Liqid agrega DRAM a su infraestructura componible

Pionero en el mercado de infraestructura componible o desagregada con su competidor Fungible, Liqid continúa desarrollando su plataforma Matrix. Después de entrevistas por videoconferencia debido a la pandemia, finalmente los conocimos en el sitio como parte del último IT Press Tour a principios de junio de 2022. Después de GPU, DPU, FGPA y almacenamiento flash, la puesta en marcha con sede en Broomfieed, cerca de Denver. , Colorado, agrega administración de DRAM y memoria de clase de almacenamiento (SCM) a su chasis desagregado con soporte para el protocolo de interconexión CXL sobre PCIe 5.0. Para admitir la memoria, Liqid usa la tecnología BigMemory de MemVerge que combina DRAM y Dimm Optane en un solo grupo agrupado para aplicaciones. El soporte de memoria era muy esperado por los clientes que están adquiriendo capacidad adicional en el chasis Liqid en función de sus necesidades de HPC, compresión de video e IA. “Las soluciones basadas en Intel Optane de MemVerge y Liqid brindan velocidades de datos cercanas a la memoria para aplicaciones que necesitan maximizar la potencia informática para extraer de manera eficiente información procesable de la avalancha de datos en tiempo real”, nos dijo Ben Bolles. , director de producto de Liquidid.

Plataforma Matrix de Liqid para explotar dinámicamente los recursos de hardware de un grupo de servidores. (Crédito SL)

Liqid ofrece varios tipos de chasis: el EX 4400, un servidor 4U x86 realmente suministrado por Dell, HP, Lenovo o Supermicro, para alojar tarjetas PCIe (10 o 20 ranuras según el modelo), una especie de Jbod (32 bahías) para SSDs (flash y Optane), y un módulo dedicado para memoria persistente desarrollado con Intel (Composable Memory Kit) sin olvidar los switches de fabric PCIe para agregar recursos. Todavía se espera un chasis CXL, con soporte de interfaz PCIe 5.0. Asociados con el software de orquestación y el tejido Ethernet de la puesta en marcha, estos chasis luego comparten los recursos de tarjetas PCI GPU, DPU o FPGA, NVMe/Optane SSD y memoria persistente con clústeres de servidores. El motor de orquestación controla con precisión la asignación de las capacidades disponibles según las cargas de trabajo. Tenga en cuenta que solo un grupo de servidores puede acceder a los SSD. Los recursos componibles están disponibles para servidores bare-metal, pero también para máquinas virtuales y contenedores. GPU, DPU, FPGA y flash se pueden combinar en el chasis Liqid. “Pero las mayores oportunidades hoy en día están en el lado de la GPU”, nos dijo el CEO de Liqid, Sumit Puri.

Se espera soporte DRAM con la llegada de chasis equipados con la interfaz CXL con el protocolo PCIe 5.0. (Crédito SL)

Un complemento de vCenter para crear y administrar un grupo de Liqid componible

“Nuestro centro de datos dinámico ahorra dinero en comparación con las soluciones en la nube para el uso intensivo de CPU y GPU”, dice Sumit Puri. “El primer uso para nuestros clientes es la asignación y el uso compartido de GPU, DPU, FHPS y otras SmartNIC. Tenemos mucho éxito en HPC”. La reorganización de recursos para alimentar nuevos proyectos también es destacada por la puesta en marcha. “La reconfiguración de compilación es dinámica, solo toma 10 segundos reasignar las GPU sin reiniciar el servidor”, agregó el CEO. Las GPU funcionan directamente sin pasar por procesadores para reducir la latencia (25 a 30 ns) y mejorar la cantidad de ancho de banda utilizable. Tenga en cuenta que Liqid funciona en modo peer-to-peer (ioDirect) para su flujo de datos. “Cuando un proyecto comienza con un cliente, puede ser necesario movilizar todas las GPU disponibles y luego reasignarlas gradualmente”.

Durante nuestra conferencia de prensa, Liqid también destacó la disponibilidad de su complemento para vCenter para crear y administrar directamente un grupo de Liqid componible desde la consola de VMware. Si vSphere es el primer hipervisor compatible con Liqid, vendrán otros: KVM e Hyper-V, por ejemplo. Un cliente francés, Orange, sin mencionarlo, vino a probar la solución con GPU Nvidia para proporcionar un procesamiento de aprendizaje profundo.