CPU失业前兆？英伟达公布显卡直连SSD高效率

传统的图表写入依赖CPU分派物理地址变换、基于页面的按即可图表加载以及其它针对磁盘和外存的大量图表管理机构工作，作为人工智慧核心部件之一的GPU是无法实际上从SSD当中写入图表。但随着人脑和云计算的应运而生，有GPU实际上写入SSD接口内图表，是最高效的方式也。

为了让GPU应用程序并能实际上写入图表，英伟达为首IBM，通过与几所大学的合作打造一套新架构，为大量图表磁盘缺少慢速“细粒度回访”，也就是所谓的“大加速器磁盘”(Big Accelerator Memory，全名BaM)。通过这一技术，并能强化GPUGPU量、适当强化磁盘回访延时，同时为GPU驱动程序缺少高阶抽象层，以便有趣按即可、细粒度地回访扩展磁盘层次当中的海量图表结构。

对于普通用户来说，BaM拥有两大占优势，第一是基于接口管理机构的GPU线程，图表磁盘和GPU近的文档传输分配，都交给GPU核心上的驱动程序来管理机构。并通过运用于RDMA、PCI Express接口以及自定义的LinuxAPI驱动程序，BaM而无须GPU实际上开辟SSD图表举例来说。

第二就是开辟NVMe SSD的通信请求，BaM只会在特定图表不在接口管理机构的线程区域时，才让GPU驱动程序全力以赴参考分派驱动程序下令的准备。在图形微处理器上接入繁重工作输出的算法，并能通过针对特定图表的回访例程优化，从而实现针对关键文档的高效回访。

在以CPU为当中心的策略性人工智慧当中，会因为CPU、GPU之近的传输速率以及I/O流量的可视，拖累具有细粒度的图表相关回访的系统。研究工作人员在BaM模型的GPU磁盘当中，缺少基于高并发NVMe的提交/顺利进行配置文件的用户级库，使未有从接口线程当中遗留下的GPU驱动程序，并能以高吞吐量的方式也来高效回访磁盘。

更关键的是，BaM方案在每次磁盘回访时的接口花费偏高，并默许整体并发的驱动程序。在基于BaM外观设计+规范GPU+NVMe SSD的Linux原型测试平台的相关实验测试当中，BaM交出颇为喜人的优异成绩。

作为代替基于CPU统摄一切事务的高效率，BaM的研究表明，磁盘回访可同时工作、消除同步允许，并且相对来说强化I/O延时可靠性，让应用程序的性能获得逐年强化。NVIDIA助理科学家Bill Dally指出：相比之下接口线程，BaM不依赖虚拟磁盘地址变换，天生就免疫TLB未有当中弹等JSON事件。

编辑点评：随着Resizable BAR和SAM技术的发展和应用，GPU和CPU之近的延时瓶颈得到极大的缓解，但相对来说于从CPU获取图表，让GPU实际上从SSD当中获得图表的应用可靠性会很高。虽然新的BaM目前尚无有完全一致如何在消费各个领域应用，但相信不久后也会有相关产品面世。