当前位置: 首页 > news >正文

学习算力网络必会关键词

算力网络(Computility Network)
算力网络是以算为中心、网为根基,网、云、数、智、安、边、端、链(ABCD-NETS)等深度融合、提供一体化服务的新型信息基础设施。算力网络的目标是实现“算力泛在、算网共生、智能编排、一体服务”,逐步推动算力成为与水电一样,可“一点接入、即取即用”的社会级服务。

算力(Computility)
算力是数据中心服务器对数据处理并实现结果输出的一种能力,是衡量数据中心计算能力的一个综合指标,包含通用计算能力、超级计算能力和智能计算能力。常用计量单位是每秒执行的浮点运算次数(FLOPS,1EFLOPS=10^18 FLOPS),数值越大代表综合计算能力越强。

中央处理器(Central Processing Unit 简称 CPU)
中央处理器(CPU)是个人电脑和服务器中的核心芯片,承担通用计算或控制任务。

图形处理器(Graphics Processing Unit 简称GPU)
图形处理器(GPU)又称显示核心、视觉处理器、显示芯片,是个人电脑、游戏设备、移动终端中进行图像 / 图形运算的处理器芯片,也用于人工智能的训练、推理等。

数据处理器(Data Processing Unit 简称DPU)
数据处理器(DPU)是面向以数据为中心的计算的新一代处理器,专注于数据处理,可以实现更高效的数据处理和计算。

x86中央处理器指令集(x86 instruction set architecture 简称x86)
X86指令集是一种基于Intel 8086微处理器的指令集架构,它属于复杂指令集计算机(CISC)。该指令集架构最初由英特尔公司开发,并被广泛用于其后续的处理器产品中。X86指令集支持16位、32位和64位运算,同时兼容不同的操作系统和应用程序。它定义了处理器与内存、输入/输出设备之间的交互方式,以及各种计算和控制操作。是计算机体系结构中最为广泛使用和认可的指令集之一。

ARM中央处理器指令集(Advanced RISC Machine instruction set architecture 简称ARM)
ARM指令集是ARM处理器系列所遵循的指令集架构,是ARM公司发布的最新版本的ARM指令集架构,它属于精简指令集计算机(RISC),它定义了处理器的工作方式、寄存器、异常处理等等。ARM指令集可以分为跳转指令、数据处理指令、程序状态寄存器(PSR)处理指令、加载/存储指令、协处理器指令和异常产生指令六大类。ARM指令集广泛应用于嵌入式系统、智能手机、平板电脑等设备中。

第五代精简指令集(RISC-V instruction set architecture 简称RISC-V)
RISC-V指令集是一种基于精简指令集(RISC)原则的开源指令集架构(ISA)。与大多数指令集相比,RISC-V具有更好的灵活性以及扩展性,并且它不需要任何授权费,可以应用于商业场景。该指令集设计适用于现代计算设备,如高端移动电话和微小嵌入式系统等,并具有众多支持的软件。

芯粒(Chiplet)
Chiplet将复杂芯片拆解成一组具有单独功能的小芯片单元die(裸片),通过 die-to-die 将模块芯片和底层基础芯片封装组合在一起。Chiplet可以大幅提高大型芯片的良率,可以降低设计的复杂度和设计成本,还能降低芯片制造的成本。

存算一体(Computing in Memory 简称CIM)
存算一体是一种新型的计算架构,通过将计算和存储集成到一个芯片上,形成一种紧密耦合的结构,计算操作可以直接在存储器中执行,而不需要经过传统的存储-计算-存储的流程,避免了频繁的数据传输,提高计算效率,降低数据传输能耗,打破了传统冯·诺依曼结构的瓶颈。

摩尔定律(Moore’s Law)
摩尔定律是英特尔创始人之一戈登·摩尔的提出的商业预测,其核心内容为:集成电路上可以容纳的晶体管数目在大约每经过18-24个月便会增加一倍。换言之,处理器的性能大约每两年翻一倍;同样性能处理器的价格大约每两年下降为之前的一半。

冯·诺依曼结构(Von Neumann Architecture)
冯·诺依曼结构由数学家冯·诺依曼提出,是当前主流的计算机结构,他提出计算机制造的三个基本原则,即采用二进制逻辑、程序存储执行以及计算机由五个部分组成(运算器、控制器、存储器、输入设备、输出设备)。

通用计算(General Computing)
通用计算是主要以通用算力(CPU芯片输出的计算能力)为主的计算类型,主要用于普通计算领域。以通用算力为主的算力中心一般称作通算中心(General Com-puting Center)。

