شرکت AMD با معرفی فناوری جدید خود تحت عنوان Mext، راهکاری نوآورانه برای بهینه‌سازی مدیریت حافظه (Memory Management) در سرورهای خود ارائه داده است. این فناوری با بهره‌گیری از مدل‌های هوش مصنوعی (AI)، فرآیند SWAP را هوشمندسازی کرده و امکان کاهش چشمگیر هزینه‌های زیرساختی را فراهم می‌کند.
مکانیزم عملکرد: پیش‌بینی هوشمند صفحات حافظه
در سیستم‌های سنتی، استفاده از حافظه Flash یا NVMe به جای DRAM به دلیل سرعت بسیار پایین‌تر، منجر به افت شدید عملکرد (Performance) و نقض توافق‌نامه‌های سطح سرویس (SLA) می‌شود. فناوری Mext این چالش را با استفاده از مدل‌های یادگیری ماشین (Machine Learning) حل می‌کند. این مدل‌ها که از مشتقات معماری Transformer (مشابه مدل‌های ChatGPT یا Claude) استفاده می‌کنند، الگوهای دسترسی به حافظه را پایش کرده و پیش‌بینی می‌کنند که کدام صفحات حافظه (Memory Pages) در آینده مورد نیاز خواهند بود.
با این روش، صفحات “سرد” (Cold Pages) که به مدت طولانی مورد استفاده قرار نگرفته‌اند، به حافظه‌های Flash ارزان‌تر منتقل می‌شوند و پیش از آنکه سیستم‌عامل یا اپلیکیشن به آن‌ها نیاز داشته باشد، دوباره به DRAM بازگردانده می‌شوند. این فرآیند به گونه‌ای انجام می‌شود که از دید اپلیکیشن، حافظه همچنان به صورت DRAM در دسترس است.
کاهش هزینه‌ها و عملکرد در محیط‌های عملیاتی
- کاهش هزینه: طبق اعلام AMD، این فناوری می‌تواند هزینه‌های سرورهای سازمانی را تا ۸۳ درصد کاهش دهد، زیرا نیاز به ماژول‌های گران‌قیمت RDIMM را کمتر می‌کند.
- عملکرد بالا: در تست‌های انجام شده بر روی ابزارهای EDA و محیط‌هایی مانند Apache Spark، سیستم توانسته است با وجود جایگزینی بخشی از DRAM با Flash، حدود ۹۵ تا ۹۹ درصد عملکرد اصلی را حفظ کند.
- آموزش در سطح هسته (On-core Training): برخلاف بسیاری از مدل‌های هوش مصنوعی، مدل‌های Mext مستقیماً روی هسته‌های CPU (بدون نیاز به GPU) آموزش می‌بینند که این امر فرآیند را برای تمامی کاربران پردازنده‌های Epyc در دسترس قرار می‌دهد.
این فناوری در حال حاضر در مرحله اول عرضه خود قرار دارد و از طریق شرکای OEM (مانند HPE) برای آماده‌سازی سیستم‌های “Mext-ready” در حال پیاده‌سازی است. در مراحل بعدی، لایسنس‌های این نرم‌افزار به صورت مستقیم عرضه خواهد شد.
