Facebook透露为AI和VR打造硬件的原因

　　新的设计提升了处理器和处理器之间、处理器和内存之间的通信效率。

　　「我们将CPU简化至正好能满足我们要求，」这两位工程师表示，「我们移除了QPI链接，缩减了英特尔的成本。考虑到我们的服务器将基于同一的插槽，这也解决了我们NUMA问题。我们将其设计为整合芯片集的系统芯片，更加简单。这种接口一致的CPU散热设计功耗(TDP)更低。与此同时，我们重新设计的服务器基础设施，在同等电源条件下，容纳每个机架双倍的CPUs数量。」

　　这使得Facebook制造出一个可以在每个机架上获得更高性能的服务器体系结构，同时确保每个机柜能量消耗密度保持在11千瓦以下。

　　强大的人工智能数据分析服务器

　　Facebook 在会上还分享了GPUs最新进展，近年来，GPU在高性能计算中发挥了重要作用。GPUs 最初是用于提升桌面PC性能，处理图形运算，但是现在却帮助提升全球一些性能最强大的超级计算机。

　　Facebook 使用GPUs给人工智能和机器学习数据分析带来更强大的计算能力。其人工智能实验室训练神经网络去解决新问题。这就需要强大的计算能力。

　　「我们已经在人工智能技术方面投入了很多。」Facebook 工程和基础设施(Engineering and Infrastructure)部门 全球老大Jay Parikh说，「目前，人工智能应用于Facebook的Newsfeed，帮助我们提供更好的广告服务。也能帮助用户在日常生活中更安全地使用Facebook。」

　　△ Facebook 的 Big Sur

　　Big Sur 系统使用了英伟达Tesla 加速计算平台，拥有8个高性能GPUs，每个功率达300瓦特，在多个PCI-e连接之间灵活配置。Facebook已经优化了这些新型服务器的发热和功耗控制，使其可以与数据中心中配备标准CPU的服务器协同工作。

　　Big Sur 系统优化了性能和反应时间，帮助Facebook处理更多的数据，极大地缩短了其训练神经网络的时间。

　　「性能有了极大的提升，」Parikh说，「我们在数月间就部署了数千台这种机器。使得我们有能力将该技术应用于公司更多的产品实例。」

　　存储：Just a buch of Flash

　　多年来，Facebook已经在用闪存来加速服务器引导驱动，提升缓存效率。随着公司基础设备进一步扩大规模，Facebook创造了一种新型「模块」，在服务器运算中整合更多的闪存。Facebook已经改进了初代开放计算机——即Knox——的存储驱动器，使用固态硬盘(SSDs)取代存储硬盘存储(HDDs)，存储单元从磁盘簇(JBOD)转到了闪存簇(JBOF)。

　　Facebook和英特尔合作开发这种新型的闪存簇单元，称之为Lighting，反应了使用NVMe带来了速度提升，NVMe是为SSDs优化的高速PCI总线接口。下面我们通过Parikh 在开放计算峰会上展示的幻灯片来看看具体的参数。

　　△ 参数

　　作为一个分散式(disaggregated)存储设备，Lightning 支持各种不同的应用。「这为我们正在开发的应用带来了一个高性能存储式的新型建造模块。」Parikh说。Parikh表示将来会有更多存储方面的创新，尤其是创新地使用非易失性存储器(NVM)。