智能计算(Intelligent Computing)
智能计算是以智能算力(基于GPU、FPGA、ASIC等芯片提供的人工智能训练和推理的计算能力)为主的计算类型,主要用于语音、图像和视频的处理。以智能算力为主的算力中心一般称作智算中心(Intelligent Computing Center)。

超级计算(Super Computing)
超级计算是以超算算力(基于超级计算机等高性能计算集群所提供的计算能力)为主的计算类型,主要用于尖端科学领域的计算,比如行星模拟、药物分子设计、基因分析等。以超级算力为主的算力中心一般称作超算中心(Supercomputing Center)。

边缘计算(Edge Computing)
边缘计算是在靠近物或数据源头的网络边缘侧,融合网络、计算、存储、应用核心能力的开放平台,就近提供边缘综合服务,满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

端算力(Terminal Computility)
端算力是指用户侧终端设备(包括个人终端、家庭终端等)以及端侧集中部署的设备(包括小区入口设备、边缘节点等)的算力。这种计算模式使得设备能够实时响应用户的请求,提供更快的响应速度和更好的用户体验。端算力在智能家居、智能制造、智慧医疗等领域都有广泛的应用。

量子计算(Quantum Computing)
量子计算利用量子力学中的叠加态和纠缠等特性,通过量子比特(可同时表示0和1的叠加态)进行计算,能够在某些问题上比传统计算机更快地找到解决方案,可以用于通信、金融、化学、能源、人工智能、密码学、物联网、生物科学等领域。

云原生(Cloud Native)
云原生是在云上构建、运行、管理应用程序的一套技术体系和管理方法,依托微服务架构,敏捷基础设施与平台服务和高效研发运维模式,简化云上业务开发管理难度,构建敏捷健壮的业务系统。

算力原生(Cross Archs Migration Application 简称CAMA)
算力原生是以统一的算力资源模型和标准的编程接口为基础,通过跨架构编译优化技术和原生运行时技术,屏蔽复杂的软、硬件差异,实现同一应用一套代码、动态重构一体部署、灵活迁移高效执行。开发者无需为每种设备或环境重新编写代码,大大提高了开发效率和应用的适应性。

算力池化(Pooling of Computility)
算力池化是集中管理和动态分配计算资源的方法,通过灵活调度实现资源最大化利用。它根据需求动态分配资源,提高利用率。区别于传统虚拟化,算力池化注重资源的灵活调度和高效利用,具备负载均衡、可扩展性、优化管理、安全保障和节能环保等优点,适用于需求变化大的场景。

容器集群(Container Cluster)
容器集群是由多个容器节点组成的集群,每个节点上运行着容器引擎,可以创建、部署和管理容器化应用。

裸金属(Bare Metal)
裸金属服务器为无虚拟化层的物理机,用户可全权掌控硬件环境,自由安装软件与操作系统,并直接访问所有硬件资源,如CPU、内存和硬盘。裸金属服务器兼具物理机和虚拟机的优点,不仅具有高性能、稳定、安全隔离的特性,还能满足灵活性和资源弹性的需求,常用于高性能应用如大型数据库、游戏服务器等。


http://www.mrgr.cn/news/62643.html

相关文章:

  • qt QBrush详解
  • uniapp实现书架
  • java 第19天 Lambda、jdk8.0新方法、Optional
  • 极简实现酷炫动效:Flutter隐式动画指南第三篇自定义Flutter隐式动画
  • 浅谈射频应用
  • springboot获取七牛云文件上传凭证token
  • 哈希表应用(位图和布隆过滤器)
  • HTB-Cicada 靶机笔记
  • ETL处理全流程
  • Linux 命令解释器-shell
  • stm32入门教程--USART外设 超详细!!!
  • Linux:线程池
  • qt QSlider详解
  • 软设每日打卡——折半查找二叉判定树、平衡二叉树
  • 多线程案例---单例模式
  • 2024年NSSCTF秋季招新赛-WEB
  • Convolution 卷积
  • 前端笔面试查漏补缺
  • 鸿蒙系统:核心特性、发展历程与面临的机遇与挑战
  • JSP水果商城管理系统WEB项目
  • Vue中path和component属性
  • 宠物空气净化器是否有用?五大高性价比宠物空气净化器种草推荐
  • 前端如何安全存储密钥,防止信息泄露
  • 高级SQL技巧:优化查询与提升性能(附11个示例代码)
  • #HarmonyOS:名词
  • Leetcode 198. 打家劫舍 动态规划