Nella prima puntata, che potete trovare qui , vi abbiamo parlato dei principali dispositivi di memorizzazione e delle loro caratteristiche prestazionali, soffermandoci in particolare sulle NVDIMM (Non Volatile Dual in-line Memory Module), devices che vengono alloggiati negli slot comunemente usati per la memoria RAM, di cui abbiamo fornito una classificazione.

Continuiamo il nostro articolo ponendoci alcune domande: sono gli NVDIMM così performanti come dichiarato? Quanto è complicato il loro utilizzo?

Andiamo dunque alla ricerca delle risposte, partendo da alcune semplici verifiche di alto livello, rimandando, per ora, l’utilizzo in scenari applicativi reali e di grande interesse.

Configurazione dei moduli Intel DCPMM

La configurazione è piuttosto semplice e può avvenire tramite differenti strumenti: all’avvio del sistema, utilizzando l’utility per la configurazione del BIOS, avviando una UEFI shell, oppure usando appositi tool disponibili sia per Linux che per Windows.

Scegliamo l’ultima strada, essendo quella più indipendente dalla piattaforma sottostante; il management dei moduli avviene tramite due strumenti open-source: ipmctl (https://github.com/intel/ipmctl) e ndcrl (https://github.com/pmem/ndctl), che sono in genere inclusi nei repository delle principali distribuzioni Linux.

Possiamo verificare semplicemente la presenza di DCPMM sul sistema in esame, dotato in questo caso di 12 moduli da 256GB, e la loro collocazione negli slot dedicati:

[root@pmserver ~]# ipmctl show -topology

 DimmID | MemoryType                  | Capacity  | PhysicalID| DeviceLocator
==============================================================================
 0x0011 | Logical Non-Volatile Device | 252.4 GiB | 0x0028    | CPU1_DIMM_B2
 0x0021 | Logical Non-Volatile Device | 252.4 GiB | 0x002a    | CPU1_DIMM_C2
 0x0001 | Logical Non-Volatile Device | 252.4 GiB | 0x0026    | CPU1_DIMM_A2
 0x0111 | Logical Non-Volatile Device | 252.4 GiB | 0x002e    | CPU1_DIMM_E2
 0x0121 | Logical Non-Volatile Device | 252.4 GiB | 0x0030    | CPU1_DIMM_F2
 0x0101 | Logical Non-Volatile Device | 252.4 GiB | 0x002c    | CPU1_DIMM_D2
 0x1011 | Logical Non-Volatile Device | 252.4 GiB | 0x0034    | CPU2_DIMM_B2
 0x1021 | Logical Non-Volatile Device | 252.4 GiB | 0x0036    | CPU2_DIMM_C2
 0x1001 | Logical Non-Volatile Device | 252.4 GiB | 0x0032    | CPU2_DIMM_A2
 0x1111 | Logical Non-Volatile Device | 252.4 GiB | 0x003a    | CPU2_DIMM_E2
 0x1121 | Logical Non-Volatile Device | 252.4 GiB | 0x003c    | CPU2_DIMM_F2
 0x1101 | Logical Non-Volatile Device | 252.4 GiB | 0x0038    | CPU2_DIMM_D2
 N/A    | DDR4                        | 32.0 GiB  | 0x0025    | CPU1_DIMM_A1
 N/A    | DDR4                        | 32.0 GiB  | 0x0027    | CPU1_DIMM_B1
 N/A    | DDR4                        | 32.0 GiB  | 0x0029    | CPU1_DIMM_C1
 N/A    | DDR4                        | 32.0 GiB  | 0x002b    | CPU1_DIMM_D1
 N/A    | DDR4                        | 32.0 GiB  | 0x002d    | CPU1_DIMM_E1
 N/A    | DDR4                        | 32.0 GiB  | 0x002f    | CPU1_DIMM_F1
 N/A    | DDR4                        | 32.0 GiB  | 0x0031    | CPU2_DIMM_A1
 N/A    | DDR4                        | 32.0 GiB  | 0x0033    | CPU2_DIMM_B1
 N/A    | DDR4                        | 32.0 GiB  | 0x0035    | CPU2_DIMM_C1
 N/A    | DDR4                        | 32.0 GiB  | 0x0037    | CPU2_DIMM_D1
 N/A    | DDR4                        | 32.0 GiB  | 0x0039    | CPU2_DIMM_E1
 N/A    | DDR4                        | 32.0 GiB  | 0x003b    | CPU2_DIMM_F1

