摩尔定律——集成电路中的晶体管每两年翻一番——即将结束。 这是不可避免的，因为限制将阻止组件的进一步小型化，要么通过制造限制，要么通过在原子水平上达到小型化的限制。 随着摩尔定律预计将于2025年结束，对计算未来的研究正在认真进行，以寻找新的方法来加速计算性能。
各种公司正在为专门的用例开发这种加速器：图形处理单元的通用计算(GPU)处于加速器趋势的前沿，NVIDIA展示了它们的机器学习能力，量子计算机可以被认为是医学研究的加速器。 然而，并非所有的工作负载都受益于这些类型的加速器。 惠普公司(Hewlett Packard Enterprise)在2017年宣布了这台机器-一台配备160TB RAM的计算机-作为他们定义为“内存驱动计算”的一部分，这是一项处理内存中大量数据的努力。
这方面的困难在于，传统的DRAM是快速的，但不是密集的-没有数据可以存储在DRAM中，而不是闪存中，每平方厘米的比特。 同样，闪存作为一种固态存储介质，比传统的拼盘硬盘具有更高的访问速度和更低的延迟，尽管硬盘驱动器提供了更高的存储密度。 问题不仅仅是原始速度：它们连接到计算机的方式不同，RAM是最直接的连接，SSD和HDD更远，需要遍历RAM，从RAM到CPU缓存。
看：13件东西可以破坏你的数据库设计(免费PD F)（技术共和国）
对于内存驱动的计算，“我们不是假设只有一种内存，”HPE实验室的首席架构师Kirk Bresniker告诉Tech Republic。 “如果我有很多不同种类的内存呢？ 平衡价格、性能和持久性。 但在处理方法上是否都是统一的。 统一的地址空间，统一的访问方式.. 一种在物理上积累不同能力的记忆的方法，但要使它更加统一.记忆结构就是把所有这些记忆缝合在一起的方法。
去年，英特尔宣布了光学直流持久性存储器，每个模块的大小可达512GB。 这个产品与DDR4D IMM兼容，尽管使用3DXPoint，这是一种由英特尔定位在DRAM和NAND之间的技术。 光学DIMM比DRAM具有更高的容量，并且比NAND具有更长的耐用（在写入/擦除周期方面），但在写入时比DRAM慢。 值得注意的是，Optane DIMMs在关机时可以保留数据。 对于内存驱动的计算，像这样的新型内存，以及相位变化和自旋扭矩内存对于创建内存结构至关重要。
此外，内存织物的一个重要功能是尽可能减少这些延迟，这也可以使其他加速器，如GPU受益。
当主CPU中的核心相互交谈-与内存交谈-我们测量的时间是纳秒。 当[与]GPU交谈时，我们需要微秒。 速度慢了一千倍。 “在一个我们正在测量纳秒所有这些延迟的内存结构上，我可以拿那个加速器或者那个内存设备，它的价值实际上是大大增加的，因为它在那个内存结构上。”
有关更多信息，请查看“您的公司应该考虑内存中的大数据处理的4个原因”和“您的公司不喜欢大数据的3个原因，以及您可以做的4件事”。