Une astuce de mémoire pourrait accélérer le Web

Les chercheurs en informatique de Stanford veulent jeter le disque dur et stocker les informations dans les centres de données dans la mémoire vive, le stockage temporaire le plus coûteux qui accélère l'exécution des programmes.

Les disques durs d'aujourd'hui peuvent contenir environ 10 000 fois plus d'informations qu'au milieu des années 1980, mais ils ne peuvent transférer de grandes quantités de données qu'environ 50 fois plus vite qu'ils ne le pouvaient à l'époque. Il s'agit d'un goulot d'étranglement de plus en plus important pour les données stockées sur un serveur dans un centre de données, du genre de plus en plus courant à mesure que les entreprises transfèrent leurs données vers le cloud computing .

Pour les applications qui doivent manipuler beaucoup de données très rapidement, comme la négociation d'actions à haute fréquence ou la traduction de pages Web d'une langue à une autre, le délai est un problème, explique Jean Ousterhout , professeur-chercheur en informatique à Stanford et chef d'un nouveau projet basé sur l'idée, baptisé RAMCloud. Nous voyons de plus en plus d'applications intéressantes qui ont d'énormes ensembles de données et accèdent à ces données de manière très intensive, dit-il.

Le système proposé par Ousterhout est basé sur la mémoire vive dynamique (DRAM). Dans les ordinateurs personnels, une fois les données extraites d'un disque ou d'un lecteur flash, elles sont temporairement stockées dans la DRAM, qui fournit un programme avec un accès très rapide. Les données sont stockées sous forme de charge électrique sur un condensateur. Dans un centre de données, récupérer des bits de la DRAM et les envoyer sur le réseau interne du centre devrait être 100 à 1 000 fois plus rapide que de les obtenir à partir d'un disque.

Vous serez en mesure de créer de nouveaux types d'applications qui n'étaient tout simplement pas possibles auparavant, explique Ousterhout. Pouvez-vous jamais penser à un moment dans l'histoire de la technologie où l'amélioration de la vitesse par mille… s'est produite et rien n'a changé ?

Certains autres informaticiens sont plus sceptiques. J'espérais entendre un argument plus convaincant, a écrit Murat Demirbas, professeur agrégé d'informatique et d'ingénierie à l'Université d'État de New York, Buffalo, dans un article de blog sur l'article RAMCloud d'Osterhout. Demirbas écrit également que l'utilisation de nombreux disques en parallèle pourrait être une autre approche pour réduire les temps de récupération.

Une préoccupation est le coût potentiel du RAMCloud. Ousterhout estime que 2 000 serveurs pourraient fournir 48 téraoctets de stockage DRAM à 65 $ par gigaoctet. C'est 50 à 100 fois plus cher que les disques. Cependant, si vous regardez le coût en termes de nombre de bits auxquels vous pouvez accéder par seconde, la DRAM est en fait 10 à 100 fois moins chère que le disque, dit Ousterhout. Et il prévoit que d'ici 2020, avec les améliorations de la technologie DRAM, un RAMCloud pourrait stocker de un à 10 quadrillions d'octets à seulement 6 $ par gigaoctet.

Ousterhout compare la situation aux années 1970, lorsque les disques durs ont supplanté les lecteurs de bande comme système de stockage principal pour les ordinateurs, non pas parce qu'ils étaient moins chers, mais parce qu'ils rendaient les ordinateurs plus efficaces. Les disques ne sont jamais moins chers que les bandes, dit Ousterhout. Je pense que la même chose va se produire avec la DRAM.

Un autre problème avec la DRAM est qu'elle est volatile, ce qui signifie qu'elle ne contient des informations que tant que l'électricité y circule. Ainsi, RAMCloud utiliserait toujours des disques comme stockage de sauvegarde, ainsi que des copies supplémentaires de données dans la DRAM, permettant de récupérer les données perdues lors d'un crash.

Luiz Barroso, ingénieur distingué chez Google, affirme que le groupe Stanford s'attaque à un problème très important et qu'il y voit des promesses. L'économie de la technologie DRAM actuelle exclurait RAMCloud comme solution à certains problèmes importants de Big Data, mais cela pourrait être convaincant pour des charges de travail de taille plus modeste, dit-il.

cacher