Un altro utile comando ci fornisce informazioni sul loro utilizzo: inizialmente vedremo la capacità disponibile (3029 GiB, ovvero circa 3TiB), al momento non allocata:

[root@pmserver ~]# ipmctl show -memoryresources

Capacity=3029.4 GiB
MemoryCapacity=0.0 GiB
AppDirectCapacity=0.0 GiB
UnconfiguredCapacity=3029.4 GiB
InaccessibleCapacity=0.0 GiB
ReservedCapacity=0.0 GiB

Possiamo ora assegnare la capacità a nostra disposizione per l’utilizzo tramite il memory mode o l’app direct mode, con l’interessante peculiarità di poterla ripartire tra le due modalità. Non occorre infatti allocare i moduli in maniera esclusiva.

Provisioning – memory mode

Creiamo un fat memory node, per l’elaborazione di un grande dataset o per la creazione di numerose macchine virtuali con buona dotazione di memoria, allocando tutta la capacità disponibile come memoria di sistema:

[root@pmserver ~]# ipmctl create -goal memorymode=100
The following configuration will be applied:
 SocketID | DimmID | MemorySize | AppDirect1Size | AppDirect2Size
==================================================================
 0x0000   | 0x0011 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0021 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0001 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0111 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0121 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0101 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1011 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1021 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1001 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1111 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1121 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1101 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
Do you want to continue? [y/n]
Created following region configuration goal
 SocketID | DimmID | MemorySize | AppDirect1Size | AppDirect2Size
==================================================================
 0x0000   | 0x0011 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0021 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0001 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0111 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0121 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0000   | 0x0101 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1011 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1021 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1001 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1111 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1121 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
 0x0001   | 0x1101 | 252.0 GiB  | 0.0 GiB        | 0.0 GiB
A reboot is required to process new memory allocation goals.

Come ci viene ricordato, per impostare i DCPMM in memory mode occorre un reboot, attività che va dunque pianificata per non interrompere il workload del sistema. A reboot effettuato:

[root@pmserver ~]# ipmctl show -memoryresources

Capacity=3029.4 GiB
MemoryCapacity=3029. GiB
AppDirectCapacity=0.0 GiB
UnconfiguredCapacity= 0.0 GiB
InaccessibleCapacity=0.0 GiB
ReservedCapacity=0.0 GiB

Benchmarking – memory mode

Limitandoci ad un semplice test sintetico comunemente utilizzato in ambito High Performance Computing (STREAM memory benchmark https://www.cs.virginia.edu/stream/) possiamo condurre una rapida verifica delle prestazioni, eseguendolo prima sulle tradizionali DIMM, poi sulle NVDIMM.

Volatile DIMM:

# 1 thread per physical core
[root@pmserver stream]# export OMP_NUM_THREADS=48
[root@pmserver stream]# ./stream

-------------------------------------------------------------
STREAM version $Revision: 5.10 $
-------------------------------------------------------------
This system uses 8 bytes per array element.
-------------------------------------------------------------
Array size = 120000000 (elements), Offset = 0 (elements)
Memory per array = 915.5 MiB (= 0.9 GiB).
Total memory required = 2746.6 MiB (= 2.7 GiB).
Each kernel will be executed 100 times.
 The *best* time for each kernel (excluding the first iteration)
 will be used to compute the reported bandwidth.
-------------------------------------------------------------
Number of Threads requested = 48
Number of Threads counted = 48
-------------------------------------------------------------
Function    Best Rate MB/s  Avg time     Min time     Max time
Copy:          160374.9     0.012769     0.011972     0.016018
Scale:         129198.4     0.015654     0.014861     0.017818
Add:           148268.7     0.020355     0.019424     0.024177
Triad:         149501.8     0.020302     0.019264     0.024210

Non Volatile DIMM:

