在易失的存储器中，主要就是SRAM和DRAM。两者都历史相对比较悠久的器件。而且，在大部分的心目中DRAM就是memory的缺省候选。对于DRAM来讲，有一篇神文值得安利。《What Every Programmer Should Know About Memory》［1］，其中基本上介绍了程序员需要关心的Memory相关的信息，特别集中在DRAM上。当然，如果要写What Every Designer Should Know About Memory， 估计要关注SRAM了。
DRAM和SRAM的主要区别如下：
计算和存储两者如何水乳交融
可以看出，SRAM相对于DRAM，需要更多的晶体管来实现。SRAM的好处是：
1. 不需要Refesh的电路，每个Cell的内容在写入之后，会一直保存到掉电为止。而DRAM则需要在10-100ms的时间级别进行Refresh。
2. SRAM的抗干扰能力要比DRAM强，这个也是那些晶体管的主要用处。
这里面没有提另一个关键的信息，就是功耗。对于一般的情况下，因为DRAM需要周期性地refresh，因此功耗比较大。但是SRAM自身功耗和主频的关系比较大，如果整个系统的时钟很高的话，SRAM的功耗可能会超过DRAM。
对于Memory来讲，定义它的主要性质的基本因素就是Cell，每一个Cell在RAM中代表一个Bit，但是更重要的是memory的array，任何的memory都不是单个cell的操作，而是需要array level的操作。
计算和存储两者如何水乳交融
这个是memory cell 和memory array的示意图，可以看出，wordline 和bitline 是memory cell的基本概念，wordline 也是地址线，性质和enable类似，主要是来决定memory array中的一行cell可以被读取或者写入。当然，wordline的信息对应的地址是唯一的，而且在任意时间，只有一个workline处于High，也就是enable。
Bitline就是memory的真正位宽了，因为种种原因，内存的cell的word line 和bitline不没有做成完全的nxn的array，代表的地址的word line 总是要比bitline大很多，因此有了RAS和CAS的概念，先选ROW，再下一个周期选COL。对于Bitline，和目前的DDR相关的BANK的概念就是扩展Bitline常用的方式。
计算和存储两者如何水乳交融
到这里，大家算是对于DRAM的memory array有了了解。切入正题，段博士的老板，也就是谢源教授在一个方向上的试探。［2］
计算和存储两者如何水乳交融
有兴趣的自然自己可以去看原论文，这里只是贴上原文的总结。“
We compare four different DRISA designs and conclude that 1T1C -nor/mixed are the best choices. We then present a case study where
we evaluate CNN applications on DRISA. With the benefit of in-situ compuTIng， DRISA shows 8.8X speedup and 1.2Xbetter energy
effciency when compared with ASICs， and 7.7Xspeedup and 15Xbetter energy effciency than GPUs”。
个人认识是一个试探的原因有两个方面：
因为DRAM的商业壁垒太高，我们有基于Xilinx的FPGA做NVDIMM的客户，他们的商业模式都是自己做控制器和系统的开发，最后交DRAM厂家上产线生产组装。因为DRAM的高度垄断，因为任何基于DRAM方向的创新都需要他们的支持，目前来看，这些巨头对于这个方向并没有兴趣。而且其中Micron在2015-2016年在异构计算上的很多投资基本上都失败了。谢老师的合作伙伴Samsung电子，估计也是玩票性质。
和之前讲的计算和存储结合不同，这种方式需要对memory array做非常细致的拆解，而且处处定制。这个和GPU或者ASIC方案对比，实用性太差了。而且，相对与GPU 15X的性能功耗比，在2019大放异彩的以色列ASIC面前，基本上可以或略不济。
我曾在2017年的CNCC的会上，问谢老师，他的HBM在从提出到商业使用，基本上只花了不到10年的时间，这个真的很NB了。对于他的in-suite accelerator，他认为要花多久？谢老师很有风度的回避了这个问题。［3］
于是，这个革命的重任再次落到了NVM身上，诞生于1985年的NOR和NAND先完成了存储行业的革命，他们的近亲们现在在解决了random access的同时，希望利用array来解决计算问题。
目前来看，大家认为通过对于未来的可以支持Random access， byte address的新型非易失存储在架构上的优化来做到一石二鸟充满信心。段博士引用了几篇最近的论文，基本上都是基于MRAM［4］和ReRAM［5］的。MRAM在2018年的FMS上有几个相关的专题，但是从目前来看，MRAM的制程不能随工艺缩小，人家Samsung都在用1Y做DRAM了，他还在40nm。而ReRAM曾经是HP和Sandisk 的深度合作的基础，但是现在也是物是人非。
对于NVM和ML结合有很多不错的综述文章让大家上手。因为本作者才疏学浅，下一个关于ReRAM和MRAM相结合的文章目前没有时间表。作为补偿，给大家一个彩蛋，上上周在硅谷的中美半导体“Breaking the memory wall” ［6］，有兴趣的可以看看。
关键词标签：海量存储 文件存储 分布式存储 国产存储 私有云 企业级存储 软件定义存储
