解读三星CMM-D助力内存数据库突破性能瓶颈

重塑内存扩展边界

解读三星 CMM-D 助力内存数据库突破性能瓶颈

用三星 CMM-D 突破内存墙，构建下一代 IMDB 基础设施

内存扩展的局限性与 CXL® 的崛起

现代 CPU 发展迅猛，但受限于 DRAM 插槽、通道与成本，内存仍是关键瓶颈——这导致了“内存墙”的出现，限制了处理器性能的充分发挥。

三星 CMM-D 是一款基于 CXL 2.0 并通过 PCIe® 连接的内存模块，旨在通过突破原生 CPU 通道的限制来扩展内存容量与带宽，从而克服上述制约。它实现了跨服务器的灵活内存扩展与池化，显著提升了数据中心的资源利用率。因此，CMM-D 有助于为数据密集型应用构建更加均衡、高效的基础实施。

为何 CMM-D在现代内存数据库中至关重要

CMM-D 引入了基于 PCIe 5.0 和 CXL 2.0 标准的灵活、自适应内存，实现了与现代服务器平台无缝融合的缓存一致性内存扩展。该架构专为支持内存数据库、人工智能/机器学习(AI/ML)和大规模云应用等严苛工作负载而设计。

其核心优势在于能够突破传统 DDR DIMM 插槽的限制，大幅扩展内存带宽与容量，使系统能够从容应对快速增长的数据集，同时确保 CPU 摆脱内存瓶颈、保持高效运行。此外，通过减少 DRAM 超配、扩展现有基础设施并降低昂贵的服务器升级需求，CMM-D 带来了显著的总体拥有成本(TCO)优势。

最后，借助内存池化技术带来的灵活系统运维能力，CMM-D 实现了跨多台服务器共享内存的动态分配，从而大幅提升资源利用率，并完美支持高度变化的工作负载。综上所述，这些卓越的功能使 CMM-D 成为构建诸如 SAP HANA 等现代内存数据库环境的坚实基石。

SAP HANA 作为演进平台

SAP HANA(高性能分析一体机)是一款内存数据库管理系统，它将 OLTP(联机事务处理)与 OLAP(联机分析处理)工作负载整合于单一平台，专为实时分析与交易而设计。它将数据以压缩的列式存储格式保留在主内存中，在实现极速查询处理的同时，保持较低的内存占用。列式数据存储于经过读取优化的“主存储”中，同时系统会维护一个独立的“增量存储”以优化写入操作。主存储包含表数据，而增量存储则是经过写入优化的列式存储，用于保存新插入或修改的数据，并定期与主存储合并，以实现性能与效率的完美平衡。此外，系统还分配了专属的内存区域，用于存储查询处理过程中的操作数据与中间结果。该分配空间被称为“HEX 堆内存”。由于大型数据集必须驻留于内存中，且分析查询会消耗庞大的内存带宽，SAP HANA 作为一款业界公认的高度内存密集型平台，是评估 CMM-D 性能表现的理想选择。

CMM-D 与 RDIMM在 SAP HANA 中的性能评估

本研究评估了在采用 SAP HANA 的内存数据库环境中使用 CMM-D 的可行性。实验对比了将主存储与 HEX 堆内存储置于 RDIMM 还是 CMM-D 上时的性能差异，并首先使用 Intel MLC(内存延迟检查器)测量了基准设备性能。在性能分析中，TPC-C 测试结果表明 RDIMM 与 CMM-D 之间没有实质性的性能差异；而在 TPC-DS 测试中，CMM-D 则根据不同的内存访问模式表现出不同类型的性能下降。

进一步的工作负载分析考察了访问模式、读写比例以及顺序与随机行为。主存储主要表现为顺序读取访问，而 HEX 堆内存的顺序特征较弱。未完成*请求分析表明，HEX 堆内存产生了明显更多的未完成请求，这增加了延迟并在 CMM-D 设备上造成了额外开销，从而解释了观察到的性能差异。

*未完成(Outstanding)：指设备在接收主机命令后需处理的在途请求数量。(当收到主机请求时，未完成计数加 1;待设备处理完毕并将响应发回主机后，未完成计数减 1)

对IMDB可扩展性的影响

本研究通过多场景评估了 CMM-D，以验证其在内存数据库环境中的适用性。结果显示，在 OLTP 工作负载(TPC-C)中，CMM-D 能够提供媲美 RDIMM 的性能表现，充分印证了其作为大容量内存替代方案的可行性。在 OLAP 工作负载(TPC-DS)中，对于具备顺序访问模式且流量需求相对适中的应用，CMM-D 同样表现优异;这表明在与工作负载特征相契合的前提下，CMM-D 在更广泛的内存数据库应用中极具潜力。

这些研究结果凸显了在现代内存数据库系统中，内存扩展性挑战日益突出的影响。通过同步扩展内存带宽与容量，CMM-D 成功突破了 DRAM 的固有局限，从而为数据密集型工作负载带来更高的并发处理能力、更稳定的延迟表现以及更出色的可扩展性。

[1] 白皮书：三星 CMM-D 在 IMDB 应用中的运用

白皮书提供了量化洞察与实验数据，对本文探讨的架构视角进行了有力补充，并深入剖析了为何三星 CMM-D 会成为打破下一代内存数据库基础设施“内存墙”的关键解决方案。