Utilizzando gli stessi parametri di esecuzione (1 thread per core fisico disponibile sul sistema, 48 in tutto, allocazione di 2,7 GiB):

-------------------------------------------------------------
Function    Best Rate MB/s  Avg time     Min time     Max time
Copy:          102722.9     0.020470     0.018691     0.022534
Scale:         122823.8     0.016362     0.015632     0.018160
Add:           135089.8     0.022264     0.021319     0.025406
Triad:         136973.9     0.021946     0.021026     0.025303
-------------------------------------------------------------

A prima vista le DCPMM sembrano avere performance significativamente inferiori, con un degrado delle prestazioni compreso tra il -36% della funzione Copy ed il -9% della funzione Triad, ma occorre tenere presente le differenti frequenze di funzionamento dei due tipi di memorie, le DCPMM oggetto del test supportano infatti 2666 MT/s, mentre i moduli tradizionali sono delle DDR4@2993. Pertanto, se confrontiamo le due tecnologie a parità di frequenza, possiamo affermare che le DCPMM hanno prestazioni in linea con i moduli di memoria tradizionali. Un’area di memoria 10 volte più grande (3029 GiB di NVDIMM contro 384 GiB di DDR4) avente prestazioni analoghe è un sogno che si avvera.

Diamo ora una rapida occhiata all’utilizzo in modalità storage, al fine di creare un veloce device a blocchi.

Provisioning – Storage over App Direct

Per creare un device a blocchi in maniera molto semplice possiamo utilizzare il seguente comando che allocherà a tale device tutta la capacità disponibile nei moduli connessi ad un socket (2 moduli da 128GB nel caso in esame):

[root@pmserver ~]# ndctl create-namespace -m fsdax

Verifichiamo l’avvenuta creazione del device, la sua capacità (256GB) ed il nome assegnato (pmem1):

[root@pmserver ~]# ndctl list -N
[
  {
    "dev":"namespace1.0",
    "mode":"fsdax",
    "map":"dev",
    "size":266352984064,
    "uuid":"5d0eb50d-6b79-4acb-b36e-32ac535ac440",
    "sector_size":512,
    "align":2097152,
    "blockdev":"pmem1"
  }
]

Formattiamo e montiamo il device così creato:

[root@pmserver ~]# mkfs.xfs /dev/pmem1
meta-data=/dev/pmem1             isize=512    agcount=4, agsize=16256896 blks
         =                       sectsz=4096  attr=2, projid32bit=1
         =                       crc=1        finobt=0, sparse=0
data     =                       bsize=4096   blocks=65027584, imaxpct=25
         =                       sunit=0      swidth=0 blks
naming   =version 2              bsize=4096   ascii-ci=0 ftype=1
log      =internal log           bsize=4096   blocks=31751, version=2
         =                       sectsz=4096  sunit=1 blks, lazy-count=1
realtime =none                   extsz=4096   blocks=0, rtextents=0
[root@pmserver ~]# mount -o dax,noatime /dev/pmem1 /mnt/nvdimm

Benchmarking – Storage over App direct

Un semplice test, rappresentativo di uno casi più penalizzanti[1] in termini di prestazioni, ci conferma la bassa latenza di questi dispositivi, che si attesta attorno ai 6,05 us (microsecondi), un valore inferiore di alcuni ordini di grandezza degli usuali dispositivi SSD.

