Big-Data-Anwendungen wie Maschinelles Lernen und Künstliche Intelligenz benötigen Zugang zu einer großen Menge an Daten, um den Algorithmus oder das neuronale Netz zu trainieren. Dies führt dazu, dass alle von der Anwendung benötigten Daten auf den Prozessor übertragen werden müssen. Die Übertragung großer Datenmengen über ein Netzwerk erfordert Zeit, Geld und die entsprechende Kapazität. Daher ist dieser Ansatz weder nachhaltig noch optimal.

Zurückzuführen ist dies auf die Von-Neumann-Computerarchitektur, die seit über 30 Jahren verwendet wird. Bei diesem Modell ist der Prozessor die zentrale Komponente im Computersystem (auch „allgemeine Computerarchitektur“ genannt). Eine vorgeschlagene Neuerung ist, den Arbeitsspeicher in den Mittelpunkt der Computerarchitektur zu stellen. Man spricht dann von einer arbeitsspeicherzentrierten Computerarchitektur. Die Umsetzung ist jedoch komplex, da alle gängigen Betriebssysteme und Anwendungen auf dem Von-Neumann-Rechner aufbauen. Bei mehreren Prozessoren, die einen großen Speicherpool verwenden, muss für Cache-Kohärenz gesorgt werden, um zu vermeiden, dass ein Prozessor eine Speicheradresse abruft oder überschreibt, die von einem anderen Prozessor benötigt werden könnte. Der Übergang zur parallelen Verarbeitung hat zu Fortschritten bei der Nutzung mehrerer Kerne mit Zugriff auf denselben Cache und Kohärenz geführt. Diese belegen allerdings nur relativ wenig Speicherplatz. Eine Erweiterung des gemeinsamen Speichers auf mehrere TB an Daten erhöht die Komplexität und erschwert den Architekturwechsel. Mithilfe unserer Untersuchungen möchten wir verstehen, welche Voraussetzungen für den Wechsel zu einer arbeitsspeicherzentrierten Architektur erfüllt sein müssen.

Für den Arbeitsspeicher, auf den die CPU zugreift, werden heutzutage zwei Technologien verwendet: SRAM und DRAM. Beide sind flüchtig, das heißt, die gespeicherten Daten gehen verloren, wenn es zu einem Stromausfall kommt oder der Strom abgeschaltet wird. Daher wurde eine neue, nichtflüchtige Arbeitsspeicherklasse entwickelt (Persistent Memory oder Storage Class Memory, SCM), bei der Daten selbst bei einem Stromausfall nicht mehr verloren gehen.

Arbeitsspeicher nahe der CPU erfordert eine schnelle Zugriffszeit oder eine Latenzzeit, die ungefähr der CPU-Taktfrequenz entspricht, damit er als CPU-Cache verwendet werden kann. SSD- und HDD-Datenspeicher können aufgrund ihrer zu hohen Latenz nicht verwendet werden. Die Unterscheidung von Arbeitsspeicher und Datenspeicher ist bei diesem Thema sehr wichtig. (Arbeitsspeicher bezieht sich hier auf Speicher, der über Bits adressierbar ist und für Register und Caches verwendet wird, auf die die CPU zugreift. Datenspeicher ist nicht über Bits adressierbar und bezieht sich auf Geräte, die mithilfe bestimmter Systeme Daten verwalten und speichern.)

Einige Modelle von nichtflüchtigem Arbeitsspeicher mit niedriger Latenz können mit DRAM mithalten: MRAM (Magnetoresistive Random Access Memory) oder STT-MRAM (Spin Transfer Torque Magnetoresistive Random Access Memory). Weitere Technologien, deren Latenzzeit zwischen der von DRAM und SSD liegt, sind PCM (Phase Change Memory) und ReRAM (Resistive Random Access Memory). Western Digital erforscht seit vielen Jahren nichtflüchtigen Arbeitsspeicher – von der Untersuchung der grundlegenden Materialien (einschließlich Zellenbeschaffenheit und Design) bis hin zur Herstellung und Prüfung von Speicherzellen-Arrays. Bei der Einführung neuer Produkte in diesem Marktsegment werden die Ergebnisse all dieser Arbeiten berücksichtigt. Diese drei Bereiche decken die Hardware dieser Technologie ab. Weitere Forschungsprojekte befassen sich mit der Software und den diesbezüglichen Folgen der Nutzung von nichtflüchtigem Arbeitsspeicher.

