *), der umfangreiche Berechnungen durchzuführen vermag. Durch den lokalen Massenspeicher ist die Speicherlatenz geringer und es entfällt ein signifikanter Anteil an Energieverbrauch, der ansonsten für den Informationstransport quer durch einen Server erforderlich wäre, was bei den mittlerweile immensen Datenmengen ein immer größer werdendes Problem darstellt. Und die Verringerung der CPU-Belastung kann teilweise derart beträchtlich ausfallen, da so manche Workloads fast ausschließlich auf der SmartSSD verarbeitet werden können.
Im Wesentlichen geht es hier um die Verarbeitung von Workloads wie
• AI/ML Inference
• Big Data Analytics
• Business Intelligence
• Data Lake/DB Acceleration
• Data Warehousing
• Encryption/Decryption
• Financial Services
• Genomics
• Search Queries
• Storage & Virtualization
• Transparent Compression
• Video Analytics
• Video File Transcoding
*) Die ARM-Kerne habe relativ wenig Anteil an der eigentlichen Rechenkapazität, da die im Wesentlichen der Steuerung dienen. Die Fixed-Function-Einheiten sowie der FPGA-Teil des Xilinx-Produktes sind hier die leistungserbringenden Komponenten.
[Ins Forum, um diesen Inhalt zu sehen]
Zur 1st Gen:
[Ins Forum, um diesen Inhalt zu sehen]
[Ins Forum, um diesen Inhalt zu sehen]
**) In eine grob ähnliche Kerbe schlägt bspw. sogenannter SmartMemory, auch als PIM für Process(ing)-in-Memory bekannt.
Bei bestimmten Workloads (hier adressiert der Markt derzeit vorerst ML-Workloads mit Fixed-Function-Einheiten) ist das zunehmende Problem Unmengen an Daten zu einer Recheneinheit zu transportieren, der Verarbeitungsaufwand bzgl. einzelner Operationen ist relativ gering und dann müssen die Daten auch schon wieder in den Speicher zurückgeschrieben werden.
Samsung stellte schon Anfang 2021 hierzu seinen HBM-PIM-Speicher vor, der HBM2 mit on-die FP16-MMA-Einheiten kombiniert. Die Kapazität eines solchen HBM2-Stacks reduziert sich dadurch zwar von 8 auf 6 GiB, dafür können ML-Inferencing-Operationen nun direkt auf den Speicherchip ausgelagert und dort deutlich effizienter prozessiert werden. Der Speicher kann im nomalen Speichermodus oder im FIM-Modus operieren, mit FIM für function-in-memory, was auch zu dem Entwicklungsnamen FIMDRAM führte.
Anfang 2022 teasert SK Hynix seinen sogenannten GDDR6-AiM (Accelerator-in-Memory). Dieses stellt deren erste Implementation eines PIM-Produktes dar. Die Firma stellt in Aussicht ML-Workloads beträchtlich beschleunigen zu können bei gleichzeitig bis zu 80 % weniger Energieverbrauch.
verspricht eine Reduzierung der Verarbeitungszeit scanintensiver Datenbankabfragen von über 50 Prozent, eine Senkung des Stromverbrauchs um bis zu 70 Prozent sowie eine Verringerung der CPU-Auslastung um bis zu 97 Prozent.