[root@pmserver ~]# fio --section=randwrite_8files ../worst_case.fio.job
randwrite_8files: (g=0): rw=randwrite, bs=(R) 4096B-4096B, (W) 4096B-4096B, 
(T) 4096B-4096B, ioengine=libpmem, 
iodepth=1
...
fio-3.18
Starting 4 processes
Jobs: 1 (f=1): [_(3),w(1)][96.2%][w=636MiB/s][w=163k IOPS][eta 00m:01s]
randwrite_8files: (groupid=0, jobs=4): err= 0: pid=231388: Tue Oct 13 14:55:43 2020
  write: IOPS=422k, BW=1647MiB/s (1727MB/s)(40.0GiB/24873msec)
    clat (usec): min=2, max=413, avg= 6.01, stdev= 2.74
     lat (usec): min=2, max=413, avg= 6.05, stdev= 2.74
    clat percentiles (nsec):
     |  1.00th=[ 2448],  5.00th=[ 2992], 10.00th=[ 3312], 20.00th=[ 3856],
     | 30.00th=[ 4320], 40.00th=[ 4512], 50.00th=[ 5088], 60.00th=[ 5856],
     | 70.00th=[ 6944], 80.00th=[ 8256], 90.00th=[10048], 95.00th=[11456],
     | 99.00th=[14016], 99.50th=[15040], 99.90th=[17536], 99.95th=[18816],
     | 99.99th=[24448]
    lat percentiles (nsec):
     |  1.00th=[ 2480],  5.00th=[ 3024], 10.00th=[ 3376], 20.00th=[ 3888],
     | 30.00th=[ 4320], 40.00th=[ 4576], 50.00th=[ 5088], 60.00th=[ 5920],
     | 70.00th=[ 6944], 80.00th=[ 8256], 90.00th=[10048], 95.00th=[11456],
     | 99.00th=[14016], 99.50th=[15040], 99.90th=[17536], 99.95th=[18816],
     | 99.99th=[24448]
   bw (  MiB/s): min= 1320, max= 3015, per=100.00%, avg=2178.24, stdev=149.69, samples=152
   iops        : min=338056, max=771888, avg=557629.57, stdev=38320.01, samples=152
  lat (usec)   : 4=23.50%, 10=66.24%, 20=10.22%, 50=0.03%, 100=0.01%
  lat (usec)   : 250=0.01%, 500=0.01%
  cpu          : usr=56.82%, sys=43.16%, ctx=909, majf=0, minf=10488802
  IO depths    : 1=100.0%, 2=0.0%, 4=0.0%, 8=0.0%, 16=0.0%, 32=0.0%, >=64=0.0%
     submit    : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
     complete  : 0=0.0%, 4=100.0%, 8=0.0%, 16=0.0%, 32=0.0%, 64=0.0%, >=64=0.0%
     issued rwts: total=0,10485760,0,0 short=0,0,0,0 dropped=0,0,0,0
     latency   : target=0, window=0, percentile=100.00%, depth=1

Run status group 0 (all jobs):
  WRITE: bw=1647MiB/s (1727MB/s), 1647MiB/s-1647MiB/s (1727MB/s-1727MB/s), 
io=40.0GiB (42.9GB), run=24873-24873msec

Disk stats (read/write):
  pmem1: ios=0/0, merge=0/0, ticks=0/0, in_queue=0, util=0.00%

Conclusioni

Gli Intel DCPMM, che di fatto costituiscono un’implementazione di NVDIMM-P, confermano le attese dimostrandosi in grado di poter fornire sia aree di memoria volatile di grandi dimensioni e con prestazioni paragonabili ai classici moduli di RAM, sia aree storage a blocchi con latenze inferiori ai migliori dispositivi SSD presenti sul mercato, inclusi quelli dotati di interfaccia NVME. Si prestano pertanto ad un’ampissima gamma di scenari applicativi con molti presupposti per ottenere risultati sorprendenti.

NOTE

1- parametri utilizzati nel FIO (https://github.com/axboe/fio) job file:

blocksize=4k
sync=1
direct=1
buffered=0
ioengine=libpmem
group_reporting=1
directory=/mnt/nvdimm/
lat_percentiles=1
iodepth=1
loops=10

[randread_8files]
rw=randread
filesize=1G
numjobs=4

[randwrite_8files]
rw=randwrite
filesize=1G
numjobs=4

Archiviato in: HPC, Medooza, Nerd Herd

By Simone Tinti

Deep Learning Equity Derivatives

NVIDIA DGX STATION A100: l’Intelligenza Artificiale pronta all’uso – Guarda il Webinar

Podcast: Qual è il momento migliore per sfruttare l’innovazione?

Che cos’è un Cluster Kubernetes?

Podcast: Shadow IT: come ridurlo con l’automazione

I dispositivi di memorizzazione NVDIMM: classificazione e vantaggi (Parte Seconda)

Footer

Contatti