بر طبق طبق مطالعه انجام شده توسط MIT Sloan Management Review و The Boston Consulting Group، 85 درصد از سه هزار مدیر مورد بررسی معتقدند که سیستمهای هوش مصنوعی به شرکتهایشان کمک میکنند تا مزیت رقابتی در بازار کسب کنند. با این حال، تنها 39٪ از شرکت ها سعی کردند چیزی مشابه را در عمل پیاده کنند.
یکی از دلایل این وضعیت این است که کار به طور موثر با داده ها و بهینه سازی استفاده از توان برای وظایف یادگیری ماشین کار آسانی نیست. در IDC جشن گرفتن، که یک فناوری جدید مبتنی بر حافظه دائمی (حافظه پایدار، PMEM) می تواند وضعیت را حل کند.
این فناوری توسط NetApp و Intel پیشنهاد شده است. متحد کردن NetApp Memory Accelerated (MAX) Data و Intel Optane DC Persistent Memory برای یک محصول محلی ذخیره سازی حافظه پایدار.
چطور کار می کند؟
MAX Data یک فناوری سرور است که عملکرد برنامه را از طریق استفاده از PMEM یا DRAM بهبود می بخشد، اما نیازی به تغییرات معماری نرم افزار ندارد.
این سیستم اصول ذخیره سازی خودکار چند سطحی را پیاده سازی می کند، داده ها را در سطوح مختلف توزیع می کند و بسته به دفعات استفاده، ذخیره سازی قابل دسترس تری برای داده های "سرد" استفاده می شود، و داده های پرکاربرد "در دسترس هستند" - در حافظه پایدار، که تأخیر را هنگام کار با چنین داده هایی به حداقل می رساند.
نسخه 1.1 از حافظه DRAM و NVDIMM. هر دو پیاده سازی در مقایسه با Optane DCPMM دارای اشکالاتی هستند - به ترتیب از دست دادن نسبی کارایی و هزینه های بالای حافظه. نموداری که تخمین مقایسه ای از تاخیر ارائه شده است اینجا (ص 4).
Технология پشتیبانی می کند и POSIX و کار با معنای سیستم های بلوکی یا فایل. حفاظت و بازیابی اطلاعات در سطح ذخیره سازی با استفاده از MAX Snap و MAX Recovery اجرا می شود. این فناوری ها از عکس های فوری، ابزار SnapMirror و سایر مکانیسم های امنیتی ONTAP استفاده می کنند.
به طور شماتیک پیاده سازی به صورت زیر است:
هنوز هیچ PMEM در این مدار وجود ندارد، اما توسعه دهندگان قول داده اند تا پایان سال پشتیبانی از این نوع حافظه را اضافه کنند. تا کنون Max Data با DRAM و DIMM کار می کند.
پتانسیل راه حل
در IDC ادعا کندر سالهای آینده پیشرفتهای بیشتری مانند MAX Data وجود خواهد داشت، زیرا حجم دادههای شرکتی دائماً در حال افزایش است و شرکتها ظرفیت کافی برای پردازش مؤثر آن را ندارند. فن آوری می تواند مفید در یک محیط ابری در مقیاس بزرگ و برای کار با وظایف منابع فشرده مانند آموزش شبکه های عصبی. این نرم افزار بر روی پلتفرم های معاملاتی، سیستم های امنیت اطلاعات و سایر محصولات نرم افزاری که نیاز به دسترسی مداوم و سریع به حجم زیادی از اطلاعات دارند، کاربرد خواهد داشت.
همچنین این احتمال وجود دارد که این فناوری بلافاصله در بازار ریشه نکند. همانطور که در بالا اشاره کردیم، تنها یک سوم شرکتها در سراسر جهان با سیستمهای هوش مصنوعی به شکلی کار میکنند. از این منظر، بسیاری ممکن است ظاهر MAX Data را نابهنگام بدانند و توجه خود را بر روی یک زیرساخت در دسترس تر متمرکز کنند که به آنها امکان می دهد مشکلات فعلی را حل کنند.