原标题：跑大量图学资料不用昂贵DRAM，MIT：用快闪储存记忆体单机
麻省理工学院电脑科学和人工智能实验室（CSAIL）最近设计了一套通过便宜的快闪储存设备，搭配自行开发的排序降低（Sort-reduce）演算法，只需要单机，就能处理大量的图学（Graph）资料。
在资料科学圈中，图学资料是由节点和线组成的复杂资料结构，分析图学资料对许多应用都非常有效，像是网页排名、分析社交网络，或是了解大脑的神经结构，不过，图学资料包含了数十亿的节点和线，大型的图学资料规模甚至高达TB级，通常需要用昂贵的动态随机存取记忆体（DRAM），通过多个耗费资源的伺服器，才能处理大型的图学资料。
在处理图学资料上，快闪储存的处理速度通常会比DRAM慢许多，但是CSAIL的研究员开发了一套搭载快闪晶片阵列的设备和运算加速器，让快闪储存装置达到与DRAM一样的效能。
研究员开发出新的演算法将存取图学资料的请求编列成序列排序，让快闪装置可以快速又简单地存取资料，除此之外，研究员开发的演算法也合并了一些存取资料的请求，结合了运算时间、记忆体、频宽和其他运算资源，来减少运算排序的间接成本。
在研究开发的过程，研究员分别尝试用数个传统高效能系统和自行开发的系统，处理了大量的图学资料，包含Web△Data△Commons专案提供的大量超连结资料，有35亿个节点和1,280亿个连接线。
为了处理这个图学资料，传统的系统需要数千美元的伺服器搭配128 GB的DRAM，而CSAIL的研究员则是在一台桌机电脑中，加入1 GB的DRAM和1 TB的快闪记忆体，就能达到一样的运算效能，甚至，将多个装置结合再一起之后，系统可以处理高达40亿节点和1,280亿个连接线的图学资料。
研究团队中一位研究生Sang-Woo△Jun表示，最重要的是，该系统装置可以通过更小、更少的资源来维持高效能的表现，像是电脑的功耗和温度等，该设备能够减少图学资料分析的成本和资源，更进一步，还能在许多应用中提高运算效能，像是分辨癌症基因的工作。
在图学分析的过程中，系统基本上会根据节点本身与其他节点的连结，搜寻并更新每个节点的值，举网页排名的分析来说，每个节点代表一个节点，若A节点有较高的值，与A节点连接的B节点的值也会增加。
一般的系统会将所有的图学资料储存在DRAM中，虽然处理资料的速度快，但是相对地也需要大量的成本和资源，有些系统会将一些资料储存到快闪记忆体来降低成本，但是处理的速度就会变慢，效能也会降低，因此，这样的作法，还是需要大量的DRAM。
CSAIL的研究员采用了称为排序降低的演算法，来解决用快闪记忆体当成主要储存设备的问题，也就是浪费资源，排序降低的演算法直接存取请求，按照标签顺序将所有存取请求用序列排序，简单来说，演算法会将所有对节点A的更新分成一组，快闪记忆体就能同时存取数千个请求，让系统变得更加有效率。
更进一步，为了要节省运算资源和频宽，演算法会同时将资料合并成最小的资料包（Data△packet)，将不同的资料群合并成一个，持续执行合并的工作，直到产生出最小的排序资料包，这个步骤大幅地降低了重复的存取请求。通过排序降低的演算法，在两个大型图学资料的分析中，研究员成功地降低了大约需要在快闪记忆体中更新的90%的总资料量。
相关：
AWS图学资料库服务Neptune正式上线，AWS CloudFormation、CLI都支援
图片来源: AWS 去年AWS在re:Invent全球用户大会上，就宣布要推出图学资料库服务（graph△database△service）Amazon△Neptune，其适用管理的资料类型，各笔资料间都有高连结度，同时，这套服务也支援图学查询语言，像
Pure Storage主打以资料为中心的IT架构，大举扩充NVMe快闪阵列机型，并推出入门级AI整合解决方案与新型订阅服务
图片来源: 李宗翰摄影、Pure△Storage提供部分图片 以全快闪储存阵列打响市场知名度的Pure△Storage，在本周（5月22日到5月24日）举行的2018年度用户大会Accelerate，大谈以资料为中心的架构（Data-Centric△Archite
Google GCP虚拟主机效能再升级，最大可配160核vCPU及3.75TB记忆体
公有云虚拟主机规格可望再掀新一波竞争，近日Google宣布，旗下公有云服务虚拟主机要推新规格，将要支援160个vCPU，记忆体直逼4TB。单以vCPU核心数进行比较，目前AWS△EC2主机，最多核心数的虚拟主机为X1主机，支援至
俗话都说“一白遮三丑”，所以对于许多爱美人士来说，让肌肤变得美白可是一件十分重要的事情。而说起这方面，少不了要提到的一种东西就是美白针了。打一针就能够变白变美，这种方法可谓是得到了不少人的追捧，可你是
骇客利用GPU与WebGL可开采记忆体设计漏洞Rowhammer，两分钟就能取得手机权限
示意图，与新闻事件无关。 在2016年曾揭露存在于动态随机存取记忆体（DRAM）之Rowhammer漏洞的阿姆斯特丹自由大学（Vrije△Universiteit△Amsterdam）漏洞安全实验室VUSec△Lab于本周再度披露攻击Rowhammer的新途径