数据的角色已经改变。数据不仅仅是记录，更是一种沟通形式。数据提升生活品质。它使我们在导航、银行、购物和日常生活中更加高效。最终，数据的交换、估值和智能成为货币。除了存储之外，数据还必须被捕获、保存、访问和转换，才能充分利用其可能性。
几乎所有关于当今数据的讨论都始于其呈指数级增长，每两年翻一番，到下一个十年将达到数百泽字节。这种数据洪流正在推动多 V（容量、速度、种类和价值），并且需要更长的保质期以进行未来分析，提取进一步的价值和智能，从而实现更好的业务和运营决策。
推动这个以数据为中心的世界发展的原因是，数据的角色正在改变，从仅仅是事件、记录或测量的记录或日志，演变为沟通形式，从而提高生产力和自动化效率，最终，数据带来的价值成为一种货币形式。数据增长的另一个驱动因素是数据生成来源的丰富性也在增加。数据不再仅仅从应用程序生成，现在还来自移动设备、生产设备、机器传感器、视频监控系统、物联网 (IoT) 和工业物联网 (IIoT) 设备、医疗保健监视器和可穿戴设备等等。
并且，正在生成的数据既在“核心”的大型数据中心中创建，也在网络“边缘”的远程和移动源中创建。
opensource.com
分析非常庞大且分散的数据集（使用计算和算法）的大数据应用程序正在涌现。这些应用程序揭示了趋势、模式和关联。这些有价值的见解连接并驱动更精确的预测，并使更好的决策能够实现更好的结果。由于大数据分析基于从过去捕获的信息，因此当今的应用程序还需要对正在发生的信息进行即时分析。
因此，伴随大数据而来的是一条并行轨道：快速数据，其中数据的即时性至关重要。快速数据具有一组不同的特征。快速数据应用程序在捕获数据时对其进行处理或转换，利用从大数据中导出的算法来提供实时决策和结果。大数据提供从“发生过什么”中得出的见解来预测“可能发生什么”（预测性分析），而快速数据则提供驱动实时行动的见解。这对于“智能”机器、环境监视器、安全和监控系统、证券交易系统以及需要在实时分析、回答和行动的应用程序尤其有利。
数据驱动对专用处理的需求
大数据革命创造了管理和控制大型数据集的需求。这通常通过通用 (GP) 处理器实现。如今，所有数据中心都基于这种类型的计算平台。随着人工智能 (AI)、机器学习和分析等大数据应用程序的出现，以及我们从移动设备、监控系统和智能机器收集数据，需要更多专用计算能力。
opensource.com
随着处理器技术从通用中央处理器 (CPU) 发展到旨在解决特定问题的专用（专用）处理器（例如图形处理器 (GPU)、现场可编程门阵列 (FPGA) 和专用集成电路 (ASIC)），通用计算能力可以扩展以应对大数据和快速数据应用程序需要解决的特定挑战。并且，不仅架构的计算部分需要关注，围绕它构建的整个解决方案堆栈也需要关注，因为需求正在远远超出通用计算所能提供的范围。
通用计算只关注 CPU，而不是数据。它提供最低限度的资源。对于快速数据应用程序、新的机器学习实现或基因组学，资源比率不太可能得到优化实施。虽然通用计算支持许多应用程序，但它无法解决所有问题。这是一个考虑专用处理的呼吁。
应对大数据和快速数据应用
数据密集型工作负载创造了机遇和新一代的专用处理需求、以存储为中心的架构（支持大数据应用程序）和以内存为中心的架构（支持快速数据应用程序）。大数据具有海量的 PB 级存储需求，其处理需求可能会有所不同。例如，当需要执行分析时，分析需要适度的处理，但在机器学习环境中，当机器被教导时，需要持续的大量专用处理。
相反，在快速数据应用程序中，您需要立即访问数据以进行安全检测（视频监控）、事件关联（事件之间的关系分析）和区块链（密码学安全记录块）。除了专用处理之外，大内存在这种情况下也起着关键作用，因为大量的内存可以解决原本无法通过 I/O 操作通过深层 I/O 堆栈解决的问题。
opensource.com
将决策权委派给 CPU，允许其支配内存、I/O 和其他资源是开发的障碍。
边缘处理
在网络边缘（数据所在的位置）计算数据并获得实时智能的能力对于支持新的、创造性的应用程序非常重要。这些类型的应用程序的开发和设计旨在立即从捕获的内容中获取有价值的上下文。
计算技术的进步使这种新型应用程序能够在边缘实现，这些应用程序由物联网 (IoT) 和工业物联网 (IIoT) 设备和系统生成。RISC-V 开放指令集架构 (ISA) 在此发挥着强大的作用。
RISC-V 如何支持未来的数据需求
RISC-V 是一种 ISA，它通过开放标准协作实现处理器创新。它在处理器架构上提供了新的开放、可扩展的软件和硬件自由度，为计算设计和创新的新时代铺平了道路。与 RISC-V 的开放标准方法形成对比的是，一些商业芯片供应商对其专有源代码和专利的使用收取许可费。
基于其开放的模块化方法，RISC-V 非常适合作为以数据为中心的计算架构的基础。作为操作系统处理器，它可以通过支持资源的独立扩展来实现专用架构。它的模块化设计方法允许更高效的处理器来支持基于边缘和移动的系统。随着大数据和快速数据应用程序开始创建更极端的工作负载，将需要专用架构来弥补当今 GP 架构已达到极限的地方。
opensource.com
RISC-V 具有支持以存储为中心的架构所需的能力、基础、生态系统和开放性，这些架构支持人工智能、机器学习和分析等大数据应用程序。RISC-V 还可以支持以内存为中心的架构，这些架构支持快速数据以及所有基于边缘和实时的应用程序。如果设计需要多个 PB 的主内存，RISC-V 可以实现优化的设计。如果应用程序的处理器设计需求较小，但内存需求很大，或者需要数千个处理核心和极少的 I/O，RISC-V 可以实现资源的独立扩展和模块化设计方法。
很快，世界将看到针对特定应用或解决特定需求而优化的新型处理器设计。RISC-V 具有许多支持此要求的功能。它提供 16 到 128 位的独立可扩展性和模块化设计，非常适合嵌入式和企业应用程序。RISC-V 能够跨大数据和快速数据频谱交付功能，跨以存储为中心和以内存为中心的架构进行处理，并从数据中交付价值，这将有助于推动处理器设计转向以数据为中心。
未来方向
RISC-V 开辟了大量机会来扩展以数据为中心的架构，引入新的指令，并在数据驻留的地方处理数据。目前，我们看到的生态系统不必要地在数据中心周围穿梭数据。在数据所在的位置处理数据是有价值的。
开发用于大数据和快速数据环境的专用处理器有很多选择。这些包括利用广泛的 RISC-V 发明者社区，他们可以将处理更靠近存储和内存产品中的数据，或者他们将积极合作、共同开发或投资于生态系统以开展开发工作。结果将是能够提供专用功能并为捕获的数据增加价值的处理器。
评论已关闭。