Softwareprogrammierer schreiben seit Jahren Software mit flüchtigem DRAM und SRAM; daher gibt es viele Stellen im Code, die dieser Tatsache gerecht werden. Aber was passiert, wenn persistenter, nichtflüchtiger Speicher die Aufgabe des DRAM übernimmt? Wenn zusätzlich Arbeitsspeicher zum Computer oder Server hinzugefügt wird, dessen Latenzzeit ungefähr der des DRAM entspricht, wozu würde dieser neue SCM (Storage Class Memory) verwendet werden? Welche Änderungen müssten am Kernel und Betriebssystem vorgenommen werden? Wie würde sich dies auf den SaaS-Bereich (Storage as a Service) der Branche auswirken? Welche Auswirkungen hätte dies auf Lösungen zur Systemwiederherstellung? Für jeden Bereich in der Softwarehierarchie muss geprüft werden, wie sich diese Neuerung auf die Produkte und Dienstleistungen auswirken würde. So wesentliche Veränderungen können nicht von heute auf morgen erfolgen. Eventuell gibt es bei der Umstellung auf nichtflüchtigen Arbeitsspeicher Unklarheiten. Auch die Abwärtskompatibilität ist in Erwägung zu ziehen. Alternativ könnten Unternehmen Produkte anbieten, die auf der neuen Speicherkonfiguration des Computersystems basieren, um direkt von den Vorteilen des nichtflüchtigen Arbeitsspeichers zu profitieren. Werden Cloud-Anbieter zuerst von dieser Veränderung betroffen sein? Oder doch eher die Unternehmensrechenzentren?

Wie geht man mit den vielen unbekannten Faktoren bei dieser Transformation um? Wer sich einmal in Ruhe mit persistentem Arbeitsspeicher beschäftigt, wird schnell erkennen, dass er sich zu einer der bahnbrechendsten Technologien der Branche entwickeln könnte – mit enormen Folgen für zahlreiche Geräte in unserem Alltag. Die Umgestaltung einer kompletten Branche erfordert jedoch Zeit sowie die Beteiligung von Standardisierungsgruppen, von Open-Source-Anbietern und von Unternehmen mit proprietären Lösungen.

Der Fokus von Western Digital auf Speicherlösungen erfordert ein tiefgreifendes Verständnis der Anwendungsbereiche, die von einer arbeitsspeicherzentrierten Architektur profitieren. Wir haben uns für Maschinelles Lernen entschieden. Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) werden immer mehr zu einem Teil unseres Alltags und in Zukunft in vielen Bereichen unseres Lebens eine Rolle spielen. Einige technische Projekte von Western Digital untersuchen zwar bereits den Einsatz von ML- und KI-Funktionen in unseren derzeitigen Produkten und Prozessen, doch das Hauptaugenmerk der technischen Leitung liegt auf den ML- und KI-Anforderungen der Zukunft. Die zwei wichtigsten Bereiche, die unter Anleitung der technischen Abteilung untersucht werden, sind Beschleuniger und Algorithmen. In beiden Bereichen findet eine kontinuierliche Weiterentwicklung statt.

Speziell konzipierte Beschleuniger spielen für ML- und KI-Anwendungen eine besonders wichtige Rolle. Ein Beschleuniger wird für eine bestimmte Anwendung entwickelt; die Mikroarchitektur und der Befehlssatz sind dabei speziell auf die Anforderungen von ML-Anwendungen ausgelegt. Beschleuniger sind aus diesem Grund funktionsspezifisch und reduzieren die Verarbeitungszeit von großen Datenmengen erheblich. Sie sind ein Beispiel dafür, wie spezialisierte Chips herkömmliche, allgemeine CPUs ergänzen und den Zeit- und Energiebedarf für ML-Anwendungen reduzieren. Studien haben gezeigt, dass optimierte Lösungen für bestimmte Workloads im Vergleich zu Standard-CPUs den Energiebedarf und die Verarbeitungsgeschwindigkeit um bis das Zehnfache verbessern können. Anwendungen mit ML- und KI-Funktionen werden immer häufiger eingesetzt und schaffen neue Einsatzmöglichkeiten für Beschleuniger, die speziell für diese datenintensiven Anwendungen entwickelt wurden.

Western Digital – eigentlich ein Unternehmen für Datenspeicherlösungen – hat aus mehreren Gründen diese Initiative ins Leben gerufen und sich für die Investition in RISC-V entschieden.

  Zum einen findet das durch den Erfolg von Linux bewährte Open-Source-Modell nun in der RISC-V Foundation auch für Hardwareplattformen die nötige Unterstützung, sodass Innovationen weiter vorangetrieben werden können. Zum anderen bietet RISC-V so zahlreiche Konfigurationsoptionen wie kein anderer Ansatz.  Durch die offene Kollaboration sowie die Flexibilität von RISC-V kann Western Digital Prozessoren entwickeln, die exakt auf die Anforderungen datenzentrierter Anwendungen abgestimmt sind.  Praktisch alle Produkte von Western Digital sind mit irgendeiner Form von Prozessortechnologie ausgestattet. Wir verbauen derzeit in unseren Produkten jährlich eine Milliarde Prozessorkerne und haben uns öffentlich zu RISC-V als Technologie unserer Wahl für diese Produkte bekannt. Neben der Integration von RISC-V arbeiten wir auch an der Entwicklung des dazugehörigen Ökosystems, in dem Daten die entscheidende Ressource für die nächste Innovationsstufe spielen.