4小时31分钟。这就是我的惠普folio1040笔记本电脑估计我还能工作多久，因为它的电池里储存了能量。所有的能量都去哪了？我的CPU表显示只有轻微的活动。我只运行了几个应用程序，我没有输入快，快事实证明，今天的计算机大部分时间和精力都花在存储层和内存层之间的数据洗牌上。在现代系统中，这种层次结构可以有10层以上的深度。在极客之地，我们称之为波动链。我们都习惯了这一点，所以很少有人会想到质疑它。但从表面上看，这是一种奇怪的计算方式。为什么不把所有的数据一直保存在主内存中呢？在这篇文章中，物联，我想看看我们是如何以这样的方式工作的，大数据与应用，接下来会发生什么。为了跟上处理器的速度，你需要尽可能快的内存。自20世纪70年代以来，最快的存储器就需要持续供电。计算机总是用用户能负担得起的尽可能多的快速内存来制造的，物联网大会，所需的容量来自更便宜但速度较慢的技术。内存层次结构的演变是因为快速内存的购买和运行成本都很高。操作系统的主要任务是管理这个层次结构，按需向应用程序提供正确的数据，并归档数据结果。历史上，企业信息化管理软件，此层次结构已生效。这是一种实现用户所需的必要的性价比组合的绝妙方法，而且它已经工作了几十年。然而，我们相信我们已经到了一个记忆等级制度阻碍我们前进的地步。如今，科学家、数学家和经济学家的职业生涯都是在研究如何进行计算，而不是从事实际工作。他们被迫把简单的方程转换成复杂的并行处理任务，因为我们买不起、运行不起或高效地编程的计算机，而这些计算机的马力足以完成我们所需要的任务。SRAM用于片上高速缓存，DRAM用于主存，大容量存储由闪存和硬盘驱动器提供。让我们先来看看前两层：

与微处理器共享硅的存储器称为SRAM。每个位存储在（通常）六个晶体管组成的网络中。速度是最重要的，因为SRAM必须跟上微处理器千兆赫兹的速度。问题是SRAM单元会占用芯片上的大部分空间（这是地球上最昂贵的不动产！）。它们也是最难在低电压和高频率下可靠运行的晶体管，这使得它们的制造变得困难和昂贵。问题是DRAM电容器是一个漏电子桶。你必须每隔几毫秒给电容器重新充电一次，否则数据就会丢失。这会浪费时间，因为在进行刷新和通电时无法访问数据。随着DRAM单元的缩小，这两个孪生问题变得越来越严重。

在层次结构的这一点上，我们跨越了一个重要的边界：易失性和非易失性之间的边界。SRAM和DRAM的记忆只能通过不断燃烧的能量来实现。但有些计算结果需要永久记录。当然，失电只是我们需要防范的故障类型之一，但是考虑到我们都知道的意外失电的后果，这个边界是一个重要的边界。

在没有电源的情况下，我们的内存层次结构的最后一层保留信息：

闪存在今天的大容量存储中越来越流行。它比硬盘快得多，但与DRAM相比仍然非常慢。闪存速度慢，因为数据必须在大数据块中写入和读取。就像你只需要一个单词就拿起字典一样。这种速度限制在今天已经不是问题了，因为我们有SRAM和DRAM来快速工作。

Flash的擦除和重写次数也有一个惊人的低限制。SRAM和DRAM的有效寿命是无限的，但是Flash单元在10000次循环后就可能崩溃。因此，它不能用于数据密集型主存任务。通过控制电路将芯片损坏的部分隔离开来，死区被用户屏蔽，但可靠性仍然是一个问题。当您使用2GB的拇指驱动器时，您可以在设备的估计寿命内访问2GB的容量。实际上，那里有更多的原始存储空间，有备用空间来解决磨损问题。

硬盘驱动器被用于今天的大容量存储。尽管闪存正在迎头赶上，但硬盘驱动器的每比特成本仍然是磁带的最低价格。但它们的速度非常慢，能源效率也很低。它们也不一致。如果两个数据块恰好相邻，那就不太糟了。但是，如果这些块相距很远，读/写磁头在盘片上拖动时，可能会浪费数百万个时钟周期。牛顿仍然很重要，而F=ma仍然意味着移动驱动头和旋转盘片会消耗能量。

业界已经开发出各种技巧来掩盖内存层次结构造成的延迟。大多数使用复杂的算法来预测和传递接下来需要的数据，比如缓存和预取常用数据。成千上万的人致力于改进这些技术，什么叫淘客，在这个过程中产生了数百万行代码。但是，当我们开始开发2014年的社交网络应用程序，而不是使用上世纪90年代商业数据库应用程序的可预测行为时，这些技巧会发生什么？如果我们能找到一种像DRAM一样快速、耐用、像闪存和硬盘一样便宜的内存技术，我们就可以将多层层次结构结合起来。我们称这种主存储器和大容量存储器的组合为通用存储器。突然，操作系统的工作变得非常简单。不再需要编写应用程序来将大型任务分割成若干部分，这样就可以容纳几千兆字节，或者对于少数有能力负担的组织来说，就可以容纳几兆兆字节。使用通用内存，PB大小的数据集可以保存在内存中，以解决甚至无法尝试的问题今天。环球记忆仍然是一个有争议的话题。有些人认为这不过是个神话。毕竟，我们今天使用的每一项技术都在其指定的任务中表现出色。强迫一个折衷的技术在多个层次上使用会不会给最终用户带来更差的体验？答案是，我们正在迅速接近一个拐点，在这个拐点上，数据的指数级增长以及从数据中获取价值的需求将超出我们当前计算模型的能力。即使我们可以扩展现有的模式来应对，我们也无法产生足够的电能来为所有这些